基于模型的预测性维护设计
预测性维护越来越多地被采用，因为当工业设备发生故障时，它可以减少计划外停机时间和维护成本。在本系列视频中，您将看到如何使用工业系统的仿真模型以及基于模型的设计来覆盖整个预测性维护工作流。该工作流程从数据采集和预处理到预测性维护算法的设计和部署到PLC上，并作为独立的可执行程序或web应用程序。
系列的介绍学习预测性维护的基本方面。
第1部分:数据生成了解物理建模如何帮助您生成开发预测性维护算法所需的综合故障数据。
第二部分:特征提取了解MATLAB如何帮助您管理数据和提取有用的条件指标的系统。
第3部分:训练机器学习模型看看分类学习者应用程序如何让你训练和验证你的状态监控算法。
第4部分:代码生成和实时测试学习如何从您的机器学习模型自动生成代码，并在实时硬件上测试它(例如，在B&R PLC上)。
第5部分:预测模型的开发了解如何构建一个模型来预测系统的剩余有用寿命(RUL)。
第6部分:预测模型的部署了解如何设计应用程序来部署剩余的有用寿命(RUL)模型。
相关资源
你也可以从以下列表中选择一个网站: