什么是状态监控?

健康监测是采集和分析设备传感器数据的过程，目的是评估设备在运行期间的健康状况。准确识别设备的当前健康状态对于开发预测性维护计划至关重要。

健康监测使设备制造商和运营人员能够做到以下几点：

健康监测不仅仅是采集数据，还会使用这些数据来评估机器的健康状况。其评估目标多种多样，从确保单个传感器值不超过安全阈值的控制图，到用几个月的历史数据对数百个传感器进行训练的机器学习算法，例如由 Mondi Gronau 开发的算法。

健康监测与预测

预测性维护计划可以使用健康监测算法和预测算法。健康监测和预测之间的主要区别在于时间规划。

	时间规划	示例
健康监测	当前状态	检测轴承故障
预测	将来状态	估算飞机引擎的剩余使用寿命

健康监测算法开发工作流。

要在 MATLAB^® 中开发健康监测算法，您需要从您的资产数据开始。使用 MATLAB 中的硬件支持包，直接从传感器和测试硬件采集数据。或者，从 OPC UA、RESTful Web service、数据库、AWS S3 和 Azure Blob 等服务访问流数据和存档数据。

如果没有足够的数据，您也可以通过构建资产的物理模型来生成合成数据。

首先预处理和可视化您的数据。您能否通过目测轻松发现异常情况？如果能，您也许可以使用简单算法，例如 findchangepts 或 controlchart。

有时，传感器读数中的异常情况很容易发现，如此 MATLAB 绘图所示。在这种情况下，简单的算法就足够了。

如果您的数据包含许多传感器，或异常情况很难识别，则您需要探查更高级的方法，如机器学习和深度学习，以发现数据中的模式。

要开发健康监测算法，您首先需要识别健康指标，即指示正常和故障运行状况之间差异的特征。这些可能很容易发现，也可能需要提取和组合许多特征。使用 Predictive Maintenance Toolbox™ 中的诊断特征设计器，您能够以交互方式提取、排列和导出各种特征。

使用诊断特征设计器，您能够以交互方式提取特征来训练健康监测算法。

然后，您可以将这些特征用作机器学习或深度学习算法的输入，来训练健康监测算法。例如，您可以使用分类学习器以交互方式测试各种故障分类算法。

使用分类学习器，您可以训练各种分类模型，用于对健康监测中的故障进行分类。

经过验证后，健康监测算法需要在 IT 环境（例如服务器或云）中实现运营化。健康监测算法也可以部署到嵌入式系统，从而加快响应速度，并显著减少通过网络发送的数据量。