Predictive Maintenance Toolbox

重要更新

 

Predictive Maintenance Toolbox

设计和测试状态监控和预测性维护算法

特征工程

使用诊断特征设计器或以编程方式通过基于信号和基于模型的方法从传感器数据中提取和排列特征,以使用 AI 进行故障检测和预测。

故障和异常检测

使用 AI、统计和动态建模方法进行状态监控。跟踪系统中的变化,检测异常,并识别故障。

剩余使用寿命估计

根据历史数据训练剩余使用寿命估计器模型,以预测故障时间并优化维护调度。

旋转机械

提取特定于旋转机械的基于物理的特征。对轴承故障执行分类,检测泵中的泄漏,跟踪电机性能的变化,识别变速箱中的故障等。通过参考示例库快速入门。

数据管理和预处理

访问本地或远程存储的传感器数据。通过删除离群值、过滤和应用各种时间、频率和时频预处理方法,为算法开发准备数据。

故障数据生成

使用用 Simulink 和 Simscape 构建的基于物理的模型对罕见故障和退化情况进行仿真。修改参数值、注入故障和更改模型动态特性。创建数字孪生来监控性能和预测将来行为。

边缘部署

使用 MATLAB Coder 直接从特征计算函数、状态监控算法和预测算法生成 C/C++ 代码以用于实时边缘处理。

云部署

使用 MATLAB CompilerMATLAB Compiler SDK中的算法扩展为共享库、包、Web App、Docker 容器等。无需重新编码即可将 MATLAB Production Server 部署到 Microsoft® Azure® 或 AWS® 上。

预测性维护系列视频

观看本系列视频,了解预测性维护。

获取免费试用版

30 天探索触手可及。


准备购买?

获取报价并了解相关产品。

您是学生吗?

您的学校可能已拥有 Campus-Wide License 并允许您直接使用 MATLAB、Simulink 和其他附加产品。