预测性维护

MATLAB 和 Simulink 在预测性维护中的应用

开发和部署自定义预测性维护算法

快速入门

“尽管我们之前几乎没有 AI 方面的经验，但在有限的预算和紧迫的期限内，我们借助 MATLAB 完成了一个诊断模型，它能够以超出 90% 的准确度检测风力发电机组件故障。”​

Jung Chul Choi，韩国能源研究所​
浏览客户案例

为您的工程师赋能

MATLAB 是工程师开发预测性维护算法并在运营中部署这些算法的最简单高效的环境。

设计预测性算法

使用领域特定特征和低代码 AI 检测异常、识别故障以及估计剩余使用寿命

模型组件和系统

重用设计的模型，生成合成传感器数据，构建和集成数字孪生

随时随地部署

与云中的 IT/OT 系统集成，或为实时处理生成 C/C++ 代码

设计预测性算法

创建一个可靠的预测性算法涉及的方方面面比使用 AI 多很多：您需要访问、清洗和探查数据，然后使用工程专业知识提取最佳特征来训练预测性算法。使用应用特定函数和参考示例快速入门。

  • 使用内置的云存储、数据库、数据历史记录和工业协议接口访问流数据和存档数据
  • 使用交互式统计和信号处理方法清洗和探查数据
  • 使用诊断特征设计器提取时域、频域和应用特定的特征并进行排序
  • 使用低代码 AI、统计和基于模型的方法标识故障并预测故障时间

了解更多

模型组件和系统

您可以使用 Simulink 和 Simscape 创建的基于物理的模型生成合成故障和退化数据，确定最佳传感器，并仿真性能。

  • 创建组件和系统的 Simulink 和 Simscape 模型或将其再利用
  • 调节模型参数使其匹配实际设备性能
  • 为训练预测性算法生成合成故障和退化数据
  • 将模型部署为数字孪生

了解更多

模型组件和系统

随时随地部署

在嵌入式设备和企业 IT/OT 系统上实现 MATLAB 算法，从而缩短响应时间，减少传输数据量，并让操作人员能第一时间获取结果。

  • 从 MATLAB 生成 C/C++ 代码，以直接在资产和边缘设备上进行实时处理，从而消除手动编码
  • 通过与各种云平台集成来扩展您的 MATLAB 算法，无需重新编码或创建自定义基础架构

了解更多

使用 MATLAB Production Server 在您的企业生态系统中部署预测算法

想讨论一下您的预测性维护项目？

请联系产品经理 Rachel Johnson

30 天免费试用

试用 MATLAB、Simulink、Predictive Maintenance Toolbox 和 70 多种产品。

快速入门