使用 MATLAB 进行预测性维护

MATLAB 和 Simulink 在预测性维护中的应用

免费试用

MATLAB^®、Simulink^® 和 Predictive Maintenance Toolbox™ 帮助工程师开发和部署面向企业 IT 和 OT 系统的状态监控和预测性维护软件。

使用连接云存储的内置接口、关系型和非关系型数据库以及 REST、MQTT 和 OPC UA 等协议访问流数据和存档数据。
使用多种信号处理和统计方法 App 来预处理数据并提取特征以监控设备运行状况。
建立机器学习模型，以隔离故障根源并预测故障时间及剩余使用寿命 (RUL)。
自动生成基于 C/C++、Python、HDL、PLC、GPU、.NET 或 Java^® 的软件组件，将算法和模型部署到您投产运行的系统，例如嵌入式系统、边缘设备和云。

减少停机时间和运营成本: MathWorks Consulting 助您更快取得成果

了解更多

使用 MATLAB 和 Simulink 进行预测性维护

Predictive Maintenance Toolbox 产品信息

设计和测试状态监控和预测性维护算法

使用 MATLAB 和 Simulink 克服预测性维护的四个常见障碍

了解如何获取足够的数据和故障数据、预测故障，以及构建预测性维护算法。

预测性维护 (4 个视频)

预测性维护可让您通过预测机器故障时间来估计进行维护的最佳时间。本技术讲座系列介绍了一个开发预测性维护算法可以遵循的工作流。这些视频使用了三缸泵和飞机引擎示例来引导您完成如特征提取和剩余使用寿命估计等工作流步骤。

访问各种来源的数据

设备数据可以是结构化数据，也可以是非结构化数据，它们可以存储在多种数据源中，例如本地文件、OPC UA 服务器、云（如 AWS^® S3、Azure^® Blob）、数据库或历史数据储存，例如 OSIsoft^® PI System™。无论数据在哪里，您都可以使用 MATLAB 获取数据。当您没有足够的故障数据时，可以向机器设备的 Simulink 模型输入信号故障以生成故障数据，并对系统故障动态进行建模。