深度学习在预测性维护中的应用

无论是设备使用者还是生产商，都可以通过预测性维护监控机器运行状态，诊断故障，估计剩余使用寿命。随着机器复杂度的逐步提高，数据生成量的爆炸式增长，工程师开始尝试利用深度学习方法获得最佳预测结果。

在本次演讲中，您将了解如何使用深度学习实现：

• 使用振动数据进行工业设备异常检测
• 通过基于音频的故障分类器实现空气压缩机的状态监控

您将看到以下具体示例：

• 数据准备：使用Predictive Maintenance Toolbox™生成特征，使用Audio Toolbox™从语音信号中自动提取特征
• 模型：使用Deep Learning Toolbox™训练语音和时间序列的深度学习模型