predictive maintenance toolbox 产品信息 -凯发k8网页登录

 

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。

特定于应用的算法

使用组件特定函数开发算法来检测电池异常、对轴承故障进行分类、检测泵中的泄漏、跟踪电机性能的变化等。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 simulink 和 simscape™ 模型生成仿真的故障和退化数据。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。

代码生成

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。

文档 |

云部署

使用 matlab compiler™matlab 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。

网站地图