新的MATLAB 產品Predictive Maintenance Toolbox，幫助工程師設計并測試狀態(tài)監(jiān)測和預測性維護算法。PredictiveMaintenance Toolbox 為算法工程師提供了一系列功能和參考范例，用來組織數據、設計狀態(tài)指標、監(jiān)測機器運行狀況和預估剩余使用壽命 (RUL)，從而避免設備故障。

借助 Predictive MaintenanceToolbox，工程師能分析和標注從存儲于本地或云端的文件中導入的傳感器數據。他們還能標注從 Simulink 模型生成的仿真故障數據以表征設備故障。利用在頻譜分析和時序分析等技術所構建的信號處理和動態(tài)建模方法，工程師能夠預處理數據并提取可用來監(jiān)測機器狀態(tài)的特征。

使用生存分析、相似性分析和基于趨勢的模型來預測RUL，可幫助工程師預估機器發(fā)生故障的時間。該工具箱包括發(fā)動機、變速箱、電池和其他機器的參考范例，可以復用以開發(fā)自定義的預測性維護和狀態(tài)監(jiān)測算法。

Predictive Maintenance Toolbox 能幫助訓練預測模型來預估剩余使用壽命 (RUL) 并提供與預測相關聯(lián)的置信區(qū)間。

現(xiàn)在，工程師開發(fā)和驗證必要的算法，通過監(jiān)測傳感器數據，以預測設備何時可能發(fā)生故障，或檢測任何潛在的異?，F(xiàn)象。這些算法可以通過訪問存儲在本地文件系統(tǒng)、云存儲系統(tǒng)（如Amazon S3 和 Windows Azure Blob 存儲）或 Hadoop 分布式文件系統(tǒng)上的歷史數據，得以開發(fā)。另一個數據源是來自包含故障動態(tài)的設備物理模型的仿真數據。工程師可以從此數據中提取和選擇最合適的特征，然后借助交互式應用程序，用這些特征訓練機器學習模型，以預測或檢測設備故障。

“預測性維護是工業(yè)物聯(lián)網的一個重要應用。它對于減少不必要的維護成本和消除計劃外停機十分關鍵。那些通常沒有機器學習或信號處理背景的工程師會發(fā)現(xiàn)，設計預測性維護的算法特別具有挑戰(zhàn)性?！?a href="http://www.www27dydycom.cn/tags/mathworks/" target="_blank">MathWorks 公司技術市場經理 Paul Pilotte 說，“現(xiàn)在，通過使用 Predictive Maintenance Toolbox 學習如何設計和測試這些算法作為起點，這些團隊能夠快速上手并提高?！?/p>

更多內容：

預測性分析 | 解凍更多工程和商業(yè)數據的價值

關于 MathWorks

MathWorks是數學計算軟件領域世界領先的開發(fā)商。它所推出的MATLAB是一種用于算法開發(fā)、數據分析、可視化和數值計算的程序設計環(huán)境，稱為“科學計算的語言”。Simulink是一種圖形環(huán)境，可用于對多域動態(tài)系統(tǒng)和嵌入式系統(tǒng)進行仿真和基于模型設計。全球的工程師和科學家們都依賴于MathWorks公司所提供的這些產品系列，來加快在汽車、航空、電子、金融服務、生物醫(yī)藥以及其他行業(yè)的發(fā)明、創(chuàng)新及開發(fā)的步伐。