天线 信号分析 解决方案
新品展示
 
MathWorks为MATLAB添加新的预测性维护产品,推出用于设计并测试状态监测和预测性维护算法的新工具箱
录入时间:2018/6/6 16:12:38

北京,2018 年 6 月 6 日 – MathWorks 今日宣布推出新的 MATLAB 产品 Predictive Maintenance Toolbox,帮助工程师设计并测试状态监测和预测性维护算法。Predictive Maintenance Toolbox 为算法工程师提供了一系列功能和参考范例,用来组织数据、设计状态指标、监测机器运行状况和预估剩余使用寿命 (RUL),从而避免设备故障。

借助 Predictive Maintenance Toolbox,工程师能分析和标注从存储于本地或云端的文件中导入的传感器数据。他们还能标注从 Simulink 模型生成的仿真故障数据以表征设备故障。利用在频谱分析和时序分析等技术所构建的信号处理和动态建模方法,工程师能够预处理数据并提取可用来监测机器状态的特征。使用生存分析、相似性分析和基于趋势的模型来预测 RUL,可帮助工程师预估机器发生故障的时间。该工具箱包括发动机、变速箱、电池和其他机器的参考范例,可以复用以开发自定义的预测性维护和状态监测算法。

现在,工程师开发和验证必要的算法,通过监测传感器数据,以预测设备何时可能发生故障,或检测任何潜在的异常现象。这些算法可以通过访问存储在本地文件系统、云存储系统(如 Amazon S3 和 Windows Azure Blob 存储)或 Hadoop 分布式文件系统上的历史数据,得以开发。另一个数据源是来自包含故障动态的设备物理模型的仿真数据。工程师可以从此数据中提取和选择最合适的特征,然后借助交互式应用程序,用这些特征训练机器学习模型,以预测或检测设备故障。

“预测性维护是工业物联网的一个重要应用。它对于减少不必要的维护成本和消除计划外停机十分关键。那些通常没有机器学习或信号处理背景的工程师会发现,设计预测性维护的算法特别具有挑战性。” MathWorks 公司技术市场经理 Paul Pilotte 说,“现在,通过使用 Predictive Maintenance Toolbox 学习如何设计和测试这些算法作为起点,这些团队能够快速上手并提高。”

Predictive Maintenance Toolbox 已在全球上市。如需更多信息,请访问

mathworks.com/products/predictive-maintenance

有关工程师团队如何使用 MATLAB,通过预测故障来减少设备停机时间、自动确定故障的根本原因和避免不必要维护成本的详细信息,请访问 mathworks.com/discovery/predictive-maintenance.html


上一篇:恩智浦推出采用标准封装的射频功率... 下一篇:埃赋隆半导体面向UHF广播应用推...

版权声明:
《微波杂志》网站的一切内容及解释权皆归《微波杂志》杂志社版权所有, 未经书面同意不得转载,违者必究!
《微波杂志》杂志社。


赞助企业
友情链接
首页 | 关于我们 | 联络我们 | 收藏本站| China advertising regulation
Copyright© 2018: 《微波杂志》; All Rights Reserved.
请用 Microsoft Internet Explorer 6.0 或以上版本。
Please use Microsoft Internet Explorer 6.0 or higher version.
备案序号:粤ICP备12025165号