当工业设备发生故障时，导致的问题往往不是更换设备的费用，而是被迫停机。一条生产线静止不动可能意味着每分钟损失数千美元。定期维护可以帮助避免计划外停机，但不能保证设备不会发生故障。如果机器能显示出某个部件何时会发生故障呢？甚至如果机器能告诉您哪个部件需要更换呢？这样一来，计划外停机时间将大大减少。计划的维护只在必要时进行，而不是以固定的时间间隔进行。这便是预测性维护的目标：通过使用传感器数据预测何时需要维护，以此来避免停机。在任何预测性维护算法的开发过程中，核心都是传感器数据，传感器数据可以用来训练故障检测的分类算法。在预处理步骤中，将从这些数据中提取出有意义的特征，并使用这些特征训练用于预测

matlab预测性维护方案

不确定性工具箱 用于预测不确定性量化，校准，python工具箱。 另外：的以及的集合。 许多机器学习方法会返回预测以及某种形式的不确定性，例如分布或置信区间。 这就引出了一个问题：我们如何确定最佳的预测不确定性？ 产生最佳或理想不确定性是什么意思？ 我们的不确定性是否准确且经过良好校准？ 不确定性工具箱提供了用于量化和比较预测性不确定性估计值的标准度量，提供了这些度量的直觉，生成了这些度量/不确定性的可视化效果，并实施了简单的“重新校准”程序来改善这些不确定性。 该工具箱当前专注于回归任务。 工具箱内容 不确定性工具箱包含： 与预测不确定性量化相关的。 评估预测不确定性估计的质量的。 预测不确定性估计和指标。 用于改善预测变量校准的方法。 有关度量标准和方法的相关。 安装 不确定性工具箱需要Python 3.6及更高版本。 要安装，请克隆并通过cd进入此仓库，然后运行： $

探索NASA涡轮风扇数据集 此回购包含笔记本，其中包含有关NASA涡轮风扇降级数据集[2]上一小部分博客文章[1]的信息。 涡轮风扇数据集包括难度增加的4个独立挑战。 发动机在一开始就正常运行，但随着时间的流逝会出现故障。 对于每个挑战，列车中的引擎都会运行至故障。 测试集中的时间序列在失败之前“有时”结束。 目的是预测测试集中每个涡扇发动机的剩余使用寿命（RUL）。 请参阅下表以简要了解这些挑战。 数据集 运行条件 故障模式 火车尺寸（引擎数） 测试尺寸（发动机数量） FD001 1个 1个 100 100 FD002 6 1个 260 259 FD003 1个 2个 100 100 FD004 6 2个 248 249 笔记本用于浏览数据集并尝试各种建模技术（机器学习和神经网络）。 有关模型开发过程中所做的技术和选择的完整说明，我建议阅读博客文章[1]

xalan java源码该存储库提供了在我们的 PLDI 2020 论文 #228 SmartTrack：高效预测竞速检测中评估的 SmartTrack 工具的源代码。 SmartTrack 工具代表了我们将时代和所有权优化 (FTO) 和 CCS 优化 (SmartTrack) 应用于未优化预测分析 WCP、DC 和新引入的 WDC 的贡献。 SmartTrack 优化的预测分析实现了与广泛使用的 HB 分析相比具有竞争力的性能，该分析报告了 HB 分析无法找到的难以检测的比赛。 通过提供不同的覆盖范围 - 健全性权衡，基于 SmartTrack 的分析可以利用报告新的预测竞争和更好的性能来检测实践中的少数（如果有的话）错误竞争，这表明预测分析有可能成为检测数据竞争的主流方法，替代HB分析。 有关更多详细信息，请参阅随附的论文：SmartTrack：高效的预测性竞赛检测 设置 克隆存储库并构建源代码。 $ git clone https://github.com/PLaSSticity/SmartTrack-pldi20.git $ cd ~/SmartTrack-pldi20 $

当工业设备发生故障时，导致的问题往往不是更换设备的费用，而是被迫停机。一条生产线静止不动可能意味着每分钟损失数千美元。定期维护可以帮助避免计划外停机，但不能保证设备不会发生故障。如果机器能显示出某个部件何时会发生故障呢？甚至如果机器能告诉您哪个部件需要更换呢？这样一来，计划外停机时间将大大减少。计划的维护只在必要时进行，而不是以固定的时间间隔进行。这便是预测性维护的目标：通过使用传感器数据预测何时需要维护，以此来避免停机。在任何预测性维护算法的开发过程中，核心都是传感器数据，传感器数据可以用来训练故障检测的分类算法。在预处理步骤中，将从这些数据中提取出有意义的特征，并使用这些特征训练用于预测性

matlab预测性维护,matlab预测性维护工具箱,matlab源码.zip

轴承matlab代码三缸泵出现故障 版权所有2017-2020 The MathWorks（TM），Inc. 本示例为三缸泵建模。 三个柱塞连接到单个曲轴，曲轴销的相位相差120度。 结果是至少有一个腔室始终在排出，与单泵或双泵相比，该腔室产生的流量更平稳。 机械，液压和电气参数均在MATLAB中定义。 这使您可以轻松调整泵的尺寸。 默认参数适用于CAT Pumps泵型号1051，用于外壳的STEP文件是从CAT Pumps网站下载的。 本示例中包括失效组件的影响。 可以模拟由于密封件泄漏，入口堵塞，轴承磨损和电动机绕组损坏而导致的性能下降。 MATLAB代码展示了如何通过重用先前模拟的结果来加快测试速度。 打开项目Triplex_Pump.prj开始。

此示例使用预测性维护算法对三缸泵建模，该算法可以通过监视泵的输出压力来检测泵的哪些部分出现故障。 可以将泵的Simscape模型配置为对由于密封件泄漏，入口堵塞，轴承磨损和电动机绕组损坏而导致的性能下降进行建模。 MATLAB代码展示了如何通过重用先前模拟的结果来加快测试速度。 该模型可用于生成机器学习算法的训练数据，并可用于测试部署的算法。 MATLAB Live Scripts向您展示了如何开发算法。 机械，液压和电气参数均在MATLAB中定义，可让您轻松调整泵的尺寸。 泵壳是从CAD导入的。 请阅读README.md文件以开始使用。 使用上方的“从GitHub下载”按钮获取与最新版本的MATLAB兼容的文件。 使用下面的链接来获取与早期版本的MATLAB兼容的文件。 对于R2020b： https : //github.com/mathworks/Simscape-Triple

PredRNN 包含PyTorch的纸张实现- PredRNN：使用时空LSTM进行预测性学习的递归神经网络 数据集 移动MNIST数据集可在下载 建筑