天天干天天操天天爱-天天干天天操天天操-天天干天天操天天插-天天干天天操天天干-天天干天天操天天摸

    使用 MATLAB 進(jìn)行預(yù)測性維護(hù)課程培訓(xùn)

導(dǎo)入和組織數(shù)據(jù)
創(chuàng)建自定義可視化
創(chuàng)建分類和回歸模型
預(yù)處理數(shù)據(jù)以提高數(shù)據(jù)質(zhì)量， 以及提取時域和頻域特征
估計(jì)剩余使用壽命（RUL）
使用App進(jìn)行交互式工作流探索
數(shù)據(jù)導(dǎo)入及處理

目標(biāo)：將數(shù)據(jù)導(dǎo)入 MATLAB 并組織數(shù)據(jù)以進(jìn)行分析，包括 處理缺失值。通過提取和操作數(shù)據(jù)來處理導(dǎo)入的原始數(shù)據(jù)。

使用MATLAB數(shù)據(jù)類型存儲數(shù)據(jù)
使用datastore導(dǎo)入數(shù)據(jù)
處理數(shù)據(jù)中的缺失元素
使用tall array處理大數(shù)據(jù)
發(fā)現(xiàn)數(shù)據(jù)中的自然模式

目標(biāo)：使用無監(jiān)督學(xué)習(xí)方法，基于一套狀態(tài)指標(biāo)對觀察值進(jìn)行分組， 并且發(fā)現(xiàn)數(shù)據(jù)集中的自然模式。

發(fā)現(xiàn)數(shù)據(jù)中的自然聚類
降維處理
評估和解讀數(shù)據(jù)中的聚類
建立分類模型

目標(biāo)：使用有監(jiān)督學(xué)習(xí)的方法對分類問題進(jìn)行預(yù)測建模， 以及評估預(yù)測模型的準(zhǔn)確度。

使用Classification Learner App進(jìn)行分類
使用標(biāo)簽數(shù)據(jù)訓(xùn)練分類模型
驗(yàn)證訓(xùn)練過的分類模型
使用超參數(shù)優(yōu)化提高性能

探索和分析信號

目標(biāo)：交互式探索和可視化數(shù)據(jù)中信號處理特征。

導(dǎo)入，可視化和瀏覽信號以深入理解信號
執(zhí)行信號測量
在時域和頻域比較多個信號
執(zhí)行交互式的頻譜分析
提取感興趣區(qū)以聚焦分析
生成 MATLAB 自動化腳本
預(yù)處理信號以提高數(shù)據(jù)集質(zhì)量和生成特征

目標(biāo)：學(xué)習(xí)使用如重采樣、消除異常值以及填充間隙等技巧對信號集進(jìn)行清洗。 交互式的生成特征并排序。

使用重采樣處理非均勻采樣信號
填充均布采樣信號中的間隙
執(zhí)行重采樣以確保不同信號具備相同時間基準(zhǔn)
利用 Signal Analyzer App設(shè)計(jì)濾波器并應(yīng)用濾波器
使用File Emsemble Datastore導(dǎo)入數(shù)據(jù)
使用Diagnostic Feature Designer App自動生成特征并排序
使用包絡(luò)譜進(jìn)行機(jī)器故障診斷
定位異常值并替換為可接受樣本
發(fā)現(xiàn)變異點(diǎn)及執(zhí)行自動信號分割
估計(jì)失效時間

目標(biāo)：探索數(shù)據(jù)以識別特征，以及訓(xùn)練決策模型， 進(jìn)而預(yù)測剩余使用壽命。

選擇狀態(tài)指標(biāo)
使用全生命周期數(shù)據(jù)結(jié)合生存模型估計(jì)剩余使用壽命
使用運(yùn)行至壽命閾值數(shù)據(jù)結(jié)合退化模型估計(jì)剩余使用壽命
使用運(yùn)行至失效數(shù)據(jù)結(jié)合相似度模型估計(jì)剩余使用壽命