Upload others
View 26
Download 0
Embed Size (px) 344 x 292 429 x 357 514 x 422 599 x 487
Citation preview
1© 2015 The MathWorks, Inc.
利用MATLAB实现预测性维护--- 故障诊断与生命周期预测
马文辉
2
维护种类
▪ 被动式维护 – 出现问题时进行维护– 例如: 更换出现问题的电池
– 问题: 以外的故障是昂贵的，并且存在潜在的风险
▪ 预防性维护 – 定期进行设备维护– 例如: 每5000公里更换机油
– Problem: 不必要的维护会产生浪费，并且也不能消减故障
▪ 预测性维护 – 基于数据预测问题何时将会发生– 例如: 某些通用汽车车型预测了电池、燃油泵和起动马达的问题
– 问题: 由于数据缺失而很难对复杂的设备做出准确的预测
3
什么预测性维护
▪ 一种预测技术
▪ 数据驱动
▪ 通过机器学习进行建模
▪ 实现差异化的设备维护
▪ 消除不必要的设备停机
Source: Tensor Systems
4
为什么预测性维护？
▪ 提升操作效率 ▪ 新的收入来源 ▪ 差异化优势
5
工况监控
预测性维护
怎么进行预测性维护？
数据 决策
我的机器状态如何？
何时我的机器故障？
工况监控监测机器传感器数据（振动，温度等）过程，以识别可能表明发生故障的重大变化
预测性维护从传感器数据和历史数据中确定故障时间/剩余使用寿命（RUL）的技术，以便预测何时应进行维护
根据大量数据做出维护决策
6
▪ 生存周期预测 – RUL （剩余寿命）
开发和验证状态监测和预测性维护算法
▪ 故障检测与诊断
训练机器学习模型和时间序列模型来检测、分类和预测机器故障
MATLAB预测性维护 --- 预测性维护工具箱
7
生命周期（RUL, Remain Useful Life）估计与预测
System data
相似模型全生命周期数据
生存期数据 生存模型
衰退模型阈值数据
8
RUL – 相似模型
利用目标设备数据与历史数据的匹配度来确定剩余寿命
相似模型
Hash
Similarity Model
Pairwise
Residual
全生命周期数据
9
RUL – 生存模型
生存分析是一种用于对时间-事件数据建模的统计方法
Reliability
Survival Model
Covariate
生存期数据
10
RUL – 衰退模型
衰退模型通过学习过去的行为来预测未来的状况
衰退模型数据阈值
Linear
Degradation Model
Exponential
11
故障检测与诊断
基于大量历史数据，并利用机器学习方法构建故障诊断模型
12
建模方法
Data-Driven ModelingFirst Principles Modeling
Statistics and Machine
Learning Toolbox
Simscape SystemIdentification
Toolbox
SimulinkDesign Optimization
Simulink
Tools for Modeling Dynamic Systems
13
Machine Learning
Machine
Learning
Supervised
Classification
Regression
Unsupervised
仅仅对输入数据进行分组和解释
基于输入和输出数据构建分类或预测模型
Type of Learning Categories of Algorithms
Cluster
14
案例：往复泵的故障检测
▪ 通过传感器对往复泵进行监控并探测故障
▪ 传感器数据– Flow rate
– Pressure
– Engine current
▪ 故障类型– Leaks
– Worn bearings
– Blockages
15
▪ 基于传感器数据训练机器学习模型并预测
16
Challenges: 数据缺失
▪ 缺失故障数据
▪ 可能存在多种故障模型或故障组合
▪ 不同的机器对相同的故障表现出不同的行为
17
Solution: 利用Simulink进行仿真
▪ 通过仿真构建故障模式– 利用可获得数据与领域专家一起工作
– 改变模型的参数或组件
▪ 为特定机器定制通用模型– 根据实际数据对模型进行调整
– 验证调整后的模型的性能
▪ 通过仿真模型生成故障数据
18
Video for Simulink fault data
19
MATLAB
Runtime
Compiler SDK
Compiler
MATLAB Coder
MATLAB Coder and Compiler
▪ 在边缘设备运行预测模型
20
MATLAB Production Server – 与企业系统集成
▪ 将预测模型运行于云平台并与企业系统集成
21
Thank you!
Machine learning - INSEE
Machine Learning & Bots
8 Machine Learning
What’s New in MATLAB and Simulink · Using MATLAB and Simulink to Build Deep Learning Models Inputs Input Design Design Outputs Output Data Machine Learning Deep Learning Model
Machine Learning 기반게임봇탐지 · 2020-07-14 · Machine Learning 기반게임봇탐지 거래네트워크와유저행동패턴을활용한게임작업장탐지 NCSOFT I&I실분석모델링팀서상덕
Machine Learning and Market Competitionicle.sogang.ac.kr/static/files/admin_at_icle.sogang.ac... · 2017-09-19 · Machine Learning Machine learning, in general •X=features, classifiers,
Machine Learning Introduction
IoT & Machine Learning
MAKİNE ÖĞRENİMİ-Machine learning
Machine Learning praktik me Scikit-Learn dhe TensorFlowrbunjaku.files.wordpress.com/2018/02/machine-learning-praktik.pdf · Machine Learning praktik me Scikit-Learn dhe TensorFlow
INTRODUCTION TO MACHINE LEARNING 19. Reinforcement Learning
Commande de Machine Electrique en Environnement Matlab-simulink
Makers of MATLAB and Simulink - MATLAB & Simulink - 딥 ......딥러닝기반응용프로그램작성기법 Application Engineer 엄준상과장 3 What is Deep Learning ? Deep learning
Azure machine-learning
Web Machine Learning
Machine learning - Plantyst
Machine learning – automatisk læring med computere · 92 † DATALOGISK INSTITUT Machine learning – automatisk læring med computere B egrebet machine learning, som på dansk
Machine Learning Learning with Graphical Models · Machine Learning Learning with Graphical Models Marc Toussaint University of Stuttgart Summer 2015
Azure machine learning
Machine Learning Probabilistic Machine Learning · Machine Learning Probabilistic Machine Learning learning as inference, Bayesian Kernel Ridge regression = Gaussian Processes, Bayesian
Introduction to Machine Learning - cs.colorado.edujbg/teaching/CMSC_726/06a.pdf · Introduction to Machine Learning Machine Learning: Jordan Boyd-Graber University of Maryland RADEMACHER
Python Machine Learning
Machine Learning - Introduction to Machine Learningmpetrik/teaching/intro_ml_17_files/class1.pdf · Machine Learning Introduction to Machine Learning Marek Petrik January 26, 2017
Eventigo.cz - machine learning
Machine Learning - cs.cmu.edu
Machine Learning 21431
Machine Learning 10-701tom/10701_sp11/slides/Kernels_SVM2_04_1… · Machine Learning 10-701 Tom M. Mitchell Machine Learning Department Carnegie Mellon University April 12, 2011
Machine Learning-Deep Learning Fondement et biaisfiles.meetup.com/19203187/FondetBiaisMLDLonline.pdf · Machine Learning-Deep Learning Fondement et biais Machine learning Aix-Marseille
Segmentacion Machine Learning
Learning Finite State Machine Specifications from Test Cases · Learning Finite State Machine SpeciVcations ... 2.4 Machine Learning Approaches in Testing ... 3.2 Program Code and
