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(guò)提取和操作數(shù)據(jù)來(lái)處理導(dǎo)入的原始數(shù)據(jù)。

·?使用MATLAB數(shù)據(jù)類(lèi)型存儲(chǔ)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(wú)監(jiān)督學(xué)習(xí)方法，基于一套狀態(tài)指標(biāo)對(duì)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(lèi)

·?降維處理

·?評(píng)估和解讀數(shù)據(jù)中的聚類(lèi)

建立分類(lèi)模型

目標(biāo)：使用有監(jiān)督學(xué)習(xí)的方法對(duì)分類(lèi)問(wèn)題進(jìn)行預(yù)測(cè)建模， 以及評(píng)估預(yù)測(cè)模型的準(zhǔn)確度。

·?使用Classification Learner App進(jìn)行分類(lèi)

·?使用標(biāo)簽數(shù)據(jù)訓(xùn)練分類(lèi)模型

·?驗(yàn)證訓(xùn)練過(guò)的分類(lèi)模型

·?使用超參數(shù)優(yōu)化提高性能

探索和分析信號(hào)?

目標(biāo)：交互式探索和可視化數(shù)據(jù)中信號(hào)處理特征。

·?導(dǎo)入，可視化和瀏覽信號(hào)以深入理解信號(hào)

·?執(zhí)行信號(hào)測(cè)量

·?在時(shí)域和頻域比較多個(gè)信號(hào)

·?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(dòng)化腳本

預(yù)處理信號(hào)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(duì)信號(hào)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(hào)

·?填充均布采樣信號(hào)中的間隙

·?執(zhí)行重采樣以確保不同信號(hào)具備相同時(shí)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(dòng)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(dòng)信號(hào)分割

估計(jì)失效時(shí)間

目標(biāo)：探索數(shù)據(jù)以識(shí)別特征，以及訓(xùn)練決策模型， 進(jìn)而預(yù)測(cè)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