數(shù)據(jù)導入及處理

目標：將數(shù)據(jù)導入 MATLAB 并組織數(shù)據(jù)以進行分析，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：使用無監(jiān)督學習方法，基于一套狀態(tài)指標對觀察值進行分組， 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：使用有監(jiān)督學習的方法對分類問題進行預測建模， 以及評估預測模型的準確度。

·?使用Classification Learner App進行分類

·?使用標簽數(shù)據(jù)訓練分類模型

·?驗證訓練過的分類模型

·?使用超參數(shù)優(yōu)化提高性能

探索和分析信號?

目標：交互式探索和可視化數(shù)據(jù)中信號處理特征。

·?導入，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

預處理信號以提高數(shù)據(jù)集質(zhì)量和生成特征

目標：學習使用如重采樣、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

·?利用 Signal Analyzer App設計濾波器并應用濾波器

·?使用File Emsemble Datastore導入數(shù)據(jù)

·?使用Diagnostic Feature Designer App自動生成特征并排序

·?使用包絡譜進行機器故障診斷

·?定位異常值并替換為可接受樣本

·?發(fā)現(xiàn)變異點及執(zhí)行自動信號分割

估計失效時間

目標：探索數(shù)據(jù)以識別特征，以及訓練決策模型， 進而預測剩余使用壽命。

·?選擇狀態(tài)指標

·?使用全生命周期數(shù)據(jù)結(jié)合生存模型估計剩余使用壽命

·?使用運行至壽命閾值數(shù)據(jù)結(jié)合退化模型估計剩余使用壽命

·?使用運行至失效數(shù)據(jù)結(jié)合相似度模型估計剩余使用壽命