MATLAB预测性维护

本篇文章主要介绍MATLAB预测性维护中如何找到目标潜在状态指标，即分类诊断工具箱，至于预测性维护前期的数据处理以及后期的算法，这部分暂且不提。
分类诊断工具箱是一个评估潜在状态指标的应用，在数据集上运行。可以说，分类诊断器是一个集成学习的工具，每个数据集是一个单独的样本存在于输入数据中。

构建数据集

输入的数据是含有异常单体电芯（37号电芯自放电率大）的异常模组（含有40个电芯的模组）在一定时间内的电压变化的数据。

数据是一个表，包含十一个单体电芯在同一个充放条件下的电压变化，这十一个单体电芯构成一个整体，其中有一个单体代表异常单体，剩下十个表现为健康单体。

这个表包含11行，每一行表示一个单体特征，每一个单体由一个时间表和条件变量组成。每个时间表都有相同的长度，条件变量的含义为指示单体为健康或者异常。在这里异常单体设置为1，正常单体设置为0。

加载数据

在分类诊断器中新建会话导入数据。默认情况下是导入所有的数据。分类诊断器会将集成数据中提取变量名称嵌入时间表，表示健康或者异常的变量需要将变量类型改为条件变量。下方的Summary仲可以查看到变量的名称、类型和自变量。确认无误，导入数据。