用途：从旋转机械传感器采集的均匀采样时间序列中提取预测性特征，用于状态监测与故障检测。适用于构建监测/检测系统、筛选最具预测性的特征并构造健康指标、对高频振动数据做基于特征的数据压缩。不适用于图像/视频/无序表格数据、多故障类别分类（应使用 classificationLearner）、异常检测建模（应使用 timeSeriesAnomalyDetector）以及不适合统计或频谱特征提取的极低频数据。
主要能力与流程：按五步交互推进——处理数据、提取特征、排序与选择特征、构建健康指标、部署应用。处理阶段可用 tsa、tsadifference、tsaresidual 分离周期成分，用 tachorpm 估计转速，用 envelope、envspectrum 解调调制信号。特征阶段可提取 rms、kurtosis、peak2rms 等时域特征，bandpower 等频谱特征，以及 bearingFaultBands、gearMeshFaultBands、gearConditionMetrics、faultBands、faultBandMetrics 等专用特征。排序阶段对退化数据用 monotonicity、trendability、prognosability 评分，用 corr/corrcoef 去冗余。健康指标可用 lasso、pca 或线性回归构建。部署阶段可生成 MATLAB 脚本，按需生成 RUL 估计（linearDegradationModel、exponentialDegradationModel）或经 MATLAB Coder 生成 C/C++ 代码。
关键用法与限制：需向用户询问轴承/齿轮几何、转速、结构共振频率等参数，不得静默假设。无转速相位信息时必须拒绝 TSA，可改用带通滤波、pwelch 谱平均或原始信号统计特征。批量处理多文件应使用 fileEnsembleDatastore，SelectedVariables 必须是已声明变量的子集，持久化新特征需先加入 DataVariables 再调用 writeToLastMemberRead。monotonicity 等函数需传入表/时间表/元胞数组或数据存储，并指定寿命变量。电流信号应直接用频谱故障带指标，不要套用振动包络解调约定。具体收费、平台与效果资料暂未提供。