このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
故障の検出と診断
状態監視と故障検出のための統計モデル、機械学習モデル、および深層学習モデルの学習
状態監視では、故障状態と健全状態を区別し ("故障検出")、故障状態が存在する場合には故障の原因を特定します ("故障診断")。状態監視のアルゴリズムを設計するには、システム データから抽出された状態インジケーターを使用して、テスト データの解析により現在のシステムの状態を特定できる判定モデルに学習をさせます。
アルゴリズムを設計する際、異なる状態インジケーターを使用してさまざまな故障検出および診断のモデルをテストすることがあります。したがって、設計プロセスのこの手順では、状態インジケーターの抽出手順を反復して、各種のインジケーター、インジケーターの組み合わせ、および決定モデルを試す場合が多くなります。
使用できるモデルのタイプの概要は、故障の検出と診断のための判定モデルを参照してください。
関数
トピック
判定モデル
- 故障の検出と診断のための判定モデル
健康状態のデータと故障状態のデータから抽出された状態インジケーターを使用して、故障の検出と診断を行うための分類器または回帰モデルに学習させる。
モデルベースの手法を使用した故障診断
- 定常状態実験を使用した遠心ポンプの故障診断
ポンプ システムにおける異なるタイプの故障の検出と診断にモデルベースの方法を使用する。 - 残差分析を使用した遠心ポンプの故障診断
ポンプ システムの故障の検出と診断にモデル パリティ方程式に基づく方法を使用する。
システム同定を使用した故障検出
- データに基づくモデルを使用した故障検出
データに基づくモデル化の方法を故障検出に利用する。 - 拡張カルマン フィルターを使用した故障検出
拡張カルマン フィルターを使用して簡単な DC モーターの摩擦のオンライン推定を行う。推定された摩擦に大きな変化が検出されます。これは故障を示します。 - 同定手法を使用したシステムの急激な変化の検出
オンライン推定の手法と自動データ セグメント化の手法を使用して、システムの動作に見られる急激な変化を検出する。
マルチクラスの故障検出
- シミュレーション データを使用した複数クラス故障検出
Simulink モデルを使用して健全な状態のデータと故障状態のデータを生成し、そのデータを使用してさまざまな故障の組み合わせを検出する複数クラス分類器を開発する。 - ポンプ診断用の特徴の解析と選択
診断特徴デザイナー アプリを使用して、3 重往復ポンプの故障を診断するための特徴を解析し選択する。
人工知能を使用した故障の検出と診断
- 深層学習を使用した化学的プロセスの故障検出
シミュレーション データを使用して、化学的プロセスの故障を検出可能なニューラル ネットワークを学習させる。 - 深層学習を使用した転動体ベアリングの故障診断
この例では、深層学習の手法を使用して、転動体ベアリングの故障診断を行う方法を説明します。 - 3 軸振動データを使用した産業機械での異常検出
機械学習と深層学習を使用して、産業機械の振動データにおける異常を検出する。 - Battery Second-life Application State of Health (SoH) Estimation of Li-ion Batteries
Estimate battery state of health (SoH) for second-life application using measurements from first life and terminal voltage during second life.