Main Content

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

故障の検出と診断

状態監視のための分類器または回帰モデルの学習

故障の検出と診断のため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

すべて展開する

pca生データの主成分分析
pcares主成分分析の残差
sequentialfsカスタム基準を使用した逐次特徴選択
fscnca分類に近傍成分分析を使用する特徴選択
tsnet 分布型確率的近傍埋め込み
ksdensity一変量および二変量データのカーネル平滑化関数推定値
histfit分布近似をもつヒストグラム
coxphfitコックス比例ハザード回帰
ztestz 検定
fitcsvm1 クラスおよびバイナリ分類用のサポート ベクター マシン (SVM) 分類器の学習
fitcecocサポート ベクター マシンまたはその他の分類器向けのマルチクラス モデルの近似
fitcknnk 最近傍分類器の近似
fitclinear高次元データに対する線形分類モデルのあてはめ
fitcnbマルチクラス単純ベイズ モデルの学習
fitctreeマルチクラス分類用の二分決定木をあてはめる
fitckernelランダムな特徴量拡張を使用してガウス カーネル分類モデルをあてはめる
kmeansk-means クラスタリング
mle最尤推定
TreeBagger決定木の bag of trees の作成
nlarxEstimate parameters of nonlinear ARX model
ssestEstimate state-space model using time-domain or frequency-domain data
arxEstimate parameters of ARX, ARIX, AR, or ARI model
armaxEstimate parameters of ARMAX, ARIMAX, ARMA, or ARIMA model using time-domain data
arEstimate parameters of AR model or ARI model for scalar time series
forecastForecast identified model output
translatecovTranslate parameter covariance across model transformation operations
controlchartシューハート管理図
controlrulesWestern Electric 管理ルールと Nelson 管理ルール
cusum累積和を使用した平均値のわずかな変化の検出
findchangepts信号の急激な変化の検出
findpeaks局所的最大値
pdist観測値ペア間のペアワイズ距離
pdist2観測値の 2 つの集合間のペアワイズ距離
mahalマハラノビス距離
segmentSegment data and estimate models for each segment

トピック

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。

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

Diagnostic Feature Designer 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。

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。

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。

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。

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。