Main Content

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バイナリ線形分類器の当てはめ
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当てはめる
fitckernelランダムな特徴量拡張を使用したバイナリ ガウス カーネル分類器の当てはめ
kmeansk-means クラスタリング
mle最尤推定
TreeBaggerバギングされた決定木のアンサンブル
nlarxEstimate parameters of nonlinear ARX model
ssestEstimate state-space model using time-domain or frequency-domain data
arxARX、ARIX、AR、または ARI モデルのパラメーターの推定
armax時間領域データを使用して ARMAX、ARIMAX、ARMA、または ARIMA モデルのパラメーターを推定する
arスカラー時系列の AR モデルまたは ARI モデルを同定する際のパラメーターの推定
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基準標本に対するマハラノビス距離
segmentSegment data and estimate models for each segment
meanDifferenceModelIdentify most degraded cell in serially connected lithium-ion battery pack
adjacentPairCorrelationModelIdentify worst cell relative to other cells in serially connected lithium-ion battery pack

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

システム同定を使用した故障検出

マルチクラスの故障検出

人工知能を使用した故障の検出と診断