Main Content

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。

コマンド ラインでの状態インジケーターの設計

コマンド ラインでデータを調査して、システムの状態を示したり将来の状態を予測できる特徴を特定する

コマンド ラインで、信号解析またはモデルの適合から状態インジケーターを求めることができます。回転機がある場合、故障特性周波数など、システムの特性が反映された特殊な特徴を抽出したり、特定の故障モードを感知するギア状態のメトリクスを抽出できます。時間領域、周波数領域、または時間-周波数領域のより一般的な特徴を抽出できます。また、静的モデルまたは動的モデルをデータに当てはめ、モデルのパラメーターまたはモデル動作を調べることで故障状態を区別し、あるいはシステムの劣化を予測して、状態インジケーターを求めることも可能です。コマンド ラインで、特徴選択コマンドとランク付けコマンドを使用して、特徴の有効度を評価します。詳細については、監視、故障検出、予測のための状態インジケーターを参照してください。

特徴を抽出するには、まずデータをフィルター処理または変換して、特定の特徴の抽出操作に必要な形式にしなければなりません。

関数

すべて展開する

フィルター処理

filter1 次元のデジタル フィルター
designfiltデジタル フィルターの設計
butterバタワース フィルターの設計

内挿

interp11 次データ内挿 (テーブル ルックアップ)

時間領域

tsa時間同期信号平均
tsadifference時間同期平均化信号の差分信号
tsaregular時間同期平均化信号の規則的な信号
tsaresidual時間同期平均化信号の残差信号
ordertrack振動信号の次数の大きさの追跡および抽出
rpmtrack振動信号の RPM プロファイルの追跡および抽出
envelope信号の包絡線

周波数領域

pspectrum周波数領域および時間-周波数領域内の信号の解析
envspectrum機械診断の包絡線スペクトル
orderspectrum平均スペクトルと振動信号の次数
modalfrfモード解析の周波数応答関数
ssest時間領域または周波数領域のデータを使用して状態空間モデルを推定する
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

時間-周波数

pkurtosis信号またはスペクトログラムからのスペクトル尖度
spectrogram短時間フーリエ変換を使用したスペクトログラム
emd経験的モード分解
pentropy信号のスペクトル エントロピー
kurtogramスペクトル尖度の可視化
hhtヒルベルト・ファン変換
bearingFaultBandsスペクトル特徴抽出用にボール ベアリングまたはローラー ベアリングの故障特性周波数周辺の周波数帯域を生成 (R2019b 以降)
gearMeshFaultBandsスペクトル特徴抽出用に噛み合うギアの故障特性周波数周辺の周波数帯域を構成 (R2019b 以降)
faultBandsスペクトル特徴抽出用に故障周波数帯域を生成 (R2019b 以降)
faultBandMetricsパワー スペクトル密度 (PSD) の指定した故障周波数帯域のスペクトル メトリクス (R2019b 以降)
gearConditionMetricsギア状態監視の標準メトリクス

時間領域

mean配列の平均値
movmean移動平均値
median配列の中央値
stdtimeseries データの標準偏差
rms平方根平均二乗値
movmad移動中央絶対偏差
peak2peak最大値と最小値の差
skewness歪度
kurtosis尖度
dtw動的タイム ワーピングを使用した信号間の距離
rainflow疲労解析のためのレインフロー カウント
approximateEntropy非線形時系列の規則性の測定
correlationDimension無秩序な信号の複雑度の測定
lyapunovExponent限りなく近い軌跡の分離率の特徴付け
phaseSpaceReconstruction観測された時系列の状態ベクトルへの変換

周波数領域

powerbwパワー帯域幅
modalfrfモード解析の周波数応答関数
bandpower帯域パワー
meanfreq周波数平均
medfreq周波数中央値
sfdrスプリアス フリー ダイナミック レンジ
sinadSINAD 比
snrS/N 比
thd全高調波歪み
obw占有帯域幅
findpeaks局所的最大値

時間-周波数

pentropy信号のスペクトル エントロピー
pkurtosis信号またはスペクトログラムからのスペクトル尖度
spectrogram短時間フーリエ変換を使用したスペクトログラム
tfmoment信号の時間-周波数分布の結合モーメント
tfsmoment信号の時間-周波数分布の条件付きスペクトル モーメント
tftmoment信号の時間-周波数分布の条件付き時間モーメント
instfreq瞬時周波数の推定

モデルの適合

ssest時間領域または周波数領域のデータを使用して状態空間モデルを推定する
nlarxEstimate parameters of nonlinear ARX model
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
pem線形および非線形のモデルを改良するための予測誤差の最小化
modalfit周波数応答関数からのモーダル パラメーター
modalfrfモード解析の周波数応答関数
segmentSegment data and estimate models for each segment

モデルの再帰的な適合

recursiveAROnline parameter estimation of AR model
recursiveARMAOnline parameter estimation of ARMA model
recursiveARMAXOnline parameter estimation of ARMAX model
recursiveBJOnline parameter estimation of Box-Jenkins model
recursiveLSOnline parameter estimation of least-squares model
recursiveOEOnline parameter estimation of output-error polynomial model
recursiveARXOnline parameter estimation of ARX model

再帰的な状態推定

unscentedKalmanFilterオンライン状態推定に対するアンセンテッド カルマン フィルター オブジェクトの作成
extendedKalmanFilterオンライン状態推定に対する拡張カルマン フィルター オブジェクトの作成
particleFilterオンライン状態推定のための粒子フィルター オブジェクト

モデルのダイナミクス

damp固有振動数と減衰比
pole動的システムの極
zeroSISO 動的システムの零点とゲイン

シミュレーション

sim同定されたモデルの応答のシミュレーション
resid残差を計算および検定する

特徴選択

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

分類特徴のランク付け

anova11 因子 ANOVA
bhattacharyyaDistanceクラスの分離可能性を測定する、2 つの独立したデータ グループ間の 1 次元バタチャリア距離 (R2020a 以降)
kruskalwallisクラスカル・ワリス検定
perfcurve分類器の出力用の受信者動作特性 (ROC) 曲線または他の性能曲線
rocmetricsバイナリ分類器およびマルチクラス分類器の受信者動作特性 (ROC) 曲線とパフォーマンス メトリクス (R2022a 以降)
ranksumウィルコクソン順位和検定
relativeEntropyクラスの分離可能性を測定する、2 つの独立したデータ グループの 1 次元カルバック・ライブラー ダイバージェンス (R2020a 以降)
ttest22 標本 t 検定
correlationWeightedScore相関係数を使用して特徴のランク付けスコアを調整 (R2020a 以降)

トピック

状態インジケーターの基礎

  • 監視、故障検出、予測のための状態インジケーター
    状態インジケーターは、その動作がシステムの劣化とともに予測可能な形で変化する、システム データの任意の特徴です。
  • 信号ベースの状態インジケーター
    信号ベースの状態インジケーターは、信号データの処理から求められた数量です。状態インジケーターは、システム性能の劣化とともに変化する信号の何らかの特徴を捉えます。
  • モデルベースの状態インジケーター
    モデルベースの状態インジケーターは、システム データをモデルに当てはめて、そのモデルを使用して追加の処理を実行することで導出された数量です。状態インジケーターは、システム性能の劣化とともに変化する、モデルの何らかの特徴を捉えます。

回転機のための状態インジケーター