由于传感器的巨大增长和物联网(IoT)的快速发展,复杂技术系统中的罕见事件预测已经成为许多工业和商业领域非常有趣和关键的问题。为了在机器正常运行时检测异常并预测故障,人们研究了各种类型的预测性维护技术。在这些技术中,对多维数据集的无监督异常检测方法将在许多实际情况下更有兴趣。在这个演示中,我选择了以下三种典型的方法。
1.Htelling丁字尺方法
2.高斯混合模型
3.看到下面成了一个支持向量机
为了模拟真实的情况,在本演示中,我将使用C-MAPSST(商业模块化航空推进系统仿真)提供的数据集[1,2]。
[1] A. Saxena, K. Goebel, D. Simon和N. Eklund,“飞机发动机从运行到故障模拟的损伤传播建模”,国际预测和健康管理会议,(2008)。
[2]涡扇发动机退化仿真数据集,https://ti.arc.nasa.gov/tech/dash/groups/pcoe/prognostic-data-repository/#turbofan
引用作为
彰Agata(2021)。预测性维护演示文件(//www.tatmou.com/matlabcentral/fileexchange/63012-demo-files-for-predictive-maintenance), MATLAB中央文件交换。检索.