要设计用于检测和诊断故障的算法,您需要使用从系统数据中提取的条件指示器来训练一个决策模型,该决策模型可以分析测试数据,以确定当前的系统状态。
在设计算法时,您可以使用不同的条件指示器测试不同的故障检测和诊断模型。因此,设计过程中的这一步骤可能迭代,因为您尝试不同指标,指示器的不同组合和不同的决策模型,可以迭代。
有关可以使用的模型类型的概述,请参见故障检测与诊断的决策模型
使用基于模型的方法来检测和诊断泵送系统中不同类型的故障。
采用基于模型奇偶方程的方法对泵系统故障进行检测和诊断。
使用基于数据的故障检测建模方法。
利用扩展卡尔曼滤波器在线估计简单直流电机的摩擦。在估计的摩擦中检测到显著的变化,并表明一个故障。
使用在线估计和自动数据分割技术检测系统行为的突变。
使用Simu金宝applink模型来生成错误和健康的数据,并使用数据开发多级分类器以检测不同的故障组合。
使用诊断功能设计器应用程序来分析和选择要诊断Triplex往复泵中的故障的功能。
使用模拟数据来培训神经网络,而不是在化学过程中检测故障。
该示例显示了如何使用深度学习方法执行滚动元件轴承的故障诊断。
利用机器学习和深度学习检测工业机器振动数据中的异常。