使用诊断功能设计器探索集成数据和比较功能
这诊断特征设计师应用程序允许您使用多功能图形界面来完成预测维护工作流的功能设计部分。您可以以交互方式设计和比较功能，然后确定哪些功能最佳地识别来自不同组的数据，例如标称系统和故障系统。如果您有失败的数据，您还可以评估哪些功能最适合确定剩余的使用寿命（RUL）。最有效的功能最终可能成为您的故障诊断和预后的病情指标。
下图说明了预测维护工作流程之间的关系和诊断特征设计师功能。
该应用程序在Ensemble数据上运行。集合数据包含来自多个成员的数据测量，例如来自多个类似机器或从单个机器的单个机器，其数据被诸如天或年的时间间隔分段。数据还可以包括条件变量，其描述了集合构件的故障条件或操作条件。通常情况变量通常已知已定义值标签．有关数据集合的更多信息，请参阅用于状态监测和预测性维护的数据集成．
应用程序内工作流程从数据导入的数据点开始使用已有的数据：
用清理函数预处理
组织成单独的数据文件或包含或引用所有合奏成员的单个集合数据文件
之内诊断特征设计师，该工作流包括进一步处理数据、从数据中提取特征以及根据有效性对这些特征进行排序所需的步骤。工作流最后选择最有效的功能，并将这些功能导出到分类学习者适用于模型培训。
工作流程包括可选的MATLAB®代码生成步骤。当您生成捕获所选特性的计算的代码时，您可以为包含更多成员(例如来自不同工厂的类似机器)的更大的度量数据集自动进行这些计算。产生的特性集提供了额外的训练输入分类学习者．
使用诊断功能设计器执行预测维护任务
下面的图片说明了的基本功能诊断特征设计师．使用选项卡中的控件与数据和结果进行交互功能设计选项卡，如图所示。查看导入和派生的变量，功能和数据集数据浏览器．在绘图区域可视化您的结果。
将导入的数据转换为Unified Ensemble数据集
使用应用程序的第一步是创建一个新的会话并导入数据。可以从表、时间表、单元格数组或矩阵导入数据。您还可以导入集成数据存储，其中包含允许应用程序与外部数据文件交互的信息。您的文件可以包含实际的或模拟的时域测量数据、光谱模型或数据、变量名称、条件和操作变量，以及之前生成的特性。诊断特征设计师将所有成员数据组合到单个集合数据集中。在此数据集中，每个变量是包含所有单个成员值的集体信号或模型。
要在多个会话中使用相同的数据，可以在会话文件中保存初始会话。会话数据包括导入的变量以及您计算的任何其他变量和功能。在后续会话中，您可以打开会话文件并继续使用导入和派生数据。
有关准备和导入数据的信息，请参阅：
有关导入过程本身的信息，请参见在诊断功能设计器中导入和可视化集合数据．
可视化数据
要绘制您导入的或使用处理工具生成的信号或频谱，请从绘图库中选择一个绘图类型。这里的图显示了一个典型的信号轨迹。交互式绘图工具允许您平移、缩放、显示峰值位置和峰值之间的距离，并显示集成中的统计变化。根据图中的条件标签对数据进行分组，可以清楚地看到成员数据来自于(例如)标称系统还是错误系统。
有关在应用程序中绘制的信息，请参阅在诊断功能设计器中导入和可视化集合数据．
计算新的变量
要探索数据并为特征提取准备数据，请使用数据处理工具。每次应用处理工具时，应用程序都会创建一个新的派生变量，其名称包含源变量和您使用的最新处理步骤。例如:
如果将时间同步信号平均（TSA）处理应用于变量
振动/数据，新的派生变量名为Vibration_tsa /数据．如果你然后计算来自的功率谱
Vibration_tsa /数据，新变量名称是Vibration_ps / SpectrumData．此新名称反映了最近的处理PS.并且变量是频谱而不是信号的事实。新频谱的工具提示，
振动/数据 - > VIALSE_TSA /数据，显示表示处理步骤的源。
所有信号的数据处理选项包括集成级统计、信号留数、滤波、功率和阶谱。如果成员样本没有在相同的独立变量间隔内出现，也可以将数据插入到统一的网格中。
如果您的数据来自旋转机械，您可以执行TSA处理基于转速表输出或您的公称转速。从TSA信号，你可以产生额外的信号，如TSA残差信号和差异信号。这些tsa衍生的信号通过保留或丢弃谐波和边带隔离系统中的物理组件，它们是许多齿轮条件特征的基础。
许多处理选项可以单独使用。有些选项可以或必须按顺序执行。除了前面讨论的旋转机械和TSA信号外，另一个例子是任何信号的剩余产生。您可以:
使用系综统计要生成单个成员统计变量，例如均值和最大表征整个集合的均值和最大值。
使用减去参考通过减去集合级值来为每个成员产生残留信号。这些残基代表信号之间的变化，并且可以更清楚地揭示偏离的信号的信号。
使用这些剩余信号作为额外处理选项或特征生成的源。
有关应用程序中的数据处理选项的信息，请参见在诊断功能设计器中处理数据和探索功能．
基于帧的并行处理
该应用程序提供了基于帧(分段)和并行处理的选项。
默认情况下，应用程序在一个操作中处理整个信号。您还可以分段信号并处理各个帧。基于帧的处理如果组合中的成员表现出非子体，时变或周期性行为，则特别有用。基于帧的处理也支持预后排名，因为它提供了特征值的时间历史金宝app。
如果您有并行计算工具箱™，则可以使用并行处理。因为应用程序通常在所有成员上独立地执行相同的处理，因此并行处理可以显着改善计算时间。
生成特征
从您的原始和派生信号和光谱，您可以计算功能并评估其有效性。您可能已经知道哪些功能可能最为努力，或者您可能想要尝试所有适用的功能。可用的功能范围从一般信号统计到专业的档位调速标准，可以识别故障的精确定位，以突出混沌行为的非线性功能。
任何时候计算一组功能时，应用程序将它们添加到要素表中，并在成员上生成分布值的直方图。这里的图示出了两个特征的直方图。直方图说明了每个功能如何区分标记数据。例如，假设您的条件变量是错误码与各国0.(蓝色)为名义系统数据和1（颜色橙色）用于故障系统数据，如下图所示。您可以在直方图中看到标称和故障的分组是否通过箱内的颜色混合产生不同或混合的直方图垃圾箱。您可以一次查看所有功能直方图或选择应用程序在直方图绘图集中包含的功能。在图中，CrestFactor箱子主要是纯蓝色或纯橙色，这表明分化良好。这Kurtosis.柱状图箱子主要是暗橙色，是蓝色和橙色之间的混合，表明差的分化。
要比较所有特性的值，请使用特性表视图和特性跟踪图。特性表视图显示了一个包含所有集成成员的所有特性值的表。特征跟踪绘制这些值。此图显示了集成中特性值的差异，并允许您识别特性值所代表的特定成员。
有关应用程序中的功能生成和直方图解释的信息，请参阅：
等级特性
直方图允许您对特征有效性进行初步评估。要执行更严格的相对评估，您可以使用专门的统计方法对您的功能进行排名。该应用程序提供三种类型的排名：监督排名那无人监督排名,预后排名．
监督排名，包括方法分类排名在美国，分数和排名的特征是通过区分数据组的能力，比如在名义行为和错误行为之间。监督排序要求条件变量包含数据组的特征标签。
无监督排名不需要数据标签。这种类型的排名评分和排名功能是基于它们与其他功能的聚类趋势。
基于跟踪劣化的能力以实现剩余使用寿命（RUL）的能力，以预后排名方法得分和等级特征。预后排名需要真实或模拟的失败或故障 - 进展数据，并且不使用条件变量。
下图说明了监督分类排名结果。您可以尝试多个排名方法并将每个方法的结果一起查看。排名结果允许您消除无效功能，并在计算导出的变量或特征时评估参数调整的排名效果。
有关特征排名的信息，请参阅：
诊断特征设计师部分特征排名标签和排名技术
向分类学习者输出特征
定义了一组候选功能后，您可以将它们导出到分类学习者应用程序在统计和机器学习工具箱™。分类学习者通过使用自动化方法测试具有特征集的不同类型模型，训练模型对数据进行分类。在这一过程中,分类学习者确定最佳模型和最有效的功能。为了预测维护，使用的目标分类学习者就是选择和训练一个模型，区分健康和故障系统的数据。您可以将此模型合并到故障检测和预测的算法中。例如，从应用程序导出到分类学习者， 看分析和选择泵诊断的特征．
您还可以将功能和数据集导出到MATLAB工作区。这样做允许您使用命令行功能或其他应用程序可视化和处理您的原始和派生的集合数据。在命令行，您还可以保存您选择的文件和变量，包括集合数据存储中引用的文件。
有关导出的信息，请参见诊断功能设计器中的Rank和Export功能．
产生MATLAB为您的特性编写代码
除了导出特征本身之外，您还可以生成一个MATLAB函数，可再现创建这些功能的计算。生成代码允许您使用不同的数据集自动执行功能计算。例如，假设您有一个具有许多成员的大型输入数据集，但是对于更快的应用程序响应，您希望在首次探索可能的功能时使用该数据的子集。使用应用程序确定最有效的功能后，您可以生成代码，然后使用该代码将相同的功能计算应用于All-Member数据集。较大的成员组允许您提供更多样本作为培训输入分类学习者．
下图说明了代码生成选项卡，可以执行详细查询，根据特征输入和计算方法等条件选择特征。
函数[featureTable, outputTable] = diagnosticFeatures (inputData)%DIAGNOSTICFEATURES在诊断功能设计器中重新创建结果。％
也可以看看
相关例子
更多关于
你也可以从以下列表中选择一个网站:
