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

`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
`ztest`	z 検定

`fitcsvm`	1 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
`fitcknn`	k 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
`kmeans`	k-means クラスタリング
`mle`	最尤推定
`TreeBagger`	決定木の bag of trees の作成

`nlarx`	Estimate parameters of nonlinear ARX model
`ssest`	Estimate state-space model using time-domain or frequency-domain data
`arx`	Estimate parameters of ARX, ARIX, AR, or ARI model
`armax`	Estimate parameters of ARMAX, ARIMAX, ARMA, or ARIMA model using time-domain data
`ar`	Estimate parameters when identifying AR model or ARI model for scalar time series
`forecast`	Forecast identified model output
`translatecov`	Translate parameter covariance across model transformation operations

`controlchart`	シューハート管理図
`controlrules`	Western 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
`segment`	Segment data and estimate models for each segment

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。

データに基づくモデルを使用した故障検出
データに基づくモデル化の方法を故障検出に利用する。
拡張カルマンフィルターを使用した故障検出
拡張カルマンフィルターを使用して簡単な DC モーターの摩擦のオンライン推定を行う。推定された摩擦に大きな変化が検出されます。これは故障を示します。
同定手法を使用したシステムの急激な変化の検出
オンライン推定の手法と自動データセグメント化の手法を使用して、システムの動作に見られる急激な変化を検出する。

シミュレーションデータを使用した複数クラス故障検出
Simulink モデルを使用して健全な状態のデータと故障状態のデータを生成し、そのデータを使用してさまざまな故障の組み合わせを検出する複数クラス分類器を開発する。
ポンプ診断用の特徴の解析と選択
診断特徴デザイナーアプリを使用して、3 重往復ポンプの故障を診断するための特徴を解析し選択する。