このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
診断特徴デザイナーを使用したアンサンブルデータの調査と特徴の比較
诊断特徴デザイナーアプリを使うと，多机能グラフィカルインターフェイスを使用して，予知保全ワークフローの特徴设计の部分を実行できるようになります。特徴を対话的に设计して比较します。次に，定格システムと故障システムからのデータなど，异なるグループからのデータを区别するために最も适した特徴を决定します。故障に至るまで実行されたデータがある场合，残存耐用期间（RUL）を决定するのに最も适した特徴はどれかを评価することもできます。最も效果的な特徴が，最终的に故障の诊断と予知のための状态インジケーターとなります。
次の図は,予知保全のワークフローと诊断特徴デザイナーの机能との关系を示しています。
アプリはアンサンブルデータを処理します。アンサンブルデータには,類似した複数のマシンや,日または年などの時間間隔でデータがセグメント化されている単一のマシンなど,複数メンバーからのデータ測定値が含まれています。データには,アンサンブルメンバーの故障状態または動作状態を記述する状態変数が含まれることもあります。状態変数は通常,“ラベル”と呼ばれる定義済みの値をもちます。データアンサンブルの詳細については,状態監視と予知保全のためのデータアンサンブルを参照してください。
アプリ内のワークフローは，既に次の状态にあるデータのインポート时に开始されます。
クリーンアップ机能により前处理されている
个々のデータファイルか，またはすべてのアンサンブルメンバーを含むか参照する単一のアンサンブルデータファイルに整理されている
诊断特徴デザイナー内のワークフローには,データをさらに処理し,データから特徴を抽出して,これらの特徴を有効度でランク付けするために必要な手順が含まれています。ワークフローの最後に,最も効果的な特徴を選択し,これらの特徴をモデルの学習用に分类学习器アプリにエクスポートします。
ワークフローにはオプションとして，MATLAB®コードの生成手顺が含まれます。选択した特徴の计算が记述されたコードを生成すれば，异なる工场にある类似のマシンなど，より多くのメンバーが含まれる，より大规模な测定データセットのために，これらの计算を自动化できます。结果として得られる特徴セットは，分类学习器に対して追加の学习入力を提供します。
诊断特徴デザイナーを使った予知保全タスクの実行
次のイメージは,诊断特徴デザイナーの基本的な機能を示しています。データと結果を操作するには,図に示されている(特徴デザイナー]タブなどのタブにあるコントロールを使用します。インポートおよび導出した変数,特徴,およびデータセットを[データブラウザー]で表示します。結果をプロット領域で可視化します。
统合アンサンブルデータセットへのインポートデータの変换
アプリを使用する际の最初の手顺は，新规セッションを作成してデータをインポートすることです。データは表，时间表，单元配列，または行列からインポートできます。また，アプリが外部のデータファイルを操作できるようにする情报の含まれた，アンサンブルデータストアをインポートすることもできます。ファイルには，実际の，またはシミュレートされた时间领域测定データ，スペクトルモデルまたはスペクトルデータ，変数名，状态変数と动作変数，および前に生成した特徴を含めることができます。诊断特徴デザイナーはメンバーデータをすべて単一のアンサンブルデータセットに组み合わせます。このデータセットでは各変数が，个々のメンバーの値をすべて含む集合的信号あるいは集合的モデルとなります。
複数のセッションで同じデータを使用するには,初期セッションをセッションファイルに保存することができます。セッションデータには,インポートされた変数と,計算した追加の変数および特徴がすべて含まれます。後続のセッションでセッションファイルを開き,インポートデータや派生データの処理を続けることができます。
データの準備とインポートの詳細については,以下を参照してください。
インポート处理自体の详细については，诊断特徴デザイナーでのアンサンブルデータのインポートと可视化を参照してください。
データの可视化
インポートした，または处理ツールで生成した信号やスペクトルをプロットするには，プロットギャラリーから选択を行います。次の図は一般的な信号トレースを示しています。対话的なプロットツールによって，ピークの位置やピーク间距离をパン，ズーム，表示したり，アンサンブル内の统计的な変化を表示することができます。プロット内のデータを状态ラベルでグループ化すると，メンバーデータがたとえば定格システムと故障システムのどちらに由来するのかを明确に示すことができます。
アプリ内でのプロットの详细については，诊断特徴デザイナーでのアンサンブルデータのインポートと可视化を参照してください。
新しい変数の計算
データを調査して特徴抽出のために準備するには,データ処理ツールを使用します。処理ツールを適用するたびにアプリは新しい派生変数を作成し,これに,ソース変数と直近で使用された処理手順の両方を含む名前を付けます。以下に例を示します。
変数
振动/数据に対しTSA处理を适用した场合，新しい派生変数の名前はVibration_tsa /数据になります。次に
Vibration_tsa /数据からパワースペクトルを计算した场合，新しい変数の名前はVibration_ps / SpectrumDataになります。この新しい名前には,直近の処理PS.と,変数が信号ではなくスペクトルであるという事実の両方が反映されています。新しいスペクトルのツールヒントには,処理手順を表わすソース
振动/数据 - > Vibration_tsa /数据が表示されます。
すべての信号のデータ处理のオプションには，アンサンブルレベルの统计値，信号残差，フィルター处理，およびパワースペクトルと次数スペクトルが含まれます。独立変数での同一间隔でメンバーサンプルが発生しない场合は，データを等间隔グリッドに内插することもできます。
回転機から得たデータの場合,タコメーター出力または定格rpmに基づいて時間同期信号平均化(TSA)を実行できます。TSA信号から,TSA残差や差分信号などの追加の信号を生成できます。TSAから導出したこれらの信号は,高調波と側波帯を保持または破棄することでシステム内の物理コンポーネントを分離し,それらは多くのギア状態の特徴のベースとなります。
处理オプションの多くは独立して使用できます。オプションには，シーケンスとして実行できる，あるいは実行しなければならないものもあります。前に说明した回転机とTSA信号に加え，もう1つの例として任意の信号の残差生成があります。次のことが可能です。
[アンサンブル統計]を使用して,アンサンブル全体を特徴付ける平均や最大値など,単一メンバーの統計的変数を生成します。
(基準信号の減算)を使用して，アンサンブルレベルの値を减算することで各メンバーの残差信号を生成します。これらの残差は信号间の変动を表し，アンサンブルの残りの部分から逸脱する信号をより明确に示します。
これらの残差信号を，追加の处理オプションあるいは特徴生成のソースとして使用します。
アプリ内におけるデータ処理オプションの詳細については,诊断特徴デザイナーでのデータの处理と特徴の调查を参照してください。
计算のオプション
アプリには,信号のセグメント化,アンサンブルデータストア値のローカルアプリ内バッファリング,および並列処理のためのオプションが用意されています。
既定では,アプリは一度の操作で信号全体を処理します。信号をセグメント化して個々のフレームを処理することもできます。フレームベースの処理は,アンサンブルのメンバーが非定常動作,時変動作,または周期的動作を示す場合に特に便利です。フレームベースの処理は,特徴値の時系列履歴も提供しているため,予知ランク付けもサポートしています。
メンバーデータをアプリにインポートする场合，アプリはローカルアンサンブルを作成し，そのアンサンブルに新しい変数と特徴を书き込みます。代わりにアンサンブルデータストアオブジェクトをインポートする场合，アプリは既定で，オブジェクトにリストされている外部ファイルを使用します。アプリによる外部ファイルへの书き込みが望ましくない场合は，アプリでローカルアンサンブルを作成してそこに结果を书き込ませるよう选択できます。望ましい结果を得たなら，アンサンブルをMATLABワークスペースにエクスポートできます。そこから，コマンドラインのアンサンブルデータストア关数を使用して，保持する変数と特徴をソースファイルに书き戻すことができます。アンサンブルデータストアの详细については，状態監視と予知保全のためのデータアンサンブルを参照してください。
并行计算工具箱™がある場合は並列処理を使用できます。アプリは同じ処理をすべてのメンバーに対し個別に行うことが多いため、並列処理によって計算時間を大幅に改善することができます。
特徴の生成
元の信号と導出された信号およびスペクトルから,特徴を計算してその有効性を評価することができます。どの特徴が最もよく機能するか既にわかっている場合もあれば,該当するすべての特徴を使って実験することが望ましい場合もあります。利用できる特徴は,一般的な信号統計から,故障の正確な位置を特定できる特殊なギア状態メトリクス,そして無秩序動作を強調する非線形の特徴までさまざまです。
一连の特徴を计算するたびに，アプリはそれらを特徴テーブルに追加して，メンバー全体を通した値の分布のヒストグラムを生成します。次の図は，2つの特徴のヒストグラムを示しています。ヒストグラムは，各特徴がデータをどの程度うまく区别するかを表しています。たとえば，図にあるように，状态変数が的faultcodeで,状態0.が定格システムのデータ,状態1が故障システムのデータを示すとします。ヒストグラムでは,定格状態と故障状態のグループ化の結果,区別の明確なヒストグラムビンとなるか,あるいは混合したヒストグラムビンとなるかを確認できます。特徴のヒストグラムすべてを一度に表示したり,どの特徴をアプリがヒストグラムプロットのセットに含めるかを選択することもできます。
すべての特徴の値を一緒に比較するには,特徴テーブルビューと特徴トレースプロットを使用します。特徴テーブルビューには,全アンサンブルメンバーの特徴値すべてのテーブルが表示されます。特徴トレースはこれらの値をプロットします。このプロットは,アンサンブル内における特徴値の逸脱を可視化するもので,ある特徴値が表す特定のメンバーを識別することができます。
アプリでの特徴の生成とヒストグラムの解釈の详细については，以下を参照してください。
特徴のランク付け
ヒストグラムによって特徴の有效度の初期评価を実行できます。より厳密な相対评価を行うには，専用の统计的手法を使用して特徴をランク付けすることができます。このアプリは“分类ランク付け”と“予知ランク付け”の2つのタイプのランク付けを提供します。
分类ランク付け手法は，定格动作と故障动作间など，データグループ间の区别をする能力によって特徴にスコアを与え，ランク付けを行います。分类ランク付けには，データグループを特徴付けるラベルを含む状态変数が必要です。
予知ランク付け手法は，劣化を追迹する能力に基づいて特徴にスコアを与え，ランク付けします。これにより，残存耐用期间（RUL）の予测が可能になります。予知ランク付けには，故障に至るまで実行されたデータまたは故障进行データの実データまたはシミュレーションデータが必要であり，状态変数は使用されません。
次の図は分類ランク付けの結果を示しています。複数のランク付け方法を試行して,各方法の結果を一緒に表示できます。ランク付けの結果によって,効果のない特徴を排除し,派生した変数や特徴を計算する際にパラメーター調整のランク付けの効果を評価することができます。
特徴のランク付けの详细については，以下を参照してください。
诊断特徴デザイナーの[特徴のランク付け]タブとランク付け手法のセクション
分类学习器への特徴のエクスポート
特徴候补のセットを定义したら，それらを统计和机器学习工具箱™の分类学习器アプリにエクスポートできます。分类学习器は,特徴セットにより各種のモデルをテストする自動化された方法を使用して,データの分類をモデルに学習させます。そうすることで,分类学习器は最適なモデルと最も効果的な特徴を決定します。予知保全の場合,分类学习器を使用する目的は,健全なシステムのデータと故障状態のシステムのデータを区別するモデルを選択し,学習させることです。このモデルを故障の検出と予測のアルゴリズムに組み込むことができます。アプリから分类学习器へのエクスポートの例は，ポンプ诊断用の特徴の解析と选択を参照してください。
特徴とデータセットをMATLABワークスペースにエクスポートすることもできます。これにより，コマンドラインの关数や他のアプリを使用して元のアンサンブルデータおよび导出したアンサンブルデータを可视化し，处理できるようになります。コマンドラインでは，选択した特徴と変数を，（アンサンブルデータストアで参照されるファイルを含めた）ファイルに保存することもできます。
エクスポートの详细については，診断特徴デザイナーでの特徴のランク付けとエクスポートを参照してください。
特徴に対するMATLABコードの生成
MATLAB関数を使用して特徴の計算を自動化するために,選択した特徴のコードを生成します。たとえば,多数のメンバーをもつ大規模な入力データセットがあるものの,考えられる特徴を対話的に調査するときに,まずはそのデータのサブセットを使用してアプリの応答時間を短縮するとします。アプリを使用して最も効果的な特徴を特定したら,コードを生成します。その後,生成されたコードを使用して,それらの特徴に対するものと同じ計算をすべてのメンバーのデータセットに適用できます。メンバーセットが大規模になるほど,学習入力として分类学习器に提示できるサンプル数も多くなります。
函数[featureTable, outputTable] = diagnosticFeatures (inputData)%DIAGNOSTICFEATURES在诊断功能设计器中重新创建结果。％
参考
关键词例
詳細
你也可以从以下列表中选择一个网站:
