Документация

Выполните прогнозирующие задачи обслуживания с Diagnostic Feature Designer

Следующее изображение иллюстрирует основные функциональности Diagnostic Feature Designer. Взаимодействуйте со своими данными и своими результатами при помощи средств управления во вкладках, таких как вкладка Feature Designer, которую показывают в фигуре. Просмотрите свои импортированные и выведенные переменные, функции и наборы данных в Data Browser. Визуализируйте свои результаты в области графического вывода.

Преобразуйте импортированные данные в объединенный набор данных ансамбля

Первый шаг в использовании приложения должен импортировать ваши данные. Можно импортировать данные из таблиц, расписаний или матриц. Можно также импортировать datastore ансамбля, который содержит информацию, которая позволяет приложению взаимодействовать с внешними файлами данных. Ваши файлы могут содержать фактические или моделируемые данные об измерении временного интервала, спектральные модели, имена переменных, условие и операционные переменные, и показывают вас сгенерированный ранее. Diagnostic Feature Designer комбинирует все ваши членские данные в один набор данных ансамбля. В этом наборе данных каждая переменная является коллективным сигналом или моделью, которая содержит все отдельные членские значения.

Чтобы использовать те же данные на нескольких сеансах, можно сохранить начальный сеанс. Данные о сеансе включают и импортированные переменные и любые дополнительные переменные и функции, которые вы вычислили. Можно затем открыть тот сеанс в любое время при использовании приложения.

Для получения информации о подготовке ваших данных для процесса импорта см.:

Для получения информации о самом процессе импорта смотрите Импорт и Визуализируйте Данные в Diagnostic Feature Designer.

Визуализируйте данные

Чтобы построить сигналы или спектры, которые вы импортируете или что вы генерируете с инструментами обработки, выберите из галереи графика. Фигура здесь иллюстрирует типичную трассировку сигнала. Интерактивные инструменты графического вывода позволяют вам панорамированию, изменению масштаба, отображение пиковые местоположения и расстояния между peaks, и показывают статистическое изменение в ансамбле. Группировка данных меткой условия в графиках позволяет вам ясно видеть, прибывают ли членские данные из, например, номинальные или неисправные системы.

Для получения информации о графическом выводе в приложении смотрите Импорт и Визуализируйте Данные в Diagnostic Feature Designer.

Вычислите новые переменные

Чтобы исследовать ваши данные и подготовить ваши данные к выделению признаков, используйте инструменты обработки данных. Каждый раз, когда вы применяете инструмент обработки, приложение создает новую выведенную переменную с именем, которое содержит и исходную переменную и обработку вас, использовал. Например, если вы вычисляете спектр мощности из переменной Vibration/Data, новым выведенным именем переменной является Vibration_ps/Data.

Опции обработки данных для всех сигналов включают статистику уровня ансамбля, остатки сигнала, фильтрацию и степень и заказывают спектр. Можно также интерполировать данные к регулярной координатной сетке, если членские выборки не происходят в тех же интервалах независимой переменной.

Если ваши данные прибывают из вращающегося машинного оборудования, можно выполнить синхронное временем усреднение сигнала (TSA) на основе тахометра выходные параметры или номинального об/мин. От сигнала TSA можно сгенерировать дополнительные сигналы, такие как невязка TSA и сигналы различия. Эти выведенные TSA сигналы изолируют физические компоненты в вашей системе путем сохранения или отбрасывания гармоник и боковых полос, и они - основание для многих функций условия механизма.

Многие опции обработки могут использоваться независимо. Некоторые опции могут или должны быть выполнены как последовательность. В дополнение к вращающемуся машинному оборудованию и сигналам TSA, ранее обсужденным, другим примером является генерация остатка для любого сигнала. Вы можете:

Для получения информации об опциях обработки данных в приложении смотрите, Обрабатывают Данные и Исследуют Функции в Diagnostic Feature Designer.

Сгенерируйте функции

От ваших исходных и выведенных сигналов и спектров, можно вычислить функции и оценить их эффективность. Вы можете уже знать, какие функции, вероятно, будут работать лучше всего, или вы можете хотеть экспериментировать со всеми применимыми функциями. Доступные функции колеблются от общей статистики сигнала до специализированных метрик условия механизма, которые могут идентифицировать точное местоположение отказов и нелинейные функции, которые подсвечивают хаотическое поведение.

Любое время вы вычисляете набор функций, приложение, добавляет их в таблицу функции и генерирует гистограмму распределения значений через участников. Фигура здесь иллюстрирует гистограммы для двух функций. Гистограммы иллюстрируют, как хорошо каждая функция дифференцирует данные. Например, предположите, что вашей условной переменной является faultCode с состояниями 0 для данных номинальной системы и 1 для данных неисправной системы, как в фигуре. Вы видите в гистограмме, приводят ли номинальные и дефектные группировки к отличным или смешанным интервалам гистограммы. Можно просмотреть все гистограммы функции целиком или выбор, который показывает приложение, включает в набор графика гистограммы.

Чтобы сравнить значения всех ваших функций вместе, используйте табличное представление функции и график трассировки функции. Табличное представление функции отображает таблицу всех значений функции всех членов ансамбля. Трассировка функции строит эти значения. Этот график визуализирует расхождение значений функции в вашем ансамбле и позволяет вам идентифицировать определенного участника, которого представляет значение функции.

Для получения информации о генерации функции и интерпретации гистограммы в приложении, см.:

Оцените функции

Гистограммы позволяют вам выполнять начальную оценку эффективности функции. Чтобы выполнить более строгую относительную оценку, можно оценить функции с помощью специализированных статистических методов. Каждый метод очки и ранги показывает способностью различить между или среди групп данных, такой как между номинальным и дефектным поведением. Фигура здесь иллюстрирует занимающие место результаты. Можно попробовать несколько методов рейтинга и просмотреть результаты каждого метода вместе. Занимающие место результаты позволяют вам устранять неэффективные функции и оценивать занимающие место эффекты корректировок параметра, когда вычисление вывело переменные или функции.

Для получения информации о рейтинге функции см.:

Экспортируйте функции в Classification Learner

После того, как вы задали свой набор функций кандидата, можно экспортировать их в приложение Classification Learner в Statistics and Machine Learning Toolbox™. Classification Learner обучает модели классифицировать данные при помощи автоматизированных методов, чтобы протестировать различные типы моделей с набором функций. При этом Classification Learner определяет лучшую модель и самые эффективные функции. Для прогнозирующего обслуживания цель использования Classification Learner состоит в том, чтобы выбрать и обучить модель, которая различает между данными из здорового и из неисправных систем. Можно включить эту модель в алгоритм для обнаружения отказа и прогноз. Для примера экспорта из приложения в Classification Learner смотрите, Анализируют и Выбирают Features for Pump Diagnostics.

Можно также экспортировать функции и наборы данных к рабочему пространству MATLAB. Выполнение так позволяет вам визуализировать и обрабатывать свои исходные и выведенные данные ансамбля с помощью функций командной строки или других приложений. В командной строке можно также сохранить функции и переменные, которые вы выбираете в файлы, включая файлы, на которые ссылаются в datastore ансамбля.

Для получения информации об экспорте смотрите Функции Ранга и Экспорта в Diagnostic Feature Designer