Чтобы спроектировать алгоритм для обнаружения и диагностирования отказов, вы используете индикаторы состояния, извлеченные из системных данных, чтобы обучить модель выбора решения, которая может анализировать тестовые данные, чтобы определить состояние существующей системы.
При разработке алгоритма вы можете протестировать различное обнаружение отказа и модели диагноза с помощью различных индикаторов состояния. Таким образом этот шаг в процессе проектирования является, вероятно, итеративным с шагом извлечения индикаторов состояния, когда вы пробуете различные индикаторы, различные комбинации индикаторов и различные модели выбора решения.
Для обзора типов моделей можно использовать, видеть Модели выбора решения для Обнаружения Отказа и Диагноза
Модели выбора решения для обнаружения отказа и диагноза
Используйте индикаторы состояния, извлеченные из здоровых и дефектных данных, чтобы обучить классификаторы или модели регрессии для обнаружения и диагностирования отказов.
Диагностика отказа центробежных насосов Используя эксперименты устойчивого состояния
Используйте основанный на модели подход в обнаружении и диагнозе различных типов отказов в системе накачки.
Обнаружение отказов центробежных насосов с использованием анализа невязок
Используйте основанный на четности-уравнениями подход модели в обнаружении и диагнозе отказов в системе накачки.
Мультиклассовое обнаружение неисправностей с использованием смоделированных данных
Используйте модель Simulink, чтобы сгенерировать дефектные и здоровые данные и использовать данные, чтобы разработать классификатор мультикласса, чтобы обнаружить различные комбинации отказов.
Анализируйте и выберите функции диагностики насоса
Используйте приложение Diagnostic Feature Designer, чтобы анализировать и выбрать функции, чтобы диагностировать отказы в тройном поршневом насосе.
Обнаружение отказа Используя расширенный фильтр Калмана
Используйте расширенный Фильтр Калмана в онлайновой оценке трения простого двигателя постоянного тока. Существенные изменения в предполагаемом трении обнаруживаются и указывают на отказ.
Обнаружение отказа Используя основанные на данных модели
Используйте основанный на данных подход моделирования в обнаружении отказа.
Обнаружьте резкие системные изменения Используя идентификационные методы
Обнаружьте резкие изменения в поведении системы с помощью онлайновой оценки и автоматических методов сегментации данных.
Химическое обнаружение отказа процесса Используя глубокое обучение
Используйте данные моделирования, чтобы обучить нейронную сеть, чем может обнаружить отказы в химическом процессе.
Приложение Classification Learner (Statistics and Machine Learning Toolbox)
Приложение Regression Learner (Statistics and Machine Learning Toolbox)