Идентифицируйте индикаторы состояния в командной строке

Исследуйте данные в командной строке, чтобы идентифицировать функции, которые могут указывать на состояние системы или предсказывать будущие состояния

Вы можете вывести индикаторы состояния в командной строке из анализа сигнала или подбора кривой. Если у вас есть вращающееся машинное оборудование, можно извлечь специализированные функции, которые включают характеристики вашей системы, такие как характерные частоты отказа, или вывести метрики условия передачи с чувствительностью к конкретным режимам отказа. Можно вывести более общие функции в временном интервале, частотный диапазон или во временной частотной области. Можно также вывести индикаторы состояния, подгоняя статические или динамические модели к своим данным и исследуя параметры модели или поведение модели, чтобы различить состояния отказа или предсказать ухудшение системы. Используйте команды выбора и ранжирования признаков в командной строке, чтобы оценить эффективность признаков. Для получения дополнительной информации см. «Индикаторы состояния для мониторинга, обнаружения отказов и предсказания».

Функции

расширить все

bearingFaultBandsСгенерируйте полосы частот вокруг характерных частот отказа мяча или роликовых подшипников для спектральных редукций данных
gearMeshFaultBandsКонструкция полосы частот вокруг характерных частот отказа зацепляющих передач для спектральных редукций данных
faultBandsСгенерируйте полосы частот отказа для спектральных редукций данных
faultBandMetricsСпектральные метрики для заданных полос частот отказа спектральной плотности степени (PSD)
gearConditionMetricsСтандартные метрики для контроля условия передачи

Функции временной области

meanСреднее или среднее значение массива
movmeanСкользящее среднее значение
medianМедианное значение массива
stdСтандартное отклонение timeseries данные
rmsСреднеквадратичный уровень
movmadСкользящее медианное абсолютное отклонение
peak2peakРазница максимум к минимуму
skewnessПерекос
kurtosisЭксцесс
envelopeОгибающая сигнала
dtwРасстояние между сигналами с помощью динамической трансформации временной шкалы
rainflowПодсчет дождя для анализа усталости
approximateEntropyМера регулярности нелинейных временных рядов
correlationDimensionМера сложности хаотического сигнала
lyapunovExponentОхарактеризуйте скорость разделения бесконечно близких траекторий
phaseSpaceReconstructionПреобразуйте наблюдаемые временные ряды в векторы состояний

Частотный диапазон Функций

powerbwПолоса пропускания мощности
modalfrfФункции частотной характеристики для модального анализа
bandpowerМощность полосы
meanfreqСредняя частота
medfreqМедианная частота
sfdrЛожная свободная динамическая область значений
sinadОтношение сигнала к шуму и искажениям
snrОтношение сигнал/шум
thdПолное гармоническое искажение
obwЗанимаемая полоса
findpeaksНайти локальные максимумы

Частотно-временные функции

pentropyСпектральная энтропия сигнала
pkurtosisСпектральный куртоз из сигнала или спектрограммы
spectrogramСпектрограмма с использованием кратковременного преобразования Фурье
tfmomentСовместный момент частотно-временного распределения сигнала
tfsmomentУсловный спектральный момент частотно-временного распределения сигнала
tftmomentУсловный временной момент частотно-временного распределения сигнала
instfreqОцените мгновенную частоту

Моделирование подбора кривой

ssestОцените модель пространства состояний с использованием данных временной области или частотного диапазона
nlarxОценка параметров нелинейной модели ARX
arxОценка параметров модели ARX, ARIX, AR или ARI
armaxОцените параметры модели ARMAX, ARIMAX, ARMA или ARIMA с использованием данных временной области
arОцените параметры модели AR или модели ARI для скалярных временных рядов
pemМинимизация ошибки предсказания для уточнения линейных и нелинейных моделей
modalfitМодальные параметры от функций частотной характеристики
modalfrfФункции частотной характеристики для модального анализа
segmentСегментируйте данные и оценивайте модели для каждого сегмента

Рекурсивная модель подбора кривой

recursiveARСоздайте Системный объект для онлайн-оценки параметров модели AR
recursiveARMAСоздайте Системный объект для онлайн-оценки параметров модели ARMA
recursiveARMAXСоздайте Системный объект для онлайн-оценки параметров модели ARMAX
recursiveBJСоздайте системный объект для онлайн-оценки параметров полиномиальной модели Box-Jenkins
recursiveLSСоздайте Системный объект для онлайн-оценки параметра с помощью рекурсивного алгоритма наименьших квадратов
recursiveOEСоздайте Системный объект для онлайн-оценки параметров полиномиальной модели Output-Error
recursiveARXСоздайте Системный объект для онлайн-оценки параметров модели ARX

Оценка рекурсивного состояния

unscentedKalmanFilterСоздайте сигма-точечный фильтр Калмана объект для онлайн-оценки состояния
extendedKalmanFilterСоздайте расширенный объект фильтра Калмана для онлайн-оценки состояния
particleFilterОбъект фильтра частиц для онлайн-оценки состояния

Динамика модели

dampЕстественная частота и коэффициент затухания
poleПолюса динамической системы
zeroНули и усиление динамической системы SISO

Симуляция

simСимулируйте реакцию идентифицированной модели
residВычисление и тестирование невязок

Выбор признаков

pcaАнализ основных компонентов необработанных данных
pcaresНевязки из анализа основных компонентов
sequentialfsПоследовательный выбор признаков с использованием пользовательского критерия
fscncaВыбор признаков с помощью анализа соседних компонентов для классификации
tsnet-распределенное стохастическое соседнее встраивание

Классификационный рейтинг функций

anova1Однофакторный дисперсионный анализ
bhattacharyyaDistanceОдномерное расстояние Бхаттачарьи между двумя независимыми группами данных для измерения разделяемости классов
kruskalwallisТест Крускаля-Уоллиса
perfcurveКривая рабочей характеристики приемника (ROC) или другая кривая эффективности для вывода классификатора
ranksumКритерий суммы ранга Уилкоксона
relativeEntropyОдномерное расхождение Куллбека и Лейблера двух независимых групп данных для измерения разделяемости классов
ttest2Двухвыборочный t -тест
correlationWeightedScoreСкорректируйте счета рейтинга функций с помощью коэффициента корреляции

Темы

Основы индикаторов состояния

Индикаторы состояния для мониторинга, обнаружения отказов и предсказания

Индикатор состояния является любой функцией системных данных, поведение которых изменяется предсказуемым образом, когда система ухудшается.

Основанные на сигналах индикаторы состояния

Основанный на сигналах индикатор состояния является величиной, полученной при обработке данных сигнала. Индикатор состояния захватывает некоторую функцию сигнала, которая изменяется по мере снижения производительности системы.

Основанные на модели индикаторы состояния

Основанный на модели индикатор состояния является величиной, выведенной из данных аппроксимации системы в модель и выполняющей дальнейшую обработку с использованием модели. Индикатор состояния захватывает некоторую функцию модели, которая изменяется по мере снижения производительности системы.

Индикаторы состояния вращающегося машинного оборудования

Индикаторы состояния для контроля условия передачи

Следуйте этому рабочему процессу, чтобы идентифицировать и оценить индикаторы состояния для мониторинга условия передачи.

Анализ сигнатур тока двигателя для обнаружения отказа зубчатого Train

Этот пример иллюстрирует, как анализ сигнатуры тока может быть применен для извлечения спектральных метрик для обнаружения отказов в конкретных приводных передачах электрического сервопривода хобби-класса.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте