Идентифицируйте индикаторы состояния в командной строке

Исследуйте данные в командной строке, чтобы идентифицировать функции, которые могут указать на состояние системы или предсказать будущие состояние

Можно вывести индикаторы состояния в командной строке от анализа сигнала или подбора кривой модели. Если у вас есть вращающееся машинное оборудование, можно извлечь специализированные функции, которые включают характеристики системы, такие как характеристические частоты отказа, или выводят метрики условия механизма с чувствительностью к определенным режимам отказа. Можно вывести более общие функции во временном интервале, частотном диапазоне, или в частотном диапазоне времени. Можно также вывести индикаторы состояния, подбирая статические или динамические модели к данным и исследуя параметры модели или поведение модели, чтобы отличить состояния отказа или предсказать системное ухудшение. Используйте выбор признаков командной строки и занимающие место команды, чтобы оценить эффективность признаков. Для получения дополнительной информации смотрите Индикаторы состояния для Контроля, Обнаружения Отказа и Предсказания.

Функции

развернуть все

bearingFaultBandsСгенерируйте диапазоны частот вокруг характеристических частот отказа шарикоподшипников или роликовых подшипников для спектрального извлечения признаков
gearMeshFaultBandsСоздайте диапазоны частот вокруг характеристических частот отказа запутывающих механизмов для спектрального извлечения признаков
faultBandsСгенерируйте диапазоны частот отказа для спектрального извлечения признаков
faultBandMetricsСпектральные метрики для заданных диапазонов частот отказа спектральной плотности мощности (PSD)
gearConditionMetricsСтандартные метрики для мониторинга состояния механизма

Функции временного интервала

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

Функции частотного диапазона

powerbwПолоса пропускания мощности
modalfrfФункция частотной характеристики для модального анализа
bandpowerМощность полосы
meanfreqСредняя частота
medfreqМедианная частота
sfdrСвободный от паразитных составляющих динамический диапазон
sinadОтношение сигнала к шуму и искажениям
snrОтношение сигнал-шум
thdОбщее гармоническое искажение
obwЗанимаемая полоса
findpeaksНайдите локальные максимумы

Функции частоты времени

pentropyСпектральная энтропия сигнала
pkurtosisСпектральный эксцесс от сигнала или спектрограммы
spectrogramСпектрограмма, использующая кратковременное преобразование Фурье
tfmomentОбъединенный момент плотности распределения времени сигнала
tfsmomentУсловный спектральный момент плотности распределения времени сигнала
tftmomentУсловный временный момент плотности распределения времени сигнала
instfreqОцените мгновенную частоту

Подбор кривой модели

ssestОцените модель в пространстве состояний с помощью временного интервала или данных частотной области
nlarxОцените параметры нелинейной модели ARX
arxОцените параметры ARX, ARIX, AR или модели ARI
armaxОцените параметры ARMAX, ARIMAX, ARMA или модели ARIMA с помощью данных во временной области
arОцените параметры модели AR или модели ARI для скалярных временных рядов
pemМинимизация ошибки предсказания для совершенствования линейных и нелинейных моделей
modalfitМодальные параметры от функции частотной характеристики
modalfrfФункция частотной характеристики для модального анализа
segmentДанные о сегменте и оценочные модели для каждого сегмента

Рекурсивный подбор кривой модели

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

Рекурсивная оценка состояния

unscentedKalmanFilterСоздайте объект сигма-точечного фильтра Калмана для онлайновой оценки состояния
extendedKalmanFilterСоздайте расширенный объект Фильтра Калмана для онлайновой оценки состояния
particleFilterОбъект фильтра частиц для онлайновой оценки состояния

Динамика модели

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

Симуляция

simСимулируйте ответ идентифицированной модели
residВычислите и протестируйте остаточные значения

Выбор признаков

pcaАнализ главных компонентов необработанных данных
pcaresОстаточные значения анализа главных компонентов
sequentialfsПоследовательный выбор признаков с помощью пользовательского критерия
fscncaВыбор признаков с помощью анализа компонента окружения для классификации
tsneстохастическое вложение соседей с t-распределением

Рейтинг функции классификации

anova1Однофакторный дисперсионный анализ
bhattacharyyaDistanceОдномерное расстояние Бхаттачарьи между двумя независимыми группами данных, чтобы измерить отделимость класса
kruskalwallisТест Краскэл-Уоллиса
perfcurveКривая рабочей характеристики приемника (ROC) или другая кривая производительности для классификатора выводятся
ranksumWilcoxon оценивают тест суммы
relativeEntropyОдномерное расхождение Kullback-Leibler двух независимых групп данных, чтобы измерить отделимость класса
ttest22D демонстрационный t - тест
correlationWeightedScoreНастройте функцию, оценивающую баллы с помощью коэффициента корреляции

Темы

Основы индикаторов состояния

Индикаторы состояния для контроля, обнаружения отказа и предсказания

Индикатор состояния является любой функцией системных данных, изменения поведения которых предсказуемым способом, когда система ухудшает.

Основанные на сигналах индикаторы состояния

Основанный на сигналах индикатор состояния является количеством, выведенным из обработки данных сигнала. Индикатор состояния получает некоторую функцию сигнала, который изменяется, когда производительность системы ухудшается.

Основанные на модели индикаторы состояния

Основанный на модели индикатор состояния является количеством, выведенным от подходящих системных данных до модели и выполняющий последующую обработку с помощью модели. Индикатор состояния получает некоторую функцию модели, которая изменяется, когда производительность системы ухудшается.

Индикаторы состояния для вращения машинного оборудования

Индикаторы состояния для мониторинга состояния механизма

Следуйте за этим рабочим процессом, чтобы идентифицировать и оценить индикаторы состояния для мониторинга состояния механизма.

Моторный текущий анализ подписи для обнаружения отказа зубчатой передачи

Этот пример иллюстрирует, как текущий анализ подписи может быть применен, чтобы извлечь спектральные метрики, чтобы обнаружить отказы в определенных механизмах диска класса хобби электрический сервомотор.

Рекомендуемые примеры