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 для обнаружения и диагноза различных типов отказов в системе накачки.
Обнаружение отказов центробежных насосов с использованием анализа невязок
Используйте основанный на четности-уравнениями подход модели для обнаружения и диагноза отказов в системе накачки.
Обнаружение отказа Используя основанные на данных модели
Используйте основанный на данных подход моделирования для обнаружения отказа.
Обнаружение отказа Используя расширенный фильтр Калмана
Используйте расширенный Фильтр Калмана для онлайновой оценки трения простого двигателя постоянного тока. Существенные изменения в предполагаемом трении обнаруживаются и указывают на отказ.
Обнаружьте резкие системные изменения Используя идентификационные методы
Обнаружьте резкие изменения в поведении системы с помощью онлайновой оценки и автоматических методов сегментации данных.
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.
Химическое обнаружение отказа процесса Используя глубокое обучение
Используйте данные моделирования, чтобы обучить нейронную сеть, чем может обнаружить отказы в химическом процессе.
Диагностика отказа подшипника качения Используя глубокое обучение
В этом примере показано, как выполнить диагностику отказа подшипника качения с помощью подхода глубокого обучения.
Обнаружение аномалии в промышленном машинном оборудовании Используя данные о вибрации с тремя осями
Обнаружьте аномалии в данных о вибрации промышленной машины с помощью машинного обучения и глубокого обучения.