이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
결함 검출 및 진단하기
상태 모니터링을 위해 분류기 또는 회귀 모델 훈련
결함의 검출 및 진단을 위한 알고리즘을 설계하려면 시스템 데이터로부터 추출된 상태 지표를 사용하여, 현재 시스템 상태를 테스트 데이터의 분석을 통해 확인할 수 있는 결정 모델을 훈련시키십시오.
알고리즘을 설계할 때, 다양한 상태 지표를 사용하여 여러 결함 검출 및 진단 모델을 테스트해 볼 수 있습니다. 따라서 설계 과정의 이 단계는 다양한 지표 및 그 조합, 그리고 여러 결정 모델을 시험해 보면서 상태 지표를 추출하는 단계와 함께 반복적으로 수행되는 경우가 많습니다.
사용할 수 있는 모델의 유형에 대한 개요는 결함 검출 및 진단을 위한 결정 모델 항목을 참조하십시오.
함수
도움말 항목
결정 모델
- 결함 검출 및 진단을 위한 결정 모델
정상 데이터와 결함 데이터에서 추출한 상태 지표를 사용하여 결함 검출 및 진단을 위해 분류기 또는 회귀 모델을 훈련시킵니다.
모델 기반 접근 방식을 사용한 결함 진단
- 정상 상태 실험을 사용한 원심 펌프의 결함 진단
모델 기반 접근 방식을 사용하여 펌핑 시스템에서 여러 유형의 결함을 검출하고 진단합니다. - 잔차 분석을 사용한 원심 펌프의 결함 진단
펌핑 시스템에 있는 결함의 검출 및 진단을 위해 모델 패리티 방정식 기반 접근 방식을 사용합니다.
시스템 식별을 사용한 결함 검출
- 데이터 기반 모델을 사용한 결함 검출
결함 검출에 데이터 기반 모델링 접근 방식을 사용합니다. - 확장 칼만 필터를 사용한 결함 검출
간단한 DC 모터의 마찰을 온라인 추정하기 위해 확장 칼만 필터를 사용합니다. 추정된 마찰에 유의미한 변화가 감지되고 이는 결함을 나타냅니다. - 식별 기법을 사용하여 급격한 시스템 변화 감지하기
온라인 추정 및 자동 데이터 분할 기법을 사용하여 시스템 동작의 급격한 변화를 감지합니다.
다중 클래스 결함 검출
- 시뮬레이션된 데이터를 사용한 다중 클래스 결함 검출
Simulink 모델을 사용하여 결함 데이터 및 정상 데이터를 생성하고 이 데이터를 사용하여 여러 결함 조합을 검출하는 다중 클래스 분류기를 개발합니다. - 펌프 진단을 위한 특징 분석 및 선택하기
진단 특징 디자이너 앱을 사용하여 삼중 왕복 펌프의 결함을 진단하는 특징을 분석하고 선택합니다.
인공 지능을 사용한 결함 검출 및 진단
- 딥러닝을 사용한 화학 공정 결함 검출
시뮬레이션 데이터를 사용하여 화학 공정의 결함을 검출할 수 있는 신경망을 훈련시킵니다. - Rolling Element Bearing Fault Diagnosis Using Deep Learning
This example shows how to perform fault diagnosis of a rolling element bearing using a deep learning approach. - Anomaly Detection in Industrial Machinery Using Three-Axis Vibration Data
Detect anomalies in industrial-machine vibration data using machine learning and deep learning.