이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.
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.
정상 데이터와 결함 데이터에서 추출한 상태 지표를 사용하여 결함 검출 및 진단을 위해 분류기 또는 회귀 모델을 훈련시킵니다.
모델 기반 접근 방식을 사용하여 펌핑 시스템에서 여러 유형의 결함을 검출하고 진단합니다.
펌핑 시스템에 있는 결함의 검출 및 진단을 위해 모델 패리티 방정식 기반 접근 방식을 사용합니다.
Simulink 모델을 사용하여 결함 데이터 및 정상 데이터를 생성하고 이 데이터를 사용하여 여러 결함 조합을 검출하는 다중 클래스 분류기를 개발합니다.
Analyze and Select Features for Pump Diagnostics
Use the Diagnostic Feature Designer app to analyze and select features to diagnose faults in a triplex reciprocating pump.
간단한 DC 모터의 마찰을 온라인 추정하기 위해 확장 칼만 필터를 사용합니다. 추정된 마찰에 유의미한 변화가 감지되고 이는 결함을 나타냅니다.
결함 검출에 데이터 기반 모델링 접근 방식을 사용합니다.
온라인 추정 및 자동 데이터 분할 기법을 사용하여 시스템 동작의 급격한 변화를 감지합니다.
시뮬레이션 데이터를 사용하여 화학 공정의 결함을 검출할 수 있는 신경망을 훈련시킵니다.