Main Content

이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

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

모두 확장

pca원시 데이터에 대한 주성분 분석
pcaresResiduals from principal component analysis
sequentialfsSequential feature selection using custom criterion
fscncaFeature selection using neighborhood component analysis for classification
tsnet-Distributed Stochastic Neighbor Embedding
ksdensity일변량 데이터와 이변량 데이터에 대한 커널 평활화 함수 추정값
histfit분포가 피팅된 히스토그램
coxphfitCox proportional hazards regression
ztestz-test
fitcsvm단일 클래스 및 이진 분류를 위한 서포트 벡터 머신(SVM) 분류기 훈련
fitcecoc서포트 벡터 머신 또는 다른 분류기에 대해 다중클래스 모델 피팅하기
fitcknnk-최근접이웃 분류기 피팅
fitclinearFit linear classification model to high-dimensional data
fitcnb다중클래스 나이브 베이즈 모델 훈련
fitctree다중클래스 분류를 위한 이진 결정 트리 피팅
fitckernelFit Gaussian kernel classification model using random feature expansion
kmeansk-평균 군집화
mle최대가능도 추정값
TreeBagger결정 트리의 배깅 생성하기
nlarxEstimate parameters of nonlinear ARX model
ssestEstimate state-space model using time-domain or frequency-domain data
arxEstimate parameters of ARX, ARIX, AR, or ARI model
armaxEstimate parameters of ARMAX, ARIMAX, ARMA, or ARIMA model using time-domain data
arEstimate parameters of AR model or ARI model for scalar time series
forecastForecast identified model output
translatecovTranslate parameter covariance across model transformation operations
controlchartShewhart control charts
controlrulesWestern Electric and Nelson control rules
cusum누적합을 사용하여 평균의 미세한 변화 감지
findchangepts신호 내 급격한 변화 찾기
findpeaks국소 최댓값 구하기
pdist관측값 쌍 간의 쌍별(Pairwise) 거리
pdist2두 관측값 세트 간의 쌍별(Pairwise) 거리
mahal마할라노비스 거리
segmentSegment data and estimate models for each segment

도움말 항목

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.

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.

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.

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.

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.

데이터 기반 모델을 사용한 결함 검출

결함 검출에 데이터 기반 모델링 접근 방식을 사용합니다.

식별 기법을 사용하여 급격한 시스템 변화 감지하기

온라인 추정 및 자동 데이터 분할 기법을 사용하여 시스템 동작의 급격한 변화를 감지합니다.

딥러닝을 사용한 화학 공정 결함 검출

시뮬레이션 데이터를 사용하여 화학 공정의 결함을 검출할 수 있는 신경망을 훈련시킵니다.