故障检测与诊断
训练分类器或回归模型用于状态监测
要设计用于检测和诊断故障的算法,您可以使用从系统数据中提取的条件指示器来训练一个决策模型,该模型可以分析测试数据以确定当前系统状态。
在设计算法时,您可能会使用不同的条件指示器测试不同的故障检测和诊断模型。因此,当您尝试不同的指标、指标的不同组合和不同的决策模型时,设计过程中的这一步可能与提取条件指标的步骤一起迭代。
有关可使用的模型类型的概述,请参见故障检测与诊断的决策模型
功能
主题
决策模型
- 故障检测与诊断的决策模型
使用从健康数据和故障数据中提取的条件指示器来训练分类器或回归模型,以检测和诊断故障。
基于模型的故障诊断方法
- 基于稳态实验的离心泵故障诊断
使用基于模型的方法来检测和诊断泵系统中不同类型的故障。 - 基于残余分析的离心泵故障诊断
使用基于模型奇偶方程的方法来检测和诊断泵系统中的故障。
使用系统识别进行故障检测
- 基于数据模型的故障检测
使用基于数据的建模方法进行故障检测。 - 基于扩展卡尔曼滤波的故障检测
利用扩展卡尔曼滤波器在线估计简单直流电机的摩擦。在估计摩擦的显著变化被检测到,并表明故障。 - 使用识别技术检测突然的系统变化
使用在线估计和自动数据分割技术检测系统行为中的突然变化。
多类故障检测
- 基于模拟数据的多类故障检测
使用Simulink模型生成故障和健康数据,并使用这些数据开发多类分类器,以检测故障的不同组合。 - 分析和选择泵诊断功能
使用诊断功能设计器应用程序分析和选择功能,诊断三缸往复泵故障。
基于人工智能的故障检测与诊断
- 基于深度学习的化工过程故障检测
使用模拟数据训练神经网络,可以检测化学过程中的故障。 - 基于深度学习的滚动轴承故障诊断
本例展示了如何使用深度学习方法对滚动轴承进行故障诊断。 - 基于三轴振动数据的工业机械异常检测
利用机器学习和深度学习检测工业机器振动数据中的异常。