MSET是由Singer等提出的一种非线性的多元预测诊断技术,是一种通过分析对比实际监测参数与设备正常运行时的健康数据为基础,对正常运行时的各个参数进行运算并做出估计,以这种正常的状态估计作为标准。
当得到实际的运行数据时,同样以健康数据为基础,并找到实际数据与健康数据的关联程度,以此对实际运行状态做出估计,这种"程度"是通过权值向量来决定的,用于衡量实际状态与正常状态的相似性。
最终对健康状态与实际运行状态的估计结果进行对比分折,并引入残差的概念,最终进行诊断。
目前在核电站传感器校验、设备监测、电子产品寿命预测等方面有成功的应用。
2024/12/4 18:31:32
185KB
机器学习算法