% 基于 PCA 的故障检测% % 输入:z0 [N x 2] = 训练数据% z1 [N x 2] = 测试数据% 其中: N = 样本数% % 此代码可视化 PCA 如何计算% 用于故障检测中的多元数据。 % 它还使用 MATLAB 的 ks密度% 估计数据 PDF,以便计算% 基于 T^2 的控制上限。 % % simpledata.mat 具有样本温度 [K] % 和浓度 [mol/L] 数据来自% 模拟 CSTR 的含量。 % % 输出是原始数据的图, % 归一化数据和 PCA 投影数据。 % 另外,环代表基于 T^2 的% 不同用户的控制上限 - % 定义的置信水平被绘制。 % % 您可以在第 77 行编辑置信限。 % % 此代码用于教育目的。 % % 加载 simpledata.mat 并运行以下命令: % >> pcabased_fault_detection(train,
2022-05-09 13:06:53
17KB
matlab
1