/fault_diagnosis_code_collection

A collection of Fault Diagnosis python codes

Primary LanguageJupyter Notebook

fault_diagnosis_code_collection

A collection of Fault Diagnosis python codes

(一)CPLS1.0

安装相关依赖包

pip install -r requirements.txt

使用

python CPLS_demo.py

参考

Qin, S. J. , & Zheng, Y. . (2013). Quality‐relevant and process‐relevant fault monitoring with concurrent projection to latent structures. AIChE Journal*,* 59.

(二)DiCCA1.0

安装环境

在文件目录下

pip install -r requirements.txt

使用

python DiCCA_demo.py

参考

Yining Dong ∗, ∗∗ S. Joe Qin ∗∗, & ∗∗∗. (2018). Dynamic-inner canonical correlation and causality analysis for high dimensional time series data. IFAC-PapersOnLine, 51(18), 476-481.

(三)DiPCAv1

安装环境

在文件目录下

pip install -r requirements.txt

使用

python Dipca_demo.py

参考

Dong, Y. , & Qin, S. J. . (2017). A novel dynamic pca algorithm for dynamic data modeling and process monitoring. Journal of Process Control, S095915241730094X.

(四)DiPLS1.0

安装相关依赖包

pip install -r requirements.txt

使用

python DiPLS_demo.py

(五)DiPLS2.0

在DiPLS1.0基础上，将DiPLS封装成类

安装相关依赖包

pip install -r requirements.txt

使用

python DiPLS_demo.py

参考

Dong, Y. , & Qin, S. J. . (2015). Dynamic-inner partial least squares for dynamic data modeling. IFAC-PapersOnLine, 48(8), 117-122.

(六)PCA for Fault Diagnosis

描述

程序包括两个应用案例, 一个是数值仿真案例，另外一个TE过程.

主要功能

  • 利用累积方差贡献率选取主元的数量
  • 贡献图
  • 重构贡献图

运行方法

对于数值仿真案例, 运行demo_numerical_example.m

对于TE过程, 运行demo_TE.m

参考文献

待补充

(七)TPLS1.0

安装相关依赖包

pip install -r requirements.txt

使用

python TPLS_demo.py

参考

Zhou, Donghua, Li, Gang, Qin, & S., et al. (2009). Total projection to latent structures for process monitoring. AIChE Journal.

(八)TPLS2.0

安装相关依赖包

pip install -r requirements.txt

使用

python TPLS_demo.py

相比于1.0主要改进

将TPLS相关函数封装成类

参考

Zhou, Donghua, Li, Gang, Qin, & S., et al. (2009). Total projection to latent structures for process monitoring. AIChE Journal.

Code From：LeiHu