本篇介绍一个我做过的案例!PCA的理论基础就不介绍了(如果有需要请点击这里)
这篇文章主要是介绍一下程序的效果,完整程序请点击这下载!!!!!!!!!!!!!!!!!!!!!!!!!
1.程序执行完的效果图
图1 T^2统计量
图2 SPE统计量
结论:从以上两个图中可以清晰的看出有些测试点在基线(红线)的两侧,根据PCA诊断原理,我们能分析出:
T^2统计量和SPE统计量同时位于基线的上方才属于正常,否则属于故障。可以分析出前6个测试点属于正常,其他的属于故障。
2.主元的特征向量
3.测试点故障统计
本测试数据集为24*6大小,即一共24个测试点,其中6个正常点,18个故障点。在这将正常点认为是0,故障点认为是1.并将其保存在一个label文件中。
注:本文如若有错误或者涉及版权问题或原文链接错误,请指正,必会马上修改。