基于PCA的TE过程故障诊断（matlab）

以前发了一个调用函数的，现在补充一个不是函数的吧，有问题可以在评论区留言。

X_train = load('D:\matlab\bin\COD\train\d00.dat'); %载入训练数据
X_test =load('D:\matlab\bin\COD\test\d1_te.dat'); %载入测试数据
X_train = double(X_train');%注意此处有个转置，是因为TE数据集的d00数据和其他数据行列颠倒了。只要保证和样本数据维度一致即可。
X_test = double(X_test);
X_mean = mean(X_train);  %求均值                           
X_std = std(X_train);    %求标准差                      
[X_row,X_col] = size(X_train);                                                    
X_train=(X_train-repmat(X_mean,X_row,1))./repmat(X_std,X_row,1);%标准化处理
SXtrain = cov(X_train);%求协方差矩阵
[T,lm] = eig(SXtrain);%求特征值及特征向量                                                               
D = flipud(diag(lm));%将特征值从大到小排列，                            
num = 1;                                         
while sum(D(1:num))/sum(D) < 0.9   %若累计贡献率小于90%则增加主元个数
num = num +1;
end                                                 
P = T(:,X_col-num+1:X_col); %取对应的特征向量                           
                     
TU=num*(X_row-1)*(X_row+1)*finv(0.99,num,X_row - num)/(X_row*(X_row - num));%求置信度为99%时的T2统计控制限  

for i = 1:3
    th(i) = sum((D(num+1:X_col)).^i);
end
h0 = 1 - 2*th(1)*th(3)/(3*th(2)^2);
ca = norminv(0.99,0,1);
QU = th(1)*(h0*ca*sqrt(2*th(2))/th(1) + 1 + th(2)*h0*(h0 - 1)/th(1)^2)^(1/h0); %置信度为99%的Q统计控制限                          
%模型测试
n = size(X_test,1);
X_test=(X_test-repmat(X_mean,n,1))./repmat(X_std,n,1);%标准化处理
%求T2统计量，Q统计量
[r,y] = size(P*P');
I = eye(r,y); 
T2 = zeros(n,1);
Q = zeros(n,1);
for i = 1:n
T2(i)=X_test(i,:)*P*inv(lm(52-num+1:52,52-num+1:52))*P'*X_test(i,:)';                                           
    Q(i) = X_test(i,:)*(I - P*P')*X_test(i,:)';                                                                                    
end
%绘图
for i=1:n
    if T2(i,1)>TU
        break
    end
end

figure('Name','PCA');
subplot(3,1,1);
    plot(1:i,T2(1:i),'k');
    hold on;
    plot(i:n,T2(i:n),'k');
   title('统计量变化图');
    xlabel('采样数');
    ylabel('T2');
    hold on;
    line([0,n],[TU,TU],'LineStyle','--','Color','g');
   for i=1:n
    if Q(i,1)>QU
        break
    end
   end 

subplot(3,1,2);
    plot(1:i,Q(1:i),'k');
    hold on;
     plot(i:n,Q(i:n),'k');
    title('统计量变化图');
    xlabel('采样数');
    ylabel('SPE');
    hold on;
    line([0,n],[QU,QU],'LineStyle','--','Color','g');
    
%贡献图
%4.计算每个变量对Q的贡献
e = X_test(600,:)*(I - P*P');%选取第600个样本来检测哪个变量出现问题。
contq = e.^2;
[mxq_bor,mxq]=max(contq);
contqq=zeros(1,52);
contqq(1,mxq)=contq(1,mxq);
%5. 绘制贡献图
subplot(3,1,3);
    bar(contq,'g');
     hold on;
   bar(contqq,'r');
    xlabel('变量号');
    ylabel('SPE贡献率 %');
%检测结果分析
%T2故障检测率
  k1=0;
for i=160:960
   if T2(i)>TU
       k1=k1+1;
   end
end
FDRT=k1/(960-160);
%T2误报率
k1=0;
for i=1:159
   if T2(i)>TU
       k1=k1+1;
   end
end
FART=k1/159;
%Q故障检测率
k1=0;
for i=160:960
   if Q(i)>QU
       k1=k1+1;
   end
end
FDRQ=k1/(960-160);
%Q故障检测率
k1=0;
for i=1:159
   if Q(i)>QU
       k1=k1+1;
   end
end
FARQ=k1/159;

之前的那篇在这