リニア･アクチュエータ故障の検出と分類

このユース･ケースは、クランフィールド大学によるデータセット「Detection and Diagnosis of Faults in Linear Actuators（リニア･アクチュエータの故障の検出と診断）」に基づいています。 目標は、リニア･アクチュエータの4つの状態、正常、バックラッシュ、潤滑不足、スポーリングを検出および分類することです。

リニアアクチュエータから収集したデータを使用し、データセットには（SciPyライブラリを使用して）.csvファイルに変換可能な複数の.matファイルが含まれています。同じ動作に対応するファイルはすべて連結され、最終的に4つのファイルだけになりました：Normal.csv、Backlash.csv、LackOfLubrication.csv、Spalling.csvです。このデータセットには、他のクラスに比べ多くのスポーリングデータが含まれているため、よりバランスの取れた学習用データセットを確保するため、スポーリングデータの半分のみを使用した。

次に、NanoEdge AI Studioを使用して、これらの入力に基づいたリニア･アクチュエータの状態の分類が可能なN-クラス分類プロジェクトを作成しました。