exponentialDegradationModel

估计剩余使用寿命的指数退化模型

全部展开页面

描述

使用exponentialDegradationModel为指数衰减过程建模，以估计组件的剩余使用寿命(RUL)。退化模型通过预测监控信号何时将越过预定义的阈值来估计RUL。当组件经历累积退化时，指数退化模型是有用的。有关降级模型的更多信息，请参见指数退化模型．

配置一个exponentialDegradationModel对象的特定类型的组件，可以:

使用有关类似组件集成(如按相同规格制造的多台机器)的健康状况的历史数据估计模型参数。要做到这一点，使用适合．
在基于组件降级过程的知识创建模型时指定模型参数。

一旦配置了降级模型的参数，就可以预测使用类似组件的剩余有用寿命predictRUL．有关演示使用降级模型的RUL预测的基本示例，请参见当数据到达时更新RUL预测．

有关预测剩余使用寿命的一般信息，请参见剩余使用寿命预测模型．

创建

语法

mdl = exponentialDegradationModel

mdl = exponentialDegradationModel(名称、值)

描述

例子

mdl= exponentialDegradationModel创建用于估计RUL的指数衰减模型，并使用默认设置初始化该模型。

例子

mdl= exponentialDegradationModel (名称,值）使用名称-值对指定用户可设置的模型属性。例如,exponentialDegradationModel (NoiseVariance, 0.5)建立一个指数退化模型，模型噪声方差为０．５．可以指定多个名称-值对。将每个属性名用引号括起来。

属性

全部展开

`θ`- - - - - -的当前平均值θ参数
标量

此属性是只读的。

的当前平均值θ参数，指定为标量。有关降级模型的更多信息，请参见指数退化模型．

您可以指定θ使用名称-值对参数:

创建模型。
属性重置模型重新启动函数。

否则，为θ改变时，你使用更新函数。

`ThetaVariance`- - - - - -当前方差θ参数
负的标量

此属性是只读的。

当前方差θ参数，指定为非负标量。有关降级模型的更多信息，请参见指数退化模型．

您可以指定ThetaVariance使用名称-值对参数:

创建模型。
属性重置模型重新启动函数。

否则，为ThetaVariance改变时，你使用更新函数。

`β`- - - - - -的当前平均值β参数
标量

此属性是只读的。

的当前平均值β参数，指定为标量。有关降级模型的更多信息，请参见指数退化模型．

您可以指定β使用名称-值对参数:

创建模型。
属性重置模型重新启动函数。

否则，为β改变时，你使用更新函数。

`BetaVariance`- - - - - -当前方差β参数
负的标量

此属性是只读的。

当前方差β参数，指定为非负标量。有关降级模型的更多信息，请参见指数退化模型．

您可以指定BetaVariance使用名称-值对参数:

创建模型。
属性重置模型重新启动函数。

否则，为BetaVariance改变时，你使用更新函数。

`ρ`- - - - - -电流之间的相关性θ和β
`0`(默认)|[-1,1]范围内的标量值

此属性是只读的。

电流之间的相关性θ和β，指定为范围[-1,1]内的标量值。有关降级模型的更多信息，请参见指数退化模型．

您可以指定ρ使用名称-值对参数:

创建模型。
属性重置模型重新启动函数。

否则，为ρ改变时，你使用更新函数。

`φ`- - - - - -当前截距值
标量

当前截距值ϕ在降级模型中，指定为标量。有关降级模型的更多信息，请参见指数退化模型．

您可以指定φ在创建模型时使用名称-值对参数。否则，为φ更改时，您估计模型之前使用适合函数。

`之前`- - - - - -关于模型参数的先验信息
结构

模型参数的先验信息，指定为具有以下字段的结构:

θ-的平均值θ
ThetaVariance——方差θ
β-的平均值β
BetaVariance——方差β
ρ——之间的相关性θ和β．

可以指定的字段之前：

当您创建模型时。当你指定θ，ThetaVariance，β，BetaVariance,或ρ在使用名称-值对创建模型时，对应的字段之前也是集。
使用适合函数。在这种情况下，先前的值是从用于拟合模型的数据中得到的。
使用重新启动函数。在本例中，的当前值θ，ThetaVariance，β，BetaVariance,ρ复制到之前．
在模型创建后使用点符号。

有关降级模型的更多信息，请参见指数退化模型．

`NoiseVariance`- - - - - -加性噪声方差
`1`(默认)|负的标量

加性噪声方差ε在降级模型中，指定为非负标量。有关降级模型的更多信息，请参见指数退化模型．

您可以指定NoiseVariance：

在创建模型时使用名称-值对
的名称-值对重新启动函数
在模型创建后使用点符号

`SlopeDetectionLevel`- - - - - -斜率检测水平
`0．05`(默认)|[0,1]范围内的标量值|`［］`

坡度检测水平，用于确定退化过程的开始，指定为范围[0,1]中的标量。这个值对应于斜率显著性t检验中的alpha值。

若要禁用坡度检测测试，请设置SlopeDetectionLevel来［］．

您可以指定SlopeDetectionLevel：

在创建模型时使用名称-值对
的名称-值对重新启动函数
在模型创建后使用点符号

`SlopeDetectionInstant`- - - - - -斜率检测时间
`［］`(默认)|标量

此属性是只读的。

坡度检测时间，即检测到显著坡度的时刻，指定为标量。的更新函数在时设置此值SlopeDetectionLevel不是空的。

`CurrentMeasurement`- - - - - -最新退化特征值
标量

此属性是只读的。

最新的退化特征值提供给更新函数，指定为标量。

`InitialLifeTimeValue`- - - - - -初始寿命变量值
标量|`持续时间`对象

此属性是只读的。

初始生命周期变量值时更新函数首先在指定为标量的模型上调用。

当模型检测到一个斜率时，InitialLifeTime值更改为匹配SlopeDetectionInstant价值。

`CurrentLifeTimeValue`- - - - - -电流寿命可变值
标量|`持续时间`对象

此属性是只读的。

的最新生存期变量值更新函数，指定为标量。

`LifeTimeVariable`- - - - - -生命周期变量
`＂"`(默认)|字符串

生命周期变量，指定为包含有效MATLAB的字符串^®变量名或＂"．

当你用适合函数，如果您的训练数据为:

表格,然后LifeTimeVariable必须匹配表中的一个变量名
时间表,然后LifeTimeVariable表中的一个变量名或时间变量的维度名，data.Properties.DimensionNames {1}

您可以指定LifeTimeVariable：

在创建模型时使用名称-值对
作为一个参数适合函数
在模型创建后使用点符号

`LifeTimeUnit`- - - - - -一生变量单位
`＂"`(默认)|字符串

生命周期变量单位，指定为字符串。

生命周期变量的单位不需要基于时间。测试组件的寿命可以用使用变量来衡量，例如行驶的距离(英里)或消耗的燃料(加仑)。

`DataVariables`- - - - - -退化变量名
`＂"`(默认)|字符串

降级变量名，指定为包含有效MATLAB变量名的字符串。退化模型只有一个数据变量。

您可以指定DataVariables：

在创建模型时使用名称-值对
作为一个参数适合函数
在模型创建后使用点符号

`UseParallel`- - - - - -使用并行计算的标志
`假`(默认)|`真正的`

当从数据拟合之前的值时使用并行计算的标志，指定为真正的或假．

您可以指定UseParallel：

在创建模型时使用名称-值对
的名称-值对重新启动函数
在模型创建后使用点符号

`用户数据`- - - - - -额外的模型信息
`［］`(默认)|任何数据类型或格式

用于记帐的附加模型信息，指定为任何数据类型或格式。模型不使用此信息。

您可以指定用户数据：

在创建模型时使用名称-值对
在模型创建后使用点符号

对象的功能

`适合`	利用历史数据估计剩余寿命模型的参数
`predictRUL`	估计测试组件的剩余使用寿命
`更新`	更新退化剩余寿命模型的后验参数分布
`重新启动`	重置剩余的可用寿命退化模型

例子

全部折叠

训练指数退化模型

打开生活的脚本

负荷训练数据。

负载(“expTrainVectors.mat”）

训练数据是列向量的单元格数组。每个列向量是一个组件的降级特征配置文件。

使用默认设置创建指数衰减模型。

mdl = exponentialDegradationModel;

使用训练数据训练退化模型。

fit (mdl expTrainVectors)

建立已知先验的指数退化模型

打开生活的脚本

创建一个指数退化模型，并用已知的先验分布配置它。

mdl = exponentialDegradationModel (“θ”, 0.5,“ThetaVariance”, 0.003,．..“β”, 0.3,“BetaVariance”, 0.002,．..的ρ, 0.1);

指定的先验分布参数存储在之前模型的属性。

mdl。之前

ans =结构体字段:Theta: 0.5000 ThetaVariance: 0.0030 Beta: 0.3000 BetaVariance: 0.0020 Rho: 0.1000

模型的当前后验分布也被设置为匹配指定的先验分布。例如，检查相关参数的后验值。

mdl。ρ

ans = 0.1000

基于表格数据的训练指数退化模型

打开生活的脚本

负荷训练数据。

负载(“expTrainTables.mat”）

训练数据是由表格组成的单元格数组。每个表都是一个组件的降级特性配置文件。每个配置文件包含生命周期测量值“时间”变量和相应的退化特征的测量“条件”变量。

使用默认设置创建指数衰减模型。

mdl = exponentialDegradationModel;

使用训练数据训练退化模型。指定生命周期和数据变量的名称。

fit (mdl expTrainTables,“时间”，“条件”）

使用指数退化模型预测RUL

打开生活的脚本

负荷训练数据。

负载(“expTrainTables.mat”）

训练数据是由表格组成的单元格数组。每个表都是一个组件的降级特性配置文件。每个配置文件包含生命周期测量值“小时”变量和相应的退化特征的测量“条件”变量。

创建指数衰减模型，指定生命周期变量单元。

mdl = exponentialDegradationModel (“LifeTimeUnit”，“小时”）；

使用训练数据训练退化模型。指定生命周期和数据变量的名称。

fit (mdl expTrainTables,“时间”，“条件”）

负载测试数据，它是测试组件的运行到故障降级配置文件。测试数据是与训练数据具有相同寿命和数据变量的表格。

负载(“expTestData.mat”）

基于退化特性限制的知识，定义一个阈值条件指示器，指示组件的寿命结束。

阈值= 500;

假设您每小时测量一次组件状态指示器，持续150小时。用每个测量值更新训练过的退化模型。然后，预测组件在150小时的剩余使用寿命。RUL是退化特性将通过指定阈值的预测时间。

为t = 1:150 update(mdl,expTestData(t，:)))结束estRUL = predictRUL (mdl阈值)

estRUL =持续时间136.45人力资源

估计的RUL就在附近137小时，表示预测的总寿命为287个小时。

更新指数退化模型，预测RUL

打开生活的脚本

负载观测数据。

负载(“expTestData.mat”）

对于本例，假设训练数据不是历史数据，而是组件状态的实时观测数据。

基于退化特性限制的知识，定义一个阈值条件指示器，指示组件的寿命结束。

阈值= 500;

建立一个指数退化模型，任意先验分布数据和指定的噪声方差。另外，指定观察数据的生存时间和数据变量名称。

mdl = exponentialDegradationModel (“θ”，1，“ThetaVariance”1 e6,．..“β”，1，“BetaVariance”1 e6,．..“NoiseVariance”, 0.003,．..“LifeTimeVariable”，“时间”，“DataVariables”，“条件”，．..“LifeTimeUnit”，“小时”）；

观察部件状态One hundred.小时，每次观测后更新退化模型。

为我= 1:10 0更新(mdl expTestData(我,:));结束

后One hundred.时，使用模型中存储的当前生命时间值预测组件的RUL。同时，获得与估计的RUL相关的置信区间。

estRUL = predictRUL (mdl阈值)

estRUL =持续时间221.38人力资源

估计的RUL大约是234小时，表示预测的总寿命为334个小时。

算法

全部展开

指数退化模型

的exponentialDegradationModel对象实现以下连续时间指数退化模型［1］：

$年代（ t ）＝ ϕ + θ （ t ） e^{（ β （ t ） t + ε （ t ） - \frac{σ^{2}}{2} ）}$

地点:

ϕ是模型截距，是常数。你可以初始化ϕ为退化变量可行域上的下界或上界φ．如果θ是:
- 积极的,然后ϕ是一个下界。
- 负的,然后ϕ是上界。
θ（t)是一个随机变量，模型为具有均值的对数正态分布θ和方差ThetaVariance．
β（t)是一个随机变量，模型为具有均值的高斯分布β和方差BetaVariance．
ε（t)为模型加性噪声，模型为均值和方差均为零的正态分布NoiseVariance．
σ²等于NoiseVariance．

参考文献

[1] Gebraeel Nagi。“具有指数退化模式部件的传感更新剩余寿命分布”。自动化科学与工程学报．第3卷第4期，2006年，382-393页。

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

使用注意事项及限制:

的predictRUL，更新,重新启动命令支持代码生成金宝appMATLAB编码器™用于此RUL模型类型。
在生成使用此模型的代码之前，您必须使用保存模型saveRULModelForCoder．例如，请参见生成预测剩余使用寿命的代码．
除了只读属性外，以下属性不能在运行时更改:
- LifeTimeVariable
- LifeTimeUnit
- DataVariables

自动并行支持金宝app
使用并行计算工具箱™自动并行运行计算，加速代码。

为了并行地评估这些模型，设置UseParallel财产真正的．

另请参阅

功能

linearDegradationModel|适合|predictRUL|更新

主题

介绍了R2018a

exponentialDegradationModel

描述

创建

语法

描述

属性

θ- - - - - -的当前平均值θ参数标量

ThetaVariance- - - - - -当前方差θ参数负的标量

β- - - - - -的当前平均值β参数标量

BetaVariance- - - - - -当前方差β参数负的标量

ρ- - - - - -电流之间的相关性θ和β0(默认)|[-1,1]范围内的标量值

φ- - - - - -当前截距值标量

之前- - - - - -关于模型参数的先验信息结构

NoiseVariance- - - - - -加性噪声方差1(默认)|负的标量

SlopeDetectionLevel- - - - - -斜率检测水平0．05(默认)|[0,1]范围内的标量值|［］

SlopeDetectionInstant- - - - - -斜率检测时间［］(默认)|标量

CurrentMeasurement- - - - - -最新退化特征值标量

InitialLifeTimeValue- - - - - -初始寿命变量值标量|持续时间对象

CurrentLifeTimeValue- - - - - -电流寿命可变值标量|持续时间对象

LifeTimeVariable- - - - - -生命周期变量＂"(默认)|字符串

LifeTimeUnit- - - - - -一生变量单位＂"(默认)|字符串

DataVariables- - - - - -退化变量名＂"(默认)|字符串

UseParallel- - - - - -使用并行计算的标志假(默认)|真正的

用户数据- - - - - -额外的模型信息［］(默认)|任何数据类型或格式

对象的功能

例子

训练指数退化模型

建立已知先验的指数退化模型

基于表格数据的训练指数退化模型

使用指数退化模型预测RUL

更新指数退化模型，预测RUL

算法

指数退化模型

参考文献

扩展功能

C / c++代码生成使用MATLAB®Coder™生成C和c++代码。

自动并行支持金宝app使用并行计算工具箱™自动并行运行计算，加速代码。

另请参阅

功能

主题

预测性维护工具箱文档

金宝app

基于MATLAB的预测维护

`θ`- - - - - -的当前平均值θ参数
标量

`ThetaVariance`- - - - - -当前方差θ参数
负的标量

`β`- - - - - -的当前平均值β参数
标量

`BetaVariance`- - - - - -当前方差β参数
负的标量

`ρ`- - - - - -电流之间的相关性θ和β
`0`(默认)|[-1,1]范围内的标量值

`φ`- - - - - -当前截距值
标量

`之前`- - - - - -关于模型参数的先验信息
结构

`NoiseVariance`- - - - - -加性噪声方差
`1`(默认)|负的标量

`SlopeDetectionLevel`- - - - - -斜率检测水平
`0．05`(默认)|[0,1]范围内的标量值|`［］`

`SlopeDetectionInstant`- - - - - -斜率检测时间
`［］`(默认)|标量

`CurrentMeasurement`- - - - - -最新退化特征值
标量

`InitialLifeTimeValue`- - - - - -初始寿命变量值
标量|`持续时间`对象

`CurrentLifeTimeValue`- - - - - -电流寿命可变值
标量|`持续时间`对象

`LifeTimeVariable`- - - - - -生命周期变量
`＂"`(默认)|字符串

`LifeTimeUnit`- - - - - -一生变量单位
`＂"`(默认)|字符串

`DataVariables`- - - - - -退化变量名
`＂"`(默认)|字符串

`UseParallel`- - - - - -使用并行计算的标志
`假`(默认)|`真正的`

`用户数据`- - - - - -额外的模型信息
`［］`(默认)|任何数据类型或格式

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

自动并行支持金宝app
使用并行计算工具箱™自动并行运行计算，加速代码。