predictRUL
估计测试组件的剩余使用寿命
句法
描述
这predictRUL函数估计测试组件的剩余有用寿命(RUL)，给定一个评估模型，以及关于其使用时间和退化情况的信息。在预测RUL之前，您必须首先使用有关类似组件(例如按照相同规格制造的多台机器)的集成的健康状况的历史数据配置您的评估模型。要做到这一点，使用合身功能。
使用predictRUL，你可以估计以下类型的估计模型的剩余使用寿命:
退化模型
生存模式
相似模型
有关说明RUL预测的基本示例，请参见当数据到达时更新RUL预测．
有关使用这些模型预测剩余使用寿命的一般信息，请参阅使用RUL估计模型进行RUL估计．
例子
训练成对相似模型
负荷训练数据。
负载('pairwisetrainvectors.mat'）
训练数据是列向量的单元格数组。每个列向量是组件的劣化特征配置文件。
创建具有默认设置的成对相似模型。
mdl = pairwiseSimilarityModel;
使用培训数据列车相似模型。
fit (mdl pairwiseTrainVectors)
更新线性退化模型，预测RUL
加载观察数据。
负载(“linTestData.mat”那“linTestData1”）
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= 60;
建立线性退化模型，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 = linearDegradationModel ('theta',1，“ThetaVariance”，1e6，“NoiseVariance”, 0.003,．．.“LifeTimeVariable”那“时间”那'datavariables'那“条件”那．．.“LifeTimeUnit”那“小时”）;
观察部件状态50小时，每次观测后更新退化模型。
为了我= 1:50更新(mdl linTestData1(我,:));结尾
后50几小时，使用存储在模型中的当前寿命时间值来预测组件的rul。
Estrul = predictrul（MDL，阈值）
estRUL =期间50.301人力资源
估计的RUL约为50小时，这表明总的预计寿命约为100小时。
使用指数退化模型预测RUL
负荷训练数据。
负载(“expTrainTables.mat”）
培训数据是表的小区数组。每个表是组件的劣化功能配置文件。每个档案包括生命时间测量“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”那“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。
适合（MDL，Exptraintables，“时间”那“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。
为了t = 1:150 update(mdl,expTestData(t，:)))结尾Estrul = predictrul（MDL，阈值）
estRUL =期间136.45人力资源
估计的RUL就在附近137几小时，表示总预测的寿命287个小时。
用协变量生存模型预测RUL
负荷训练数据。
负载(“covariateData.mat”）
这个数据包含电池放电时间和相关的协变量信息。协变量为:
温度
负载
制造商
制造商信息是必须编码的分类变量。
创建一个协变量生存模型，并使用训练数据对其进行训练。
mdl = covariatesurvivalmodel（“LifeTimeVariable”那“DischargeTime”那“LifeTimeUnit”那“小时”那．．.'datavariables', (“温度”那“负载”那“制造商”]，'Encodedvariables'那“制造商”）;fit (mdl covariateData)
成功收敛:梯度范数小于OPTIONS。TolFun
假设你有一个由制造商生产的电池组B.这已经跑了30.个小时。创建包含使用时间的测试数据表，DischargeTime和测量的环境温度，TestAmbientTemperature，和电流，TestBatteryLoad．
TestBatteryLoad = 25;TestAmbientTemperature = 60;DischargeTime =小时(30);TestData =时间表(TestAmbientTemperature TestBatteryLoad,“B”那“RowTimes”，小时（30））;testdata.properties.variablenames = {'温度'那“负载”那'制造商'};TestData.Properties。DimensionNames {1} =“DischargeTime”;
预测电池的rul。
TestData estRUL = predictRUL (mdl)
estRUL =期间38.332人力资源
绘制电池的协变量数据的生存函数。
情节(mdl TestData)
使用可靠性生存模型预测RUL，并查看PDF
负荷训练数据。
负载(“reliabilityData.mat”）
这个数据是的列向量期间对象表示电池放电时间。
建立可靠性生存模型，指定寿命时间变量和寿命时间单位。
mdl = reliabilitySurvivalModel (“LifeTimeVariable”那“DischargeTime”那“LifeTimeUnit”那“小时”）;
使用训练数据训练生存模型。
fit (mdl reliabilityData)
预测新组件的寿命，并获得估计的概率分布函数。
[estRUL, ciRUL pdfRUL] = predictRUL (mdl);
绘制概率分布图。
酒吧(pdfRUL.RUL pdfRUL.ProbabilityDensity)包含(“剩余使用寿命(小时)”）XLIM（小时（[40 90]））
通过提供用于预测的容器数量和容器大小来改进分布视图。
[estrul，cirul，pdfrul] = predictrul（mdl，“BinSize”, 0.5,“NumBins”, 500);酒吧(pdfRUL.RUL pdfRUL.ProbabilityDensity)包含(“剩余使用寿命(小时)”）XLIM（小时（[40 90]））
预测运行了50个小时的组件的RUL。
[estrul，cirul，pdfrul] = predictrul（mdl，小时（50），“BinSize”, 0.5,“NumBins”, 500);酒吧(pdfRUL.RUL pdfRUL.ProbabilityDensity)包含(“剩余使用寿命(小时)”）XLIM（小时（[0 40]））
输入参数
输出参数
兼容性的考虑
扩展功能
你也可以从以下列表中选择一个网站:
