主要内容

ResidualsimarilityModel.

基于残余比较的相似模型，用于估算剩余使用寿命

全部展开页面

描述

用ResidualsimarilityModel.估计使用基于残留的基于比较的相似性模型来估计组件的剩余使用寿命（RUL）。当您对类似组件的集合进行劣化配置文件时，此模型很有用，例如以与相同规格制造的多台机器，并且您知道劣化过程的动态。数据集合的每个成员的历史数据配有相同结构的模型。测试组件的劣化数据用于计算每个集合模型的1步预测误差或残差。这些误差的大小表示测试组件与相应的集合成员相似的情况。

配置一个ResidualsimarilityModel.对象,使用合身，它训练并存储每个数据集成成员的降级模型。一旦您配置了相似模型的参数，您就可以预测使用相似组件的剩余有用寿命predictRUL．对于相似模型，测试组件的RUL被估计为最相似组件的寿命跨度的中位数统计量减去测试组件的当前寿命值。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．

有关预测剩余使用寿命的一般信息，请参见预测剩余使用寿命的模型．

创建

句法

MDL = ResidualSimilarityModel.
MDL = ResidualSimilarityModel（initmodel）
mdl = residualSimilarityModel (___、名称、值)

描述

例子

mdl= residualSimilarityModel创建基于残差的基于比较的相似性模型，用于估计RUL并用默认设置初始化模型。

mdl= ResidualSimilarityModel（initmodel.）创建基于残差比较的相似度模型，并使用现有模型初始化模型参数ResidualsimarilityModel.目的initmodel.．

例子

mdl= ResidualSimilarityModel（___那名称，价值）使用名称值对指定用户可设置的模型属性。例如，ResidualsimilarityModel（'LifetimeUnit'，“天”）创建基于剩余比较的相似性模型，使用天数作为生命周期单位。可以指定多个名称-值对。将每个属性名用引号括起来。

输入参数

全部展开

基于残差比较的相似度模型，指定为ResidualsimarilityModel.对象。

属性

全部展开

类型的模型训练使用合身功能并用于残留生成，指定为以下之一：

  • “线性”- 与偏移术语线

  • “poly2”- 二阶多项式

  • “poly3”——三阶多项式

  • “exp1”-指数与偏移项

  • “exp2”-两个指数之和

  • “arma2”-二阶ARMA模型

  • “arma3”- 三阶ARMA模型

  • “Arima2”-带噪声积分的二阶ARMA模型

  • “Arima3”-带噪声积分的三阶ARMA模型

根据您对组件劣化过程的动态的了解选择模型类型。

您可以指定方法：

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

有关估计ARMA和多项式模型的更多信息，请参见armax和Polyfit.， 分别。

距离计算方法，指定为以下方式之一:

  • “欧几里德”—使用残差信号的2范数。

  • “绝对”—使用残差信号的1范数。

  • 功能句柄 - 使用表单的自定义功能：

    D = distanceFunction(右)

    在哪里，

    • R.为残差，指定为列向量。

    • D.为距离，返回为非负标量。

您可以指定距离：

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

此属性是只读的。

为训练数据集合的每个成员拟合模型的参数，指定为单元阵列并由合身功能。内容模型取决于用于回归的模型类型，如方法．

方法 模型结构 模型单元格内容
“线性” 一种T.+B.

行矢量 - [一种B.]
“poly2” 一种T.2+B.T.+C

行矢量 - [一种B.C]
“poly3” 一种T.3.+B.T.2+CT.+D.

行矢量 - [一种B.CD.]
“exp1” 一种E.B.T.+C

行矢量 - [一种B.C]
“exp2” 一种E.B.T.+CE.D.T.

行矢量 - [一种B.CD.]
“arma2”

二阶自回归滑动平均模型:

一种 （ 问： ） S. （ T. ） = C （ 问： ） E. （ T. ）

在哪里

  • 一种（问：）= [1一种1问：－1一种2问：－2]

  • C（问：）= [1C1问：－1]

  • S (T.)为退化特性

结构与田野：

  • 一种-行向量[1一种1一种2]

  • C-行向量[1C1]
“arma3” 类似于“arma2”,但一种（问：三阶,C（问：)二阶

结构与田野：

  • 一种-行向量[1一种1一种2一种2]

  • C-行向量[1C1C2]
“Arima2”

类似于“arma2”，但附加一个噪声积分器:

一种 （ 问： ） S. （ T. ） = C （ 问： ） 1 − 问： − 1 E. （ T. ）

结构与田野：

  • 一种-行向量[1一种1一种2]

  • C-行向量[1C1]
“Arima3” 类似于“arma3”，但额外的噪声积分器

结构与田野：

  • 一种-行向量[1一种1一种2一种2]

  • C-行向量[1C1C2]

有关估计ARMA和多项式模型的更多信息，请参见armax和Polyfit.， 分别。

此属性是只读的。

每个模型的估计的平均平方误差模型，指定为向量并由合身功能。

此属性是只读的。

集合成员寿命，指定为双向量或期间对象向量和从集合成员的劣化配置文件计算合身功能。

RUL估计的最近邻居数，指定为正或者一个有限正整数。如果numnearestneighbors.是正， 然后predictRUL在估计期间使用所有集合成员。

您可以指定numnearestneighbors.：

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

标志包括联系，指定为真正的或错误的．什么时候IncludeTies.是真正的，该模型包括所有邻居，其距离到测试组件数据的距离小于K.最小距离，其中K.等于NumNearestNeigbors．

您可以指定IncludeTies.：

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

在计算距离前标准化残差的标志，指定为真正的或错误的．

什么时候标准化是真正的，残差是由估计的均方误差的平方根反比成比例的模型．

您可以指定标准化：

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

生命周期变量，指定为包含有效MATLAB的字符串®变量名称或“．

当你用合身功能，如果您的培训数据是：

  • 桌子， 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

  • 作为争吵时的论点合身功能

  • 在模型创建后使用点符号

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)。

降级变量名，指定为字符串或字符串数组。的字符串DataVariables必须是有效的matlab变量名称。

您可以指定DataVariables：

  • 在创建模型时使用名称-值对

  • 作为争吵时的论点合身功能

  • 在模型创建后使用点符号

为最近邻搜索使用并行计算的标志，指定为真正的或错误的．

您可以指定使用指α.：

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

用于簿记目的的其他模型信息，指定为任何数据类型或格式。该模型不使用此信息。

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

对象功能

predictRUL 估计测试组件的剩余使用寿命
合身 使用历史数据估算剩余使用寿命模型的参数
相比 比较测试数据和历史数据的相似性模型集合

例子

全部收缩

打开生活的脚本

加载培训数据。

负载('ResidualTrainVectors.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。

使用默认设置创建剩余相似性模型。

mdl = residualSimilarityModel;

利用训练数据训练相似度模型。

fit (mdl residualTrainVectors)
打开生活的脚本

加载培训数据。

负载(“residualTrainTables.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“时间”变量和相应的退化特征的测量“健康）状况”变量。

创建残差相似模型，用三阶ARMA模型拟合数据，并使用绝对距离度量。

mdl = residualSimilarityModel (“方法”那“arma3”那“距离”那“绝对”）;

利用训练数据训练相似度模型。指定生命周期和数据变量的名称。

fit (mdl residualTrainTables,“时间”那“健康）状况”）
打开生活的脚本

加载培训数据。

负载(“residualTrainTables.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“时间”变量和相应的退化特征的测量“健康）状况”变量。

建立残差相似度模型，用三阶ARMA模型拟合数据，并使用小时作为生命时间单位。

mdl = residualSimilarityModel (“方法”那“arma3”那“LifeTimeUnit”那“小时”）;

利用训练数据训练相似度模型。指定生命周期和数据变量的名称。

fit (mdl residualTrainTables,“时间”那“健康）状况”）

负载测试数据。测试数据包含截至当前生命周期的测试组件的降级特性度量。

负载(“residualTestData.mat”）

使用训练的相似度模型预测测试组件的RUL。

residualTestData estRUL = predictRUL (mdl)
estRUL =期间85.73小时

该组件的估计RUL约为86小时。

扩展功能

也可以看看

职能

话题

在R2018A介绍

预测维护工具箱文档

金宝app

基于MATLAB的预测维护

基于MATLAB的预测维护

下载电子书