主要内容
剩余使用寿命预测模型
的剩余使用寿命(RUL)是指在机器需要维修或更换之前所剩余的预期寿命或使用时间。从系统数据预测剩余的有用寿命是预测维护算法的中心目标。
这个词一生这里的使用时间是指机器的寿命，它是用你用来衡量系统寿命的任何数量来定义的。生命周期的单位可以是旅行的距离(英里)、消耗的燃料(加仑)、执行的重复周期或操作开始后的时间(天)。类似的时间演化可以表示具有任何这样数量的值的演化。
通常，您可以通过开发一个模型来估计系统的RUL，该模型可以根据时间演变或条件指示值的统计属性来执行估计，例如:
一种模型，它拟合条件指标的时间演化，并预测条件指标在跨越指示故障条件的某个阈值之前需要多长时间。
一种将状态指示器的时间演化与从系统运行到故障的测量或模拟时间序列进行比较的模型。这样的模型可以计算出当前系统最可能出现的故障时间。
这些模型的预测是带有不确定性的统计估计。它们提供了测试机器的RUL的概率分布。您使用的模型可以是:
一个动态模型，例如您使用System Identification Toolbox™命令获得的模型。有关此类模型的更多信息，请参见使用已识别模型或状态估计器的规则估计．
专为从不同类型的测量系统数据中计算RUL而设计的预测性维护工具箱™模型。有关这些模型的更多信息，请参见使用RUL估计模型进行RUL估计．
在确定有希望的条件指标之后，开发RUL预测模型是算法设计过程的下一步状态监控、故障检测和预测指标）.因为您开发的模型使用条件指示器值的时间演变来预测RUL，所以这一步通常与识别条件指示器的步骤重复。有关更多信息，请参见剩余使用寿命预测的特征选择．
相关的话题
你也可以从以下列表中选择一个网站:
