主要内容

pairwiseSimilarityModel

成对网络相似性模型估算剩余使用寿命

扩展所有的页面

描述

使用pairwiseSimilarityModel估计剩余使用寿命(原则)的组件使用成对网络相似模型。这个模型比较了退化的测试组件直接降解路径历史一个类似的组件,如多台机器生产的同一规格。测试组件整体成员的相似性是退化之间的距离的函数和乐团成员档案,这是计算使用关联或动态时间扭曲。

配置一个pairwiseSimilarityModel对象,使用适合。一旦你配置的参数相似模型,然后可以预测类似的组件使用的剩余使用寿命predictRUL。对于相似模型,测试组件的荷重软化估计的统计中值寿命跨度最相似的组件-当前测试组件的生命周期价值。对于一个基本的示例说明原则预测,明白了更新原则预测数据的到来。

对于一般信息预测剩余使用寿命,请参阅模型预测剩余寿命。

创建

语法

mdl = pairwiseSimilarityModel
mdl = pairwiseSimilarityModel (initModel)
mdl = pairwiseSimilarityModel (___、名称、值)

描述

例子

mdl= pairwiseSimilarityModel创建一个成对网络相似性模型估算原则与默认设置和初始化模型。

mdl= pairwiseSimilarityModel (initModel)创建一个成对网络相似使用现有的模型和初始化模型参数pairwiseSimilarityModel对象initModel。

例子

mdl= pairwiseSimilarityModel (___,名称,值)指定user-settable模型属性使用名称-值对。例如,hashSimilarityModel (“LifeTimeUnit”,“天”)创建一个成对网络相似性模型,使用天一生。您可以指定多个名称-值对。在报价附上每个属性的名字。

输入参数

全部展开

成对网络相似性模型,指定为一个pairwiseSimilarityModel对象。

属性

全部展开

时间序列的距离计算方法,指定为以下之一:

  • “相关”——使用相关测量距离

  • “dtw”——计算距离使用动态时间扭曲。有关更多信息,请参见dtw。

您可以指定方法:

  • 当你创建的模型使用一个名称-值对

  • 模型创建后使用点符号

距离公式“dtw”距离计算方法,指定为以下之一:

  • “欧式”——使用2-norm残差之间的区别。

  • “绝对”——使用1-norm残差之间的区别。

您可以指定距离:

  • 当你创建的模型使用一个名称-值对

  • 模型创建后使用点符号

一生的历史数据来计算相似度,作为一个积极的标量或指定持续时间对象。在计算相似度时,模型使用历史数据从终生(t- - - - - -HistorySpan)一生t,在那里t是当前一生。

您可以指定HistorySpan:

  • 当你创建的模型使用一个名称-值对

  • 模型创建后使用点符号

因素确定排除规则相似度计算,乐团成员指定为一个标量从0到1。WithinRangeRatio时使用的长度测试数据和乐团成员数据的长度不匹配,end-of-lifetime值附近发生的历史数据。当WithinRangeRatio是1,那么就没有排除乐团成员。

假设的长度较短的数据P和时间数据的长度问。这时,一个相似的测试只有在执行问(1 -WithinRangeRatio)< =P< =问。否则,乐团成员将被忽略。

您可以指定WithinRangeRatio:

  • 当你创建的模型使用一个名称-值对

  • 模型创建后使用点符号

这个属性是只读的。

寿命,乐团成员指定为一个向量或两倍持续时间对象的向量和计算的整体退化概要文件的成员适合函数。

最近的邻居的荷重软化估计数量,指定为正或一个有限的正整数。如果NumNearestNeighbors是正,然后predictRUL在评估过程中使用所有的乐团成员。

您可以指定NumNearestNeighbors:

  • 当你创建的模型使用一个名称-值对

  • 模型创建后使用点符号

标记包含关系,指定为真正的或假。当IncludeTies是真正的,该模型包括所有邻居的距离小于测试组件的数据Kth最小距离,K等于NumNearestNeigbors。

您可以指定IncludeTies:

  • 当你创建的模型使用一个名称-值对

  • 模型创建后使用点符号

国旗之前标准化特性数据计算距离,指定为真正的,假,或“时变”。

当标准化是真正的,特征数据是标准化的,这样的特性X就变成了(X-mean (X)) /性病(X)。

当标准化是“时变”,特征数据是标准化的,这样的特性X(t)成为(X(t)- - -米(t))/年代(t)。在这里,米(t),年代(t)正在运行的估计数据的平均值和标准偏差。

您可以指定标准化:

  • 当你创建的模型使用一个名称-值对

  • 模型创建后使用点符号

一生变量指定为一个字符串,该字符串包含一个有效的MATLAB®变量名或”“。

当你训练模型使用适合功能,如果你的训练数据是:

  • 表,然后LifeTimeVariable必须匹配一个变量名称的表吗

  • 时间表,然后LifeTimeVariable一个变量名称的表或维度时间变量的名称,data.Properties.DimensionNames {1}

您可以指定LifeTimeVariable:

  • 当你创建的模型使用一个名称-值对

  • 当你调用作为参数适合函数

  • 模型创建后使用点符号

一生变量单位,指定为一个字符串。

一生中变量的单位不需要基于时间的。测试组件的生命可以测量的使用变量,如距离(英里)或燃料消耗(加仑)。

退化变量名称,指定为一个字符串或字符串数组。的字符串DataVariables必须有效的MATLAB函数名称。

您可以指定DataVariables:

  • 当你创建的模型使用一个名称-值对

  • 当你调用作为参数适合函数

  • 模型创建后使用点符号

国旗为近邻搜索,使用并行计算指定为真正的或假。

您可以指定UseParallel:

  • 当你创建的模型使用一个名称-值对

  • 模型创建后使用点符号

额外的模型信息用于记账,指定为任何数据类型和格式。该模型不使用这些信息。

您可以指定用户数据:

  • 当你创建的模型使用一个名称-值对

  • 模型创建后使用点符号

对象的功能

predictRUL 估计剩余使用寿命测试组件
适合 使用历史数据估计参数的剩余使用寿命模型
比较 比较测试数据和历史数据集合的相似度模型

例子

全部折叠

打开生活的脚本

负荷训练数据。

负载(“pairwiseTrainVectors.mat”)

训练数据是一个单元阵列的列向量。每一个列向量为一个组件是一个退化特性概要文件。

用默认设置创建一个成对相似性模型。

mdl = pairwiseSimilarityModel;

使用训练数据训练相似模型。

fit (mdl pairwiseTrainVectors)
打开生活的脚本

负荷训练数据。

负载(“pairwiseTrainTables.mat”)

训练数据的单元阵列表。每个表为一个组件是一个退化特性概要文件。每个概要文件包含生活时间测量“时间”变量和相应的降解特性的测量“条件”变量。

创建一个成对相似性模型,计算距离使用动态时间扭曲与绝对距离度量。

mdl = pairwiseSimilarityModel (“方法”,“dtw”,“距离”,“绝对”);

使用训练数据训练相似模型。指定寿命和数据变量的名字。

fit (mdl pairwiseTrainTables,“时间”,“条件”)
打开生活的脚本

负荷训练数据。

负载(“pairwiseTrainTables.mat”)

训练数据的单元阵列表。每个表为一个组件是一个退化特性概要文件。每个概要文件包含生活时间测量“时间”变量和相应的降解特性的测量“条件”变量。

创建一个成对相似性模型,计算距离使用动态时间扭曲绝对距离度量和使用小时作为时间单位。

mdl = pairwiseSimilarityModel (“方法”,“dtw”,“距离”,“绝对”,“LifeTimeUnit”,“小时”);

使用训练数据训练相似模型。指定寿命和数据变量的名字。

fit (mdl pairwiseTrainTables,“时间”,“条件”)

负载测试数据。测试数据包含的退化特性测量测试组件当前的生活时间。

负载(“pairwiseTestData.mat”)

预测测试组件使用训练的原则相似模型。

pairwiseTestData estRUL = predictRUL (mdl)
estRUL =持续时间93.671人力资源

组件的原则估计大约是94小时。

扩展功能

版本历史

介绍了R2018a

另请参阅

功能

主题