predictRUL
估计测试组件的剩余使用寿命
语法
描述
的predictRUL函数估计测试组件的剩余使用寿命(RUL)，给出一个估计模型和关于其使用时间和退化情况的信息。在预测RUL之前，您必须首先使用历史数据来配置您的评估模型，这些历史数据是关于类似组件集成的健康状况的，例如按照相同规范生产的多台机器。要做到这一点，请使用适合函数。
使用predictRUL，你可以估计以下几种估计模型的剩余使用寿命:
退化模型
生存模型
相似模型
有关演示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，请参见RUL估计使用RUL估算模型。
例子
火车成对相似模型
负荷训练数据。
负载(“pairwiseTrainVectors.mat”)
训练数据是列向量的单元数组。每个列向量都是一个组件的退化特性概要。
使用默认设置创建成对的相似度模型。
mdl = pairwiseSimilarityModel;
利用训练数据训练相似模型。
fit (mdl pairwiseTrainVectors)
更新线性退化模型并预测RUL
负载观测数据。
负载('linTestData.mat',“linTestData1”)
对于本例，假设训练数据不是历史数据，而是组件条件的实时观察。
基于降解功能限制的知识，定义阈值条件指示符值，表示结束的寿命的部件的。
阈值= 60;
创建一个线性退化模型任意先验分布数据和指定的噪声方差。另外，指定观测数据的生命周期和数据变量名。
mdl = linearDegradationModel (“θ”,1“ThetaVariance”1 e6,“NoiseVariance”,0.003,…“LifeTimeVariable”,“时间”,“DataVariables”,“条件”,…'LifeTimeUnit',“小时”);
观察该组件条件50小时，每次观测后更新退化模型。
为我= 1:50更新(mdl linTestData1(我,:));结束
后50时，使用模型中存储的当前生命时间值预测组件的RUL。
estRUL = predictRUL (mdl阈值)
estRUL =持续时间50.301人力资源
估计RUL约为60小时，它表示总的预计寿命110个小时。
使用指数退化模型预测RUL
负荷训练数据。
负载(“expTrainTables.mat”)
训练数据是表的单元数组。每个表都是一个组件的降级功能配置文件。中的生命时间度量值“小时”变量和相应的退化特征测量“条件”变量。
创建指数退化模型，指定寿命时间变量单位。
mdl = exponentialDegradationModel ('LifeTimeUnit',“小时”);
利用训练数据训练退化模型。指定生命时间和数据变量的名称。
fit (mdl expTrainTables,“时间”,“条件”)
负载测试数据，这是测试组件从运行到故障的降级概要。测试数据是一个与训练数据具有相同生命周期和数据变量的表。
负载(“expTestData.mat”)
基于降解功能限制的知识，定义阈值条件指示符值，表示结束的寿命的部件的。
阈值= 500;
假设你测量部件状态指示符每个小时150小时。更新与每个测量训练的退化模型。然后，预测部件的剩余使用寿命，在150小时。该RUL是预测时间处的降解特征将通过指定阈值。
为T = 1：150的更新（MDL，expTestData（T，:)）结束estRUL = predictRUL (mdl阈值)
estRUL =持续时间136.63人力资源
估计RUL在附近137小时，它表示总的预计寿命287个小时。
预测RUL使用协变量生存模型
负荷训练数据。
负载(“covariateData.mat”)
此数据包含电池放电次数及相关协信息。该协变量是：
温度
负载
生产厂家
制造商信息是一个必须编码的分类变量。
创建一个协生存模型，并利用训练数据训练它。
mdl = covariateSurvivalModel (“LifeTimeVariable”,“DischargeTime”,'LifeTimeUnit',“小时”,…“DataVariables”,(“温度”,“负载”,“制造商”]“EncodedVariables”,“制造商”);fit (mdl covariateData)
成功收敛:梯度范数小于选择。tolfun
假设你有一个由制造商生产的电池组B已经运行了30.个小时。创建一个包含使用时间的测试数据表，DischargeTime和测量到的环境温度，TestAmbientTemperature，并绘制电流，TestBatteryLoad。
TestBatteryLoad = 25;TestAmbientTemperature = 60;DischargeTime =小时(30);TestData =时间表(TestBatteryLoad TestAmbientTemperature,“B”,'RowTimes'小时(30));TestData.Properties。VariableNames = {“温度”,“负载”,“制造商”};TestData.Properties。DimensionNames {1} ='DischargeTime';
预测电池的使用寿命。
TestData estRUL = predictRUL (mdl)
estRUL =持续时间38.657人力资源
绘制生存函数对电池的协变量数据。
情节(mdl TestData)
使用可靠性生存模型和PDF视图预测RUL
负荷训练数据。
负载(“reliabilityData.mat”)
这个数据是一个列向量持续时间表示电池放电时间的对象。
创建一个可靠性生存模型，指定生命时间变量和生命时间单位。
MDL = reliabilitySurvivalModel（“LifeTimeVariable”,“DischargeTime”,'LifeTimeUnit',“小时”);
使用训练数据训练生存模型。
fit (mdl reliabilityData)
预测新部件的寿命，并得到估计的概率分布函数。
[estRUL, ciRUL pdfRUL] = predictRUL (mdl);
画出概率分布。
酒吧(pdfRUL.RUL pdfRUL.ProbabilityDensity)包含(“剩余使用寿命（小时）”(40 [90]))xlim(小时)
通过为预测提供箱子的数量和箱子的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）”(40 [90]))xlim(小时)
预测已50小时工作的器件的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）”40)xlim(小时([0]))
