文件帮助中心文件
更新后参数分布降解剩余的使用寿命模型
更新(MDL,数据)
例子
更新(MDL.那数据)更新剩余使用寿命(RUL)模型的降级参数的后估计MDL.使用最新的劣化测量数据。
更新(MDL.那数据)
MDL.
数据
全部收缩
加载训练数据,这是一个组件的劣化功能配置文件。
加载('exprealtime.mat')
对于此示例,假设培训数据不是历史数据。当没有历史数据时,您可以使用观察数据实时更新您的劣化模型。
使用以下设置创建指数劣化模型:
随意的 θ. 和 β 具有大差异的前一分布,以便模型主要依赖于观察到的数据
噪声方差0.003
0.003
mdl = exponentialDegradationModel('theta',1,'θthetavariance',1e6,......'beta',1,'etavariance',1e6,......'noisevariance',0.003);
由于培训数据中没有生命时间变量,因此为拟合创建任意寿命时间向量。
LifeTime = [1:长度(exprealtime)];
观察10个迭代的劣化功能。每次迭代后更新劣化模型。
为了i = 1:10更新(MDL,[Lifetime(i)Exprealtime(i)])结尾
在观察模型一段时间之后,例如在稳态操作点,您可以重新启动模型并将当前的后部分布保存为先前分配。
重新启动(MDL,TRUE)
查看更新的先前分发参数。
mdl.prior.
ans =.结构与字段:THETA:2.3555θthetavariance:0.0058 beta:0.0722β
lineardegradationmodel.
exponentialDegradationModel.
降级RUL模型,指定为alineardegradationmodel.对象或An.exponentialDegradationModel.目的。更新基于最新的劣化特征测量更新劣化模型参数的后估计数据。
更新
为一个lineardegradationmodel.,更新的参数是θ.和截止路程。
θ.
截止路程
为exponentialDegradationModel.,更新的参数是θ.那截止路程那bet那贝拉瓦西, 和rho.。
bet
贝拉瓦西
rho.
更新还设置以下属性MDL.:
initiallifeTimevalue.- 你第一次打电话更新,此属性设置为第一行的寿命时间值数据。
initiallifeTimevalue.
currentlifetimevalue.- 每次打电话更新,此属性设置为最后一行中的寿命时间值数据。
currentlifetimevalue.
当前级测量- 每次打电话更新,此属性设置为最后一行中的特征测量值数据。
当前级测量
桌子
劣化特征测量值,指定为以下之一:
双列数组 - 第一列包含寿命值,第二列包含相应的降级特征测量。
桌子要么时间表包含包含与匹配的名称的变量的对象寿命值和DataVariables属性MDL.。
时间表
寿命值
DataVariables
使用说明和限制:
此命令支持使用代码生成金宝app马铃薯®编码器™。在生成使用RUL模型的代码之前,您必须使用保存模型saverulmodelfoder.。在运行时更新模型时,将使用模型状态使用它也很有用readstate.。例如,看到生成保留RUL模型状态的代码,用于系统重启。
saverulmodelfoder.
readstate.
合身
redictrul.
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室