主要内容

更新

更新后参数分布降解剩余的使用寿命模型

页面上倒塌

句法

更新（MDL，数据）

描述

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。

例子

全部收缩

打开直播脚本

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

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

输入参数

全部收缩

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。

为一个lineardegradationmodel.，更新的参数是θ.和截止路程。

为exponentialDegradationModel.，更新的参数是θ.那截止路程那bet那贝拉瓦西， 和rho.。

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。

  • 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。

  • 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。

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.。

扩展能力

也可以看看

功能

话题

在R2018A介绍

预测维护工具箱文档

金宝app

用Matlab预测维护

用Matlab预测维护

下载电子书