主要内容

pairwiseSimilarityModel

基于两两比较的相似度模型估计剩余使用寿命

描述

使用pairwiseSimilarityModel使用基于两两比较的相似度模型来估计组件的剩余使用寿命(RUL)。该模型将测试组件的退化情况直接与类似组件集成的退化路径历史进行比较,例如按照相同规格制造的多台机器。测试组件与集成成员的相似性是退化配置文件和集成成员配置文件之间距离的函数,这是使用相关或动态时间翘曲计算的。

配置pairwiseSimilarityModel对象,使用适合.一旦配置了相似性模型的参数,就可以使用以下方法预测相似组件的剩余使用寿命predictRUL.对于相似度模型,测试组件的RUL估计为最相似组件的生命周期的中位数统计值减去测试组件的当前生命周期值。有关说明RUL预测的基本示例,请参见当数据到达时更新RUL预测

有关预测剩余使用寿命的一般信息,请参见剩余使用寿命预测模型

创建

描述

例子

mdl= pairwiseSimilarityModel创建一个基于两两比较的相似度模型,用于估计RUL,并使用默认设置初始化模型。

mdl= pairwiseSimilarityModel (initModel创建基于两两比较的相似度模型,并使用现有对象初始化模型参数pairwiseSimilarityModel对象initModel

例子

mdl= pairwiseSimilarityModel (___名称,值使用名称-值对指定用户可设置的模型属性。例如,hashSimilarityModel(“LifeTimeUnit”,“天”)创建一个基于两两比较的相似度模型,使用天数作为生命周期单位。可以指定多个名称-值对。将每个属性名用引号括起来。

输入参数

全部展开

基于两两比较的相似度模型,指定为pairwiseSimilarityModel对象。

属性

全部展开

时间序列距离的计算方法,指定为下列之一:

  • “相关”-使用相关性测量距离

  • “dtw”-使用动态时间翘曲计算距离。有关更多信息,请参见dtw

你可以指定方法

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

距离公式“dtw”距离计算方法,指定为下列之一:

  • “欧式”-使用残差的2范数。

  • “绝对”-使用残差的1范数。

你可以指定距离

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

计算相似度的历史数据的生命周期,指定为正标量或持续时间对象。当计算相似度时,模型使用生命周期的历史数据(t-HistorySpan)到一生t,在那里t是当前生存期。

你可以指定HistorySpan

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

决定相似性计算的集成成员排除规则的因素,指定为从0到1的标量。WithinRangeRatio当测试数据的长度和集成成员数据的长度不匹配时使用,这种情况发生在历史数据的生命周期结束值附近。当WithinRangeRatio1,则不排除乐团成员。

假设较短的数据的长度为P较长的数据的长度是.然后,只有当(1 -WithinRangeRatio) < =P< =.否则,将忽略集合成员。

你可以指定WithinRangeRatio

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

此属性是只读的。

集成成员寿命,指定为双向量或持续时间对象向量,并由集成成员降级概要文件计算适合函数。

RUL估计的最近邻居数,指定为或者一个有限正整数。如果NumNearestNeighbors,然后predictRUL在估计期间使用所有集成成员。

你可以指定NumNearestNeighbors

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

标记,以包括领带,指定为真正的.当IncludeTies真正的时,该模型包含与测试组件数据的距离小于的所有邻居K最小距离,其中K等于NumNearestNeigbors

你可以指定IncludeTies

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

在计算距离之前标准化特征数据的标志,指定为真正的,或“时变”

标准化真正的,特征数据标准化,使特征X就变成了(X-mean (X)) /性病(X)

标准化“时变”,特征数据标准化,使特征Xt)成为Xt) -t)) /年代t.在这里,t),年代t)是对数据均值和标准差的估计。

你可以指定标准化

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

生命周期变量,指定为包含有效MATLAB的字符串®变量名或""

当你训练模型时使用适合函数,如果你的训练数据是a:

  • 表格,然后LifeTimeVariable必须匹配表中的一个变量名

  • 时间表,然后LifeTimeVariable表中的一个变量名或者时间变量的维度名,data.Properties.DimensionNames {1}

你可以指定LifeTimeVariable

  • 在创建模型时使用名称-值对

  • 作为参数适合函数

  • 在模型创建后使用点符号

生命周期变量单位,以字符串形式指定。

生命周期变量的单位不需要是基于时间的。测试组件的寿命可以根据使用变量来测量,例如行驶距离(英里)或燃料消耗(加仑)。

降级变量名,指定为字符串或字符串数组。字符串DataVariables必须是有效的MATLAB变量名。

你可以指定DataVariables

  • 在创建模型时使用名称-值对

  • 作为参数适合函数

  • 在模型创建后使用点符号

使用并行计算进行最近邻居搜索的标志,指定为任意一个真正的

你可以指定UseParallel

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

用于记帐的附加模型信息,指定为任何数据类型或格式。该模型不使用此信息。

你可以指定用户数据

  • 在创建模型时使用名称-值对

  • 在模型创建后使用点符号

对象的功能

predictRUL 估算测试组件的剩余使用寿命
适合 利用历史数据估计剩余使用寿命模型参数
比较 比较测试数据和历史数据集合的相似性模型

例子

全部折叠

加载训练数据。

负载(“pairwiseTrainVectors.mat”

训练数据是由列向量组成的单元格数组。每个列向量都是一个组件的退化特征剖面。

创建一个默认设置的成对相似度模型。

mdl = pairwiseSimilarityModel;

利用训练数据训练相似度模型。

fit (mdl pairwiseTrainVectors)

加载训练数据。

负载(“pairwiseTrainTables.mat”

训练数据是由表格组成的单元格数组。每个表都是一个组件的退化特性概要文件。中的生命周期测量值组成了每个配置文件“时间”变量和相应的退化特征测量“条件”变量。

创建一个使用绝对距离度量的动态时间翘曲计算距离的成对相似度模型。

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

利用训练数据训练相似度模型。指定生命周期和数据变量的名称。

fit (mdl pairwiseTrainTables,“时间”“条件”

加载训练数据。

负载(“pairwiseTrainTables.mat”

训练数据是由表格组成的单元格数组。每个表都是一个组件的退化特性概要文件。中的生命周期测量值组成了每个配置文件“时间”变量和相应的退化特征测量“条件”变量。

创建一个成对相似度模型,使用绝对距离度量的动态时间翘曲计算距离,并使用小时作为生命时间单位。

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

利用训练数据训练相似度模型。指定生命周期和数据变量的名称。

fit (mdl pairwiseTrainTables,“时间”“条件”

负载测试数据。测试数据包含测试组件到当前生命周期的退化特征测量值。

负载(“pairwiseTestData.mat”

利用训练好的相似度模型预测测试组件的RUL。

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

该组件的估计RUL约为94小时。

扩展功能

版本历史

在R2018a中引入