RUL估计,使用鉴定模式或状态估值

当你有一个描述系统行为的某些方面的鉴定动态模型,您可以使用该模型来预测未来的行为。您可以识别从系统数据等的动态模型。或者,如果你有一个代表与时间或使用你的机器的运行系统数据,您可以提取该数据条件指标和追踪的状态指示器的行为随着时间或使用。然后,您可以识别描述工况指示器的行为的模型,并使用该模型来预测一个条件指标的未来值。如果你知道,例如,当某种条件指标超过某个阈值系统需要维修,您可以识别状态指示灯的时间演化的模型。然后,您可以传播模型往前赶,以确定这将是多么漫长的条件指标达到阈值之前。

您可以使用动态模型的识别一些功能包括:

  • ssest- 估计从时域的输入输出数据或频率响应数据的状态空间模型。

  • ARXARMAXAR- 估算自回归或移动平均(AR或ARMA)从时间序列数据模型。

  • nlarx- 使用动态非线性估计诸如小波网络,树的分割,和乙状结肠网络模型的非线性行为。

您可以使用功能,如预测预测辨识模型的未来行为。这个例子状态监测和预测使用振动信号使用这种方法来预测RUL。

还有你收集和处理数据,让你适合实时模型的递归估计,如recursiveARXrecursiveAR

RUL估计与状态估计如unscentedKalmanFilterextendedKalmanFilterparticleFilter作品以类似的方式。你对一些随时间变化的数据进行状态估计和预测未来的状态值来确定,直到失败相关的一些状态值发生的时间。

相关话题