主要内容

Rul추정기모델을사용한Rul추정

预见性维护工具箱™에는다양한유형의측정된시스템데이터로부터荷重软化을계산하도록설계된특화모델이있습니다。이러한모델은다음과같은과거데이터와정보가있는경우에유용합니다。

  • 진단하고자하는기계와유사한기계들의RTF(运行到故障)이력

  • 고장을나타내는상태지@ @의알려진임계값

  • 비슷한기계에서고장이발생하기까지걸린시간또는집계된사용량에대한데이터(수명)

荷重软化추정모델은과거데이터를사용하여모델을훈련시키고이를잔여수명예측을수행하는데사용할방법을제공합니다。여기서수명이라는용어는시스템수명을측정하는데어떤방법을사용하든그수량으로정의된기계의수명을가리킵니다。마찬가지로，시간 변화는사용량,이동한거리,사이클수또는수명을기술하는다른수량이포함된값의변화를의미할수있습니다。

Rul추정모델을사용하는일반적워크플로는다음과같습니다。

  1. 갖고있는데이터및시스템지식에대해가장적합한유형의荷重软化추정모델을선택합니다。대응하는모델객체를만들고구성합니다。

  2. 갖고있는과거데이터를사용하여추정모델을훈련시킵니다。이렇게하려면适合명령을사용하십시오。

  3. 과거데이터와동일한유형의테스트데이터를사용하여테스트구성요소의荷重软化을추정합니다。이렇게하려면predictRUL명령을사용하십시오。테스트데이터를재귀적으로사용해서성능저하모델과같은일부모델유형을업데이트하여예측을정확하게유지할수도있습니다。이렇게하려면更新명령을사용하십시오。

이러한단계를보여주는기본적예제는데이터가수신됨에따라rul예측업데이트하기항목을참조하십시오。

Rul추정기선택하기

Rul추정모델은세가지모델군으로나뉩니다。다음그림에서볼수있듯이,갖고있는데이터와시스템정보를기반으로어느모델군과어느모델을사용할것인지선택합니다。

유사성모델

유사성모델은과거데이터베이스에서비슷한기계의알려진동작을기반으로하여테스트기계의荷重软化예측을수행합니다。이러한모델은테스트데이터또는상태지표값의추세를다른비슷한시스템에서추출한동일한정보와비교합니다。

유사성모델은다음과같은경우에유용합니다。

  • 비슷한시스템(구성소)의RTF데이터가있는경우。RTF데이터는정상작동중에시작되고기계가고장또는유지관리에가까운상태에있을때종료되는데이터입니다。

  • RTF데이터가비슷한성능저하동작을보이는경우。즉，데이터는시스템이성능저하를겪을때특징적marketing방식으로변화합니다。

따라서데이터앙상블에서성능저하프로파일을얻을수있는경우유사성모델을사용할수있습니다。성능저하프로파일은기계가정상상태에서결함상태로천이함에따라앙상블에있는각기계(각구성요소)의하나이상의상태지표에일어나는변화를나타냅니다。

预见性维护工具箱에는세가지유형의유사성모델이있습니다。세가지유형모두테스트데이터세트의성능저하이력과앙상블에있는데이터세트의성능저하이력사이의유사성을확인하여荷重软化을추정합니다。유사성모델에대해，predictRUL은테스트구성요소의荷重软化을가장비슷한구성요소의수명중앙값에서테스트구성요소의현재수명값을뺀값으로추정합니다。세가지모델은유사성이라는개념을정의하고수량화하는방식에차이가있습니다。

  • 해시특징유사성모델(hashSimilarityModel) - - -이모델은앙상블의각멤버의과거성능저하데이터를평균,총파워,최댓값/최솟값또는그밖의수량과같은고정크기의응축된정보로변환합니다。

    hashSimilarityModel객체에대해适合을호출하면소프트웨어는이러한해시 특징을계산하여유사성모델에저장합니다。테스트구성소의데이터를사용하여predictRUL을호출하면소프트웨어는해시특징을계산하고그결과를과거해시특징으로구성된테이블의값과비교합니다。

    해시특징유사성모델은예측에필요한데이터저장공간의양을줄여주기때문에다량의성능저하데이터가있는경우에유용합니다。그러나그정확도는모델에서사용하는해시함수의정확도에따라달라집니다。데이터에서양호한상태지를식별한경우，hashSimilarityModel객체의方法속성을사용하여해당특징을사용하도록해시함수를지정할수있습니다。

  • 쌍별유사성모델(pairwiseSimilarityModel)——쌍별유사성추정은과거성능저하경로가테스트구성요소의과거성능저하경로와가장상관관계가큰구성요소를찾아서荷重软化을확인합니다。즉,쌍별유사성추정은여러시계열사이의거리를계산하는데,여기서거리는상관,동적시간워핑(dtw)또는사용자가제공하는사용자지정메트릭으로정의됩니다。쌍별유사성추정은시간에따라변하는성능저하프로파일을고려함으로써해시유사성모델보다더나은결과를제공할수있습니다。

  • 잔차유사성모델(residualSimilarityModel)——잔차기반추정은이전데이터를모델(예:ARMA모델,사용시간이선형또는지수인모델등)에피팅합니다。그런다음앙상블모델에서예측된데이터와테스트구성요소의데이터사이의잔차를계산합니다。잔차유사성모델은쌍별유사성모델의변형이라고도볼수있으며,여기서잔차의크기는거리측정법이됩니다。잔차유사성접근방식은시스템에대한지식에성능저하모델의형태가포함된경우에유용합니다。

Rul추정에유사성모델을사용하는예제는유사성기반잔여수명추정항목을참조하십시오。

성능저하모델

성능저하모델은과거의동작을외삽하여미래의상태를예측합니다。이유형의荷重软化계산에서는앙상블에성능저하프로파일이주어진경우상태지표의성능저하프로파일에선형또는지수모델을피팅합니다。그런다음테스트구성요소의성능저하프로파일을사용하여지표가미리정해진임계값에도달하기까지의잔여시간을통계적으로계산합니다。이러한모델은고장을나타내는상태지@ @의알려진값이있는경우에가장유용합니다。사용가능한두가지성능저하모델유형은다음과같습니다。

  • 선형성능저하모델(linearDegradationModel)——성능저하동작을오프셋항을갖는선형확률과정(随机过程)으로기술합니다。선형성능저하모델은시스템이누적성능저하를겪지않는경우에유용합니다。

  • 지수성능저하모델(exponentialDegradationModel——성능저하동작을오프셋항을갖는지수확률과정(随机过程)으로기술합니다。지수성능저하모델은테스트구성소가누적성능저하를겪는경우에유용합니다。

성능저하모델객체를만든후에는비슷한구성요소(예:동일한사양으로제조된여러기계)로구성된앙상블의건전성과관련된과거데이터를사용하여모델을초기화합니다。이렇게하려면适合를사용하십시오。그런 다음predictRUL을사용하여비슷한구성소의잔여수명을예측할수있습니다。

성능저하모델에서는단일상태지@ @만사용할수있습니다。단,주성분분석또는기타융합기법을사용하여둘이상의상태지표의정보를통합하는융합된상태지표를생성할수있습니다。단일지표를사용하든융합된지표를사용하든,모델링과외삽이안정성을갖도록명확한증가추세또는감소추세를보이는지표를찾으십시오。

이접근방식으로성능저하모델을사용하여rul을추정하는예제는풍력터빈고속베어링예지진단항목을참조하십시오。

생존 모델

생존분석은이벤트가발생하기까지걸리는시간데이터를모델링하는데사용되는통계적방법입니다。생존모델은완전한RTF이력은없으나그대신다음과같은데이터가있는경우에유용합니다。

  • 비슷한구성소의수명에대한데이터만있는경우。예를들어,앙상블에포함된각엔진이유지관리가필요하게될때까지몇마일을주행했는지또는앙상블에포함된각기계가고장이발생하게될때까지몇시간을작동했는지를알고있을수있습니다。이 경우reliabilitySurvivalModel을사용합니다。이모델은비슷한구성요소모음의고장수명에대한과거정보가주어진경우고장수명의확률분포를추정합니다。분포는테스트구성소의rul을추정하는데사용됩니다。

  • 수명과함께，rul과상관관계가있는다른변수데이터(공변량)가있는경우。환경 변수또는설명 변수라고도하는공변량은구성요소제공자,구성요소가사용된영역,제조배치(批)와같은정보로구성됩니다。이 경우covariateSurvivalModel을사용합니다。이모델은수명과공변량을사용하여테스트구성요소의생존확률을계산하는비례위험생존모델입니다。

참고 항목

||||||||

관련 항목