residualSimilarityModel

剩余使用寿命估计的残差比较相似模型

全部展开页面

描述

使用residualSimilarityModel使用基于残差比较的相似模型估计组件的剩余使用寿命(RUL)。当您拥有类似组件集成的降级配置文件(例如按照相同规格制造的多台机器)，并且您知道降级过程的动力学时，此模型非常有用。数据集合中每个成员的历史数据都用相同结构的模型拟合。测试组件的退化数据用于计算每个集成模型的一步预测误差或残差。这些误差的大小表明测试组件与相应的集成成员有多相似。

配置一个residualSimilarityModel对象,使用适合，它训练并存储每个数据集成成员的降级模型。一旦您配置了相似模型的参数，您就可以预测使用相似组件的剩余有用寿命predictRUL．对于相似模型，测试组件的RUL被估计为最相似组件的寿命跨度的中位数统计量减去测试组件的当前寿命值。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

语法

mdl = residualSimilarityModel

mdl = residualSimilarityModel (initModel)

mdl = residualSimilarityModel (＿＿＿、名称、值)

描述

例子

mdl= residualSimilarityModel创建基于残差比较的相似度模型，用于估计RUL，并使用默认设置初始化该模型。

mdl= residualSimilarityModel (initModel）创建基于残差比较的相似度模型，并使用现有模型初始化模型参数residualSimilarityModel对象initModel．

例子

mdl= residualSimilarityModel (＿＿＿，名称,值）使用名称-值对指定用户可设置的模型属性。例如,residualSimilarityModel(“LifeTimeUnit”,“天”)创建基于剩余比较的相似性模型，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

`initModel`- - - - - -基于残差比较的相似模型
`residualSimilarityModel`对象

基于残差比较的相似度模型，指定为residualSimilarityModel对象。

属性

全部展开

`方法`- - - - - -类型的模型
`“arma2”`(默认)|`“线性”`|`“arima2”`|`“poly2”`|`“exp1”`|……

类型的模型训练使用适合函数，用于残差生成，指定为:

“线性”-行与偏移项
“poly2”——二阶多项式
“poly3”——三阶多项式
“exp1”-指数与偏移项
“exp2”-两个指数之和
“arma2”-二阶ARMA模型
“arma3”-三阶ARMA模型
“arima2”-带噪声积分的二阶ARMA模型
“arima3”-带噪声积分的三阶ARMA模型

根据您对组件降级过程的动态了解选择模型类型。

您可以指定方法：

在创建模型时使用名称-值对
在模型创建后使用点符号

有关估计ARMA和多项式模型的更多信息，请参见armax和polyfit,分别。

`距离`- - - - - -距离计算方法
`“欧式”`(默认)|`“绝对”`|函数处理

距离计算方法，指定为以下方式之一:

“欧式”—使用残差信号的2范数。
“绝对”—使用残差信号的1范数。
函数句柄-使用表单的自定义函数:
```
D = distanceFunction(右)
```
在那里,
- r为残差，指定为列向量。
- D为距离，返回为非负标量。

您可以指定距离：

在创建模型时使用名称-值对
在模型创建后使用点符号

`模型`- - - - - -拟合模型的参数
单元阵列

此属性是只读的。

为训练数据集合的每个成员拟合模型的参数，指定为单元阵列并由适合函数。的内容模型取决于用于回归的模型类型，如方法．

`方法`	模型结构	`模型`单元格内容
`“线性”`	一个t+b	行向量- [一个b］
`“poly2”`	一个t²+bt+c	行向量- [一个bc］
`“poly3”`	一个t^3.+bt²+ct+d	行向量- [一个bcd］
`“exp1”`	一个e^bt+c	行向量- [一个bc］
`“exp2”`	一个e^bt+ce^dt	行向量- [一个bcd］
`“arma2”`	二阶自回归滑动平均模型: $一个（问）年代（ t ）＝ C （问） e （ t ）$ 在哪里一个(问) = [1一个₁问^－1一个₂问^－２］ C (问) = [1c₁问^－1］ S (t)为退化特性	结构方面: `一个`-行向量[1一个₁一个₂］ `C`-行向量[1c₁］
`“arma3”`	类似于`“arma2”`,但一个(问三阶,C (问)二阶	结构方面: `一个`-行向量[1一个₁一个₂一个₂］ `C`-行向量[1c₁c₂］
`“arima2”`	类似于`“arma2”`，但附加一个噪声积分器: $一个（问）年代（ t ）＝ \frac{C （问）}{1 - 问^{- 1}} e （ t ）$	结构方面: `一个`-行向量[1一个₁一个₂］ `C`-行向量[1c₁］
`“arima3”`	类似于`“arma3”`，但附加了一个噪声积分器	结构方面: `一个`-行向量[1一个₁一个₂一个₂］ `C`-行向量[1c₁c₂］

有关估计ARMA和多项式模型的更多信息，请参见armax和polyfit,分别。

`ModelMSE`- - - - - -每个模型估计的均方误差
向量

此属性是只读的。

中每个模型估计的均方误差模型，指定为向量并由适合函数。

`寿命`- - - - - -集合成员寿命
双矢量(默认)|向量的`持续时间`对象

此属性是只读的。

集合成员寿命，指定为双向量或持续时间目标向量，由集合成员退化轮廓计算得到适合函数。

`NumNearestNeighbors`- - - - - -用于RUL估计的最近邻数
`正`(默认)|有限的正整数

RUL估计的最近邻居数，指定为正或者一个有限正整数。如果NumNearestNeighbors是正,然后predictRUL在评估期间使用所有的集成成员。

您可以指定NumNearestNeighbors：

在创建模型时使用名称-值对
在模型创建后使用点符号

`IncludeTies`- - - - - -标志包括领带
`真正的`(默认)|`假`

标志以包含领带，指定为真正的或假．当IncludeTies是真正的，模型包含所有距离测试组件数据小于的邻居K最小距离，其中K等于NumNearestNeigbors．

您可以指定IncludeTies：

在创建模型时使用名称-值对
在模型创建后使用点符号

`标准化`- - - - - -残差标准化标志
`假`(默认)|`真正的`

在计算距离前标准化残差的标志，指定为真正的或假．

当标准化是真正的，残差是由估计的均方误差的平方根反比成比例的ModelMSE．

您可以指定标准化：

在创建模型时使用名称-值对
在模型创建后使用点符号

`LifeTimeVariable`- - - - - -生命周期变量
`＂＂`(默认)|字符串

生命周期变量，指定为包含有效MATLAB的字符串^®变量名或＂＂．

当你用适合函数，如果您的训练数据为:

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时间变量的维度名，data.Properties.DimensionNames {1}

您可以指定LifeTimeVariable：

在创建模型时使用名称-值对
作为一个参数适合函数
在模型创建后使用点符号

`LifeTimeUnit`- - - - - -一生变量单位
`＂＂`(默认)|字符串

生命周期变量单位，指定为字符串。

生命周期变量的单位不需要基于时间。测试组件的寿命可以用使用变量来衡量，例如行驶的距离(英里)或消耗的燃料(加仑)。

`DataVariables`- - - - - -退化变量名
`＂＂`(默认)|字符串|字符串数组

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

您可以指定DataVariables：

在创建模型时使用名称-值对
作为一个参数适合函数
在模型创建后使用点符号

`UseParallel`- - - - - -使用并行计算的标志
`假`(默认)|`真正的`

为最近邻搜索使用并行计算的标志，指定为真正的或假．

您可以指定UseParallel：

在创建模型时使用名称-值对
在模型创建后使用点符号

`用户数据`- - - - - -额外的模型信息
`［］`(默认)|任何数据类型或格式

用于记帐的附加模型信息，指定为任何数据类型或格式。模型不使用此信息。

您可以指定用户数据：

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`	估计测试组件的剩余使用寿命
`适合`	利用历史数据估计剩余寿命模型的参数
`比较`	比较测试数据和历史数据的相似性模型集合

例子

全部折叠

训练剩余相似模型

打开生活的脚本

负荷训练数据。

负载(“residualTrainVectors.mat”）

训练数据是列向量的单元格数组。每个列向量是一个组件的降级特征配置文件。

使用默认设置创建残余相似度模型。

mdl = residualSimilarityModel;

利用训练数据训练相似度模型。

fit (mdl residualTrainVectors)

基于表格数据的训练剩余相似度模型

打开生活的脚本

负荷训练数据。

负载(“residualTrainTables.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降级特性配置文件。每个配置文件包含生命周期测量值“时间”变量和相应的退化特征的测量“条件”变量。

创建残差相似模型，用三阶ARMA模型拟合数据，并使用绝对距离度量。

mdl = residualSimilarityModel (“方法”，“arma3”，“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 residualTrainTables,“时间”，“条件”）

利用残差相似模型预测规则

打开生活的脚本

负荷训练数据。

负载(“residualTrainTables.mat”）

建立残差相似度模型，用三阶ARMA模型拟合数据，并使用小时作为生命时间单位。

mdl = residualSimilarityModel (“方法”，“arma3”，“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 residualTrainTables,“时间”，“条件”）

负载测试数据。测试数据包含截至当前生命周期的测试组件的降级特性度量。

负载(“residualTestData.mat”）

使用训练的相似度模型预测测试组件的RUL。

residualTestData estRUL = predictRUL (mdl)

estRUL =持续时间85.73人力资源

该组件的估计RUL约为86小时。

扩展功能

自动并行支持金宝app
使用并行计算工具箱™自动并行运行计算，加速代码。

为了并行地评估这些模型，设置UseParallel财产真正的．

另请参阅

功能

pairwiseSimilarityModel|hashSimilarityModel|适合|predictRUL

主题

介绍了R2018a

residualSimilarityModel

描述

创建

语法

描述

输入参数

`initModel`- - - - - -基于残差比较的相似模型
`residualSimilarityModel`对象

属性

`方法`- - - - - -类型的模型
`“arma2”`(默认)|`“线性”`|`“arima2”`|`“poly2”`|`“exp1”`|……

`距离`- - - - - -距离计算方法
`“欧式”`(默认)|`“绝对”`|函数处理

`模型`- - - - - -拟合模型的参数
单元阵列

`ModelMSE`- - - - - -每个模型估计的均方误差
向量

`寿命`- - - - - -集合成员寿命
双矢量(默认)|向量的`持续时间`对象

`NumNearestNeighbors`- - - - - -用于RUL估计的最近邻数
`正`(默认)|有限的正整数

`IncludeTies`- - - - - -标志包括领带
`真正的`(默认)|`假`

`标准化`- - - - - -残差标准化标志
`假`(默认)|`真正的`

`LifeTimeVariable`- - - - - -生命周期变量
`＂＂`(默认)|字符串

`LifeTimeUnit`- - - - - -一生变量单位
`＂＂`(默认)|字符串

`DataVariables`- - - - - -退化变量名
`＂＂`(默认)|字符串|字符串数组

`UseParallel`- - - - - -使用并行计算的标志
`假`(默认)|`真正的`

`用户数据`- - - - - -额外的模型信息
`［］`(默认)|任何数据类型或格式

对象的功能

例子

训练剩余相似模型

基于表格数据的训练剩余相似度模型

利用残差相似模型预测规则

扩展功能

自动并行支持金宝app
使用并行计算工具箱™自动并行运行计算，加速代码。

另请参阅

功能

主题

预测性维护工具箱文档

金宝app

基于MATLAB的预测维护

residualSimilarityModel

描述

创建

语法

描述

输入参数

initModel- - - - - -基于残差比较的相似模型residualSimilarityModel对象

属性

方法- - - - - -类型的模型“arma2”(默认)|“线性”|“arima2”|“poly2”|“exp1”|……

距离- - - - - -距离计算方法“欧式”(默认)|“绝对”|函数处理

模型- - - - - -拟合模型的参数单元阵列

ModelMSE- - - - - -每个模型估计的均方误差向量

寿命- - - - - -集合成员寿命双矢量(默认)|向量的持续时间对象

NumNearestNeighbors- - - - - -用于RUL估计的最近邻数正(默认)|有限的正整数

IncludeTies- - - - - -标志包括领带真正的(默认)|假

标准化- - - - - -残差标准化标志假(默认)|真正的

LifeTimeVariable- - - - - -生命周期变量＂＂(默认)|字符串

LifeTimeUnit- - - - - -一生变量单位＂＂(默认)|字符串

DataVariables- - - - - -退化变量名＂＂(默认)|字符串|字符串数组

UseParallel- - - - - -使用并行计算的标志假(默认)|真正的

用户数据- - - - - -额外的模型信息［］(默认)|任何数据类型或格式

对象的功能

例子

训练剩余相似模型

基于表格数据的训练剩余相似度模型

利用残差相似模型预测规则

扩展功能

自动并行支持金宝app使用并行计算工具箱™自动并行运行计算，加速代码。

另请参阅

功能

主题

预测性维护工具箱文档

金宝app

基于MATLAB的预测维护

`initModel`- - - - - -基于残差比较的相似模型
`residualSimilarityModel`对象

`方法`- - - - - -类型的模型
`“arma2”`(默认)|`“线性”`|`“arima2”`|`“poly2”`|`“exp1”`|……

`距离`- - - - - -距离计算方法
`“欧式”`(默认)|`“绝对”`|函数处理

`模型`- - - - - -拟合模型的参数
单元阵列

`ModelMSE`- - - - - -每个模型估计的均方误差
向量

`寿命`- - - - - -集合成员寿命
双矢量(默认)|向量的`持续时间`对象

`NumNearestNeighbors`- - - - - -用于RUL估计的最近邻数
`正`(默认)|有限的正整数

`IncludeTies`- - - - - -标志包括领带
`真正的`(默认)|`假`

`标准化`- - - - - -残差标准化标志
`假`(默认)|`真正的`

`LifeTimeVariable`- - - - - -生命周期变量
`＂＂`(默认)|字符串

`LifeTimeUnit`- - - - - -一生变量单位
`＂＂`(默认)|字符串

`DataVariables`- - - - - -退化变量名
`＂＂`(默认)|字符串|字符串数组

`UseParallel`- - - - - -使用并行计算的标志
`假`(默认)|`真正的`

`用户数据`- - - - - -额外的模型信息
`［］`(默认)|任何数据类型或格式

自动并行支持金宝app
使用并行计算工具箱™自动并行运行计算，加速代码。