主要内容

pairwiseSimilarityModel

基于两两比较的相似度模型用于估计剩余使用寿命

描述

使用pairwiseSimilarityModel使用基于两两比较的相似模型来估计组件的剩余使用寿命(RUL)。该模型直接将测试组件的降级概要与类似组件集成的降级路径历史进行比较,例如按照相同规格制造的多台机器。测试组件与集合成员的相似度是退化剖面与集合成员剖面之间的距离的函数,该距离使用相关或动态时间翘曲计算。

配置一个pairwiseSimilarityModel对象,使用适合.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

描述

例子

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

mdl= pairwiseSimilarityModel (initModel创建基于两两比较的相似度模型,并使用现有的参数初始化模型参数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”)创建基于配对比较的相似性模型,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

基于两两比较的相似性模型,指定为pairwiseSimilarityModel对象。

属性

全部展开

时间序列距离的计算方法,具体如下:

  • “相关”-使用相关性度量距离

  • “dtw”-使用动态时间扭曲计算距离。有关更多信息,请参见DTW.

您可以指定方法

  • 在创建模型时使用名称-值对

  • 模型创建后使用点表示法

距离公式“dtw”距离计算方法,指定为以下方式之一:

  • “欧式”-使用残差的2范数。

  • “绝对”-使用残差的1范数。

您可以指定距离

  • 在创建模型时使用名称-值对

  • 模型创建后使用点表示法

用于计算相似度的历史数据的生存期,指定为正标量或持续时间对象。在计算相似度时,模型使用来自生存期(t-HistorySpan)一生t,在那里t为当前的生命周期。

您可以指定HistorySpan

  • 在创建模型时使用名称-值对

  • 模型创建后使用点表示法

因子确定相似性计算的集合成员排除规则,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,则不排除合奏组成员。

假设较短数据的长度为P较长的数据的长度是.然后,仅当执行相似性测试(1 -WithinRangeRatio) < =P<=.否则,集合成员被忽略。

您可以指定WithinRangeRatio

  • 在创建模型时使用名称-值对

  • 模型创建后使用点表示法

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。

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

  • 模型创建后使用点表示法

标志以包含领带,指定为真正的或者.当IncludeTies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

  • 模型创建后使用点表示法

计算距离前特征数据标准化标志,指定为真正的,或“时变”

标准化真正的,特征数据是标准化的X就变成了(X-均值(x))/ std(x)

标准化“时变”,特征数据是标准化的Xt)成为Xt) -t)) /年代t.在这里,t),年代t)对数据的平均值和标准差进行估计。

您可以指定标准化

  • 在创建模型时使用名称-值对

  • 模型创建后使用点表示法

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必须匹配表中的变量名称

  • 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

  • 模型创建后使用点表示法

生命周期可变单元,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)。

degraation变量名称,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。

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

  • 模型创建后使用点表示法

为最近邻搜索使用并行计算的标志,指定为真正的或者

您可以指定UseParallel

  • 在创建模型时使用名称-值对

  • 模型创建后使用点表示法

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

  • 模型创建后使用点表示法

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

负荷训练数据。

负载(“pairwiseTrainVectors.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。

创建具有默认设置的成对相似模型。

mdl = pairwiseSimilarityModel;

利用训练数据训练相似度模型。

fit (mdl pairwiseTrainVectors)

负荷训练数据。

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”可变和相应的劣化特征测量“条件”变量。

创建一个两两相似的模型,使用带有绝对距离度量的动态时间翘曲来计算距离。

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”

负荷训练数据。

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”可变和相应的劣化特征测量“条件”变量。

创建一个两两相似的模型,该模型使用带有绝对距离度量的动态时间翘曲来计算距离,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。测试数据包含截至当前生命周期的测试组件的降级特性度量。

负载(“pairwiseTestData.mat”

使用训练的相似度模型预测测试组件的RUL。

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

该组件的估计RUL大约是94小时。

扩展功能

介绍了R2018a