Сбросьте остающуюся модель ухудшения срока полезного использования
restart(mdl)restart(mdl,resetPrior)restart(___,Name,Value)restart( сбрасывает внутренне сохраненную статистику процесса ухудшения, накопленного предыдущими вызовами mdl)update, и сбрасывает свойства InitialLifeTimeValue и CurrentLifeTimeValue модели. Если свойство SlopeDetectionLevel модели не пусто, то наклонный тест также перезапущен, игнорируя любые предыдущие обнаружения.
restart( устанавливает предшествующие значения параметров в mdl,resetPrior)mdl к их соответствующим следующим значениям, когда resetPrior является true.
restart(___, задает свойства Name,Value)mdl с помощью одного или нескольких аргументов пары "имя-значение".
Загрузите данные тренировки, который является профилем функции ухудшения для компонента.
load('expRealTime.mat')В данном примере примите, что данные тренировки не являются историческими данными. Когда нет никаких исторических данных, можно обновить модель ухудшения в режиме реального времени с помощью наблюдаемых данных.
Создайте экспоненциальную модель ухудшения со следующими настройками:
предшествующее распределение со средним значением 2.4 и отклонением 0.006
предшествующее распределение со средним значением 0.07 и отклонением 3e-5
Шумовое отклонение 0.003
mdl = exponentialDegradationModel('Theta',2.4,'ThetaVariance',0.006,... 'Beta',0.07,'BetaVariance',3e-5,... 'NoiseVariance',0.003);
С тех пор в данных тренировки нет никакой пожизненной переменной, создайте произвольный пожизненный вектор для подбора кривой.
lifeTime = [1:length(expRealTime)];
Наблюдайте функцию ухудшения 100 итераций. Обновите модель ухудшения после каждой итерации.
for i=1:100 update(mdl,[lifeTime(i) expRealTime(i)]) end
Сбросьте модель, которая очищает накопленную статистику от предыдущих наблюдений и сбрасывает апостериорные распределения к предшествующим дистрибутивам.
restart(mdl)
Загрузите данные тренировки, который является профилем функции ухудшения для компонента.
load('expRealTime.mat')В данном примере примите, что данные тренировки не являются историческими данными. Когда нет никаких исторических данных, можно обновить модель ухудшения в режиме реального времени с помощью наблюдаемых данных.
Создайте экспоненциальную модель ухудшения со следующими настройками:
Произвольный и предшествующие дистрибутивы с большими отклонениями так, чтобы модель положилась в основном на наблюдаемые данные
Шумовое отклонение 0.003
mdl = exponentialDegradationModel('Theta',1,'ThetaVariance',1e6,... 'Beta',1,'BetaVariance',1e6,... 'NoiseVariance',0.003);
С тех пор в данных тренировки нет никакой пожизненной переменной, создайте произвольный пожизненный вектор для подбора кривой.
lifeTime = [1:length(expRealTime)];
Наблюдайте функцию ухудшения 10 итераций. Обновите модель ухудшения после каждой итерации.
for i=1:10 update(mdl,[lifeTime(i) expRealTime(i)]) end
После наблюдения модели в течение некоторого времени, например, в установившейся рабочей точке, можно перезапустить модель и сохранить текущее апостериорное распределение как предшествующее распределение.
restart(mdl,true)
Просмотрите обновленные предшествующие параметры распределения.
mdl.Prior
ans = struct with fields:
Theta: 2.3555
ThetaVariance: 0.0058
Beta: 0.0722
BetaVariance: 3.6362e-05
Rho: -0.8429
mdl — Degradation RULlinearDegradationModel | объект exponentialDegradationModelМодель Degradation RUL, заданная как объект linearDegradationModel или объект exponentialDegradationModel. restart очищает накопленную статистику в mdl и сбрасывает свойства InitialLifeTimeValue и CurrentLifeTimeValue mdl.
resetPrior — Отметьте для сброса предшествующих значений параметровfalse (значение по умолчанию) | trueОтметьте для сброса предшествующей информации параметра, указанной как логическое значение. Когда resetPrior:
true, затем restart устанавливает предшествующие значения параметров mdl к их соответствующим текущим следующим значениям параметров. Например, mdl.Prior.Theta установлен в mdl.Theta.
false или не использованный, затем restart не обновляет предшествующее.
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
nv1,'value''Theta' — Среднее значение параметра модели θЭто свойство доступно только для чтения.
Среднее значение параметра модели θ, заданного как пара, разделенная запятой 'Theta' и скаляр. Используйте этот аргумент, чтобы установить свойство Theta mdl и соответствующее поле свойства Prior mdl.
'ThetaVariance' — Отклонение параметра модели θЭто свойство доступно только для чтения.
Отклонение параметра θ в модели ухудшения, заданной как пара, разделенная запятой 'ThetaVariance' и неотрицательный скаляр. Используйте этот аргумент, чтобы установить свойство ThetaVariance mdl и соответствующее поле свойства Prior mdl.
\beta Среднее значение параметра модели βЭто свойство доступно только для чтения.
Среднее значение параметра модели β, заданного как пара, разделенная запятой 'Beta' и скаляр. Используйте этот аргумент, чтобы установить свойство Beta mdl и соответствующее поле свойства Prior mdl.
Этот аргумент применяется только, когда mdl является exponentialDegradationModel.
'BetaVariance' — Отклонение параметра модели βЭто свойство доступно только для чтения.
Отклонение параметра модели β, заданного как пара, разделенная запятой 'BetaVariance' и неотрицательный скаляр. Используйте этот аргумент, чтобы установить свойство BetaVariance mdl и соответствующее поле свойства Prior mdl.
Этот аргумент применяется только, когда mdl является exponentialDegradationModel.
\rho Корреляция между θ и βЭто свойство доступно только для чтения.
Корреляция между θ и β, заданным как пара, разделенная запятой 'Rho' и скалярное значение в области значений [-1,1]. Используйте этот аргумент, чтобы установить свойство Rho mdl и соответствующее поле свойства Prior mdl.
Этот аргумент применяется только, когда mdl является exponentialDegradationModel.
'NoiseVariance' — Образцовое аддитивное шумовое отклонениеОбразцовое аддитивное шумовое отклонение, заданное как пара, разделенная запятой 'NoiseVariance' и неотрицательный скаляр. Используйте этот аргумент, чтобы установить свойство NoiseVariance mdl.
'SlopeDetectionLevel' — Наклонный уровень обнаружения[]Наклонный уровень обнаружения для определения запуска процесса ухудшения, заданного как пара, разделенная запятой 'SlopeDetectionLevel' и скаляр в области значений [0,1]. Используйте этот аргумент, чтобы установить свойство SlopeDetectionLevel mdl.
Чтобы отключить наклонный тест обнаружения, установите SlopeDetectionLevel на [].
'UseParallel' Отметьте для использования параллельных вычисленийfalse (значение по умолчанию) | trueОтметьте для использования параллельных вычислений при подборе кривой предшествующим значениям от данных, заданных как пара, разделенная запятой 'UseParallel' и или true или false. Используйте этот аргумент, чтобы установить свойство UseParallel mdl.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.