Мера изменчивости индикаторов состояния при отказе
Y = prognosability(X)
Y = prognosability(X,lifetimeVar)
Y = prognosability(X,lifetimeVar,dataVar)
Y = prognosability(X,lifetimeVar,dataVar,memberVar)
Y = prognosability(___,Name,Value)
prognosability(___)
возвращает prognosability пожизненных данных Y
= prognosability(X
)X
. Используйте prognosability
в качестве меры изменчивости функции при отказе на основе траекторий функции, измеренной в нескольких экспериментах выполнения к отказу. Более prognosable функция имеет меньше изменения при отказе относительно области значений между ее начальными и окончательными значениями. Значения Y
колеблются от 0 до 1, где Y
равняется 1, если X
совершенно prognosable и 0, если X
является non-prognosable.
возвращает prognosability пожизненных данных Y
= prognosability(X
,lifetimeVar
)X
с помощью пожизненной переменной lifetimeVar
.
возвращает prognosability пожизненных данных Y
= prognosability(X
,lifetimeVar
,dataVar
)X
с помощью переменных данных, заданных dataVar
.
возвращает prognosability пожизненных данных Y
= prognosability(X
,lifetimeVar
,dataVar
,memberVar
)X
с помощью пожизненной переменной lifetimeVar
, переменные данных, заданные dataVar
и членской переменной memberVar
.
оценивает prognosability с дополнительными опциями, заданными одним или несколькими аргументами пары Y
= prognosability(___,Name,Value
)Name,Value
. Можно использовать этот синтаксис с любой из предыдущих комбинаций входных аргументов.
prognosability(___)
без выходных аргументов строит столбчатую диаграмму оцениваемых prognosability значений.
Когда X
является длинной таблицей или длинным расписанием, prognosability
, тем не менее, загружает полный массив в память с помощью gather
. Если доступная память является несоответствующей, то prognosability
возвращает ошибку.
Вычисление prognosability использует эту формулу:
где xj представляет вектор измерений функции в системе jth, переменная M является количеством систем, проверенных, и Nj является количеством измерений в системе jth.
[1] Плоскодонная рыбачья лодка, J. и Дж. В. Хайнз. "Идентифицируя оптимальные предвещающие параметры от данных: подход генетических алгоритмов". В продолжениях ежегодной конференции предзнаменований и медицинского общества управления. 2009.
[2] Плоскодонная рыбачья лодка, J. "Объединяя источники данных, чтобы предсказать остающийся срок полезного использования - автоматизированный метод, чтобы идентифицировать параметры предзнаменований". Кандидатская диссертация. Университет Теннесси, Ноксвилла, TN, 2010.
[3] Леи, Y. Интеллектуальная диагностика отказа и остающийся прогноз срока полезного использования вращающегося машинного оборудования. Сиань, Китай: Сиань университетское издательство Цзяотуна, 2017.
[4] Lofti, S., Дж. Б. Али, Э. Бечхоефер и М. Бенбузид. "Ветряной двигатель высокоскоростной медицинский прогноз подшипников вала через спектральные выведенные Эксцессом индексы и SVR". Прикладное Издание 120, 2017 Акустики, стр 1-8.