Exponenta Banner
exponenta event banner

reliabilitySurvivalModel

Вероятностная разовая отказом модель для оценки остающегося срока полезного использования

расширьте все на странице

Описание

Используйте reliabilitySurvivalModel, чтобы оценить остающийся срок полезного использования (RUL) компонента с помощью распределения вероятностей времен отказа компонента. Модели выживания надежности полезны, когда единственные данные, которые вы имеете, являются временами отказа для ансамбля подобных компонентов, такими как несколько машин, произведенных к тем же спецификациям.

Чтобы сконфигурировать объект reliabilitySurvivalModel для определенного типа компонента, используйте fit, который оценивает коэффициенты распределения вероятностей из набора разовых отказом данных. Если вы конфигурируете параметры своей модели выживания надежности, можно затем предсказать остающийся срок полезного использования подобных компонентов с помощью predictRUL. Для основного примера, иллюстрирующего прогноз RUL, смотрите Обновление Прогноз RUL, когда Данные Прибывают.

Для получения общей информации о предсказании остающегося срока полезного использования см. Модели для Предсказания Остающегося Срока полезного использования.

Создание

Синтаксис

mdl = reliabilitySurvivalModel
mdl = reliabilitySurvivalModel(distribution)
mdl = reliabilitySurvivalModel(initModel)
mdl = reliabilitySurvivalModel(___,Name,Value)

Описание

пример

mdl = reliabilitySurvivalModel создает модель выживания надежности для оценки модели RUL, которая использует распределение Weibull и инициализирует модель с настройками по умолчанию.

mdl = reliabilitySurvivalModel(distribution) создает модель выживания надежности, которая использует заданную функцию распределения вероятностей и устанавливает свойство Distribution модели.

mdl = reliabilitySurvivalModel(initModel) создает модель выживания надежности и инициализирует параметры модели с помощью существующего объекта reliabilitySurvivalModel initModel.

пример

mdl = reliabilitySurvivalModel(___,Name,Value) задает устанавливаемые пользователем образцовые свойства с помощью пар "имя-значение". Например, reliabilitySurvivalModel('LifeTimeUnit',"days") создает модель выживания надежности, которая использует дни в качестве пожизненного модуля. Можно задать несколько пар "имя-значение". Заключите каждое имя свойства в кавычки.

Входные параметры

развернуть все

Модель выживания надежности, заданная как объект reliabilitySurvivalModel.

Свойства

развернуть все

Функция распределения вероятностей раньше моделировала пожизненное распределение, заданное как одно из следующего:

Строка распределенияОбъект распределения
"BirnbaumSaunders"BirnbaumSaundersDistribution
"Exponential"ExponentialDistribution
"Gamma"GammaDistribution
"GeneralizedPareto"GeneralizedParetoDistribution
"HalfNormal"HalfNormalDistribution
"InverseGaussian"InverseGaussianDistribution
"Kernel"KernelDistribution
"Logistic"LogisticDistribution
"Loglogistic"LoglogisticDistribution
"Lognormal"LognormalDistribution
"Nakagami"NakagamiDistribution
"Normal"NormalDistribution
"Poisson"PoissonDistribution
"Rayleigh"RayleighDistribution
"Stable"StableDistribution
"Weibull"WeibullDistribution

Чтобы сконфигурировать параметры функции распределения вероятностей, используйте функцию fit.

Это свойство доступно только для чтения.

Коэффициенты распределения оцениваются функцией fit, заданной как вектор. Для получения дополнительной информации о коэффициентах каждой функции распределения смотрите соответствующий объект распределения, перечисленный в Distribution. Для получения дополнительной информации об образцовом подборе кривой смотрите fitdist.

Это свойство доступно только для чтения.

Ковариация коэффициентов распределения, оцененных функцией fit, заданной как положительный массив с размером, равняется количеству коэффициентов. Для получения дополнительной информации о коэффициентах каждой функции распределения смотрите соответствующий объект распределения, перечисленный в Distribution.

Это свойство доступно только для чтения.

Содействующие имена распределения, присвоенные, когда модель обучена с помощью функции fit, задали как массив строк. Для получения дополнительной информации о коэффициентах каждой функции распределения смотрите соответствующий объект распределения, перечисленный в Distribution.

Переменная Censor, заданная как строка, которая содержит допустимое имя переменной MATLAB®. Переменная цензора является бинарной переменной, которая указывает, какие пожизненные измерения в data не являются значениями конца жизненного цикла.

CensorVariable не должен совпадать ни с одной из строк в DataVariables или LifeTimeVariable.

Можно задать CensorVariable:

  • Используя пару "имя-значение", когда вы создаете модель

  • В качестве аргумента, когда вы вызываете функцию fit

  • Используя запись через точку после образцового создания

Пожизненная переменная, заданная как строка, которая содержит допустимое имя переменной MATLAB. Для моделей выживания пожизненная переменная содержит исторические измерения продолжительности жизни компонентов.

Можно задать LifeTimeVariable:

  • Используя пару "имя-значение", когда вы создаете модель

  • В качестве аргумента, когда вы вызываете функцию fit

  • Вручную использующая запись через точку

Пожизненные переменные модули, заданные как строка.

Модули пожизненной переменной не должны быть основаны на времени. Жизнь тестового компонента может быть измерена с точки зрения переменной использования, такой как расстояние переместился (мили) или топливо, использованное (галлоны).

Переменные данных, заданные как пустая строка. Это свойство проигнорировано для моделей выживания надежности.

Дополнительная информация модели в бухгалтерских целях, заданных как любой тип данных или формат. Модель не использует эту информацию.

Можно задать UserData:

  • Используя пару "имя-значение", когда вы создаете модель

  • Используя запись через точку после образцового создания

Функции объекта

predictRULОцените остающийся срок полезного использования для тестового компонента
fitОцените параметры остающейся модели срока полезного использования, использующей исторические данные

Примеры

свернуть все

Скрипт Open Live Script

Загрузите данные тренировки.

load('reliabilityData.mat')

Эти данные являются вектор-столбцом объектов duration, представляющих времена выброса батареи.

Создайте модель выживания надежности с настройками по умолчанию.

mdl = reliabilitySurvivalModel;

Обучите модель выживания использование данных тренировки.

fit(mdl,reliabilityData,"hours")
Скрипт Open Live Script

Загрузите данные тренировки.

load('reliabilityData.mat')

Эти данные являются вектор-столбцом объектов duration, представляющих времена выброса батареи.

Создайте модель выживания надежности, задав пожизненные переменные и пожизненные модули.

mdl = reliabilitySurvivalModel('LifeTimeVariable',"DischargeTime",'LifeTimeUnit',"hours");

Обучите модель выживания использование данных тренировки.

fit(mdl,reliabilityData)

Предскажите продолжительность жизни нового компонента и получите функцию распределения вероятностей для оценки.

[estRUL,ciRUL,pdfRUL] = predictRUL(mdl);

Постройте распределение вероятностей.

bar(pdfRUL.RUL,pdfRUL.ProbabilityDensity)
xlabel('Remaining useful life (hours)')
xlim(hours([40 90]))

Улучшите представление распределения путем обеспечения количества интервалов и размера интервала для прогноза.

[estRUL,ciRUL,pdfRUL] = predictRUL(mdl,'BinSize',0.5,'NumBins',500);
bar(pdfRUL.RUL,pdfRUL.ProbabilityDensity)
xlabel('Remaining useful life (hours)')
xlim(hours([40 90]))

Предскажите RUL для компонента, который действовал в течение 50 часов.

[estRUL,ciRUL,pdfRUL] = predictRUL(mdl,hours(50),'BinSize',0.5,'NumBins',500);
bar(pdfRUL.RUL,pdfRUL.ProbabilityDensity)
xlabel('Remaining useful life (hours)')
xlim(hours([0 40]))

Смотрите также

Функции

Темы

Введенный в R2018a

Документация Predictive Maintenance Toolbox
Поддержка