Exponenta Banner

update

Обновите следующее распределение параметра ухудшения, остающегося модель срока полезного использования

свернуть все на странице

Синтаксис

update(mdl,data)

Описание

пример

update(mdl,data) обновляет следующую оценку параметров модели mdl остающегося срока полезного использования (RUL) ухудшения использование последних измерений ухудшения в data.

Примеры

свернуть все

Скрипт Open Live Script

Загрузите обучающие данные, который является профилем функции ухудшения для компонента.

load('expRealTime.mat')

В данном примере примите, что обучающие данные 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 θ и β предшествующие распределения 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 обучающих данных 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

Входные параметры

свернуть все

Модель Degradation RUL, заданная как linearDegradationModel возразите или exponentialDegradationModel объект. update обновляет следующие оценки параметров модели ухудшения на основе последних измерений функции ухудшения в data.

Для linearDegradationModel, обновленными параметрами является Theta и ThetaVariance.

Для exponentialDegradationModel, обновленными параметрами является Theta, ThetaVariance\beta, BetaVariance, и Rho.

update также устанавливает следующие свойства mdl:

  • InitialLifeTimeValue — В первый раз вы вызываете update, это свойство установлено в пожизненное значение в первой строке data.

  • CurrentLifeTimeValue — Каждый раз вы вызываете update, это свойство установлено в пожизненное значение в последней строке data.

  • CurrentMeasurement — Каждый раз вы вызываете update, это свойство установлено в значение измерения функции в последней строке data.

Измерения функции ухудшения, заданные как одно из следующего:

  • Массив 2D столбца — первый столбец содержит пожизненные значения, и второй столбец содержит соответствующее измерение функции ухудшения.

  • table или timetable объект, который содержит переменные с именами, которые совпадают с LifeTimeVariable и DataVariables свойства mdl.

Смотрите также

Функции

Темы

Введенный в R2018a

Документация Predictive Maintenance Toolbox
Поддержка