reliabilitySurvivalModel

Вероятностная разовая отказом модель для оценки остающегося срока полезного использования

Описание

Используйте reliabilitySurvivalModel оценить остающийся срок полезного использования (RUL) компонента с помощью вероятностного распределения 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.

Сконфигурировать reliabilitySurvivalModel объект для определенного типа компонента, используйте fit, который оценивает коэффициенты вероятностного распределения 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

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 Distribution свойство модели.

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

пример

mdl = reliabilitySurvivalModel(___,Name,Value) задает устанавливаемые пользователем свойства модели 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 reliabilitySurvivalModel объект.

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 fit функция.

Это свойство доступно только для чтения.

Коэффициенты распределения оцениваются fit функция, заданная как вектор. Для получения дополнительной информации о коэффициентах каждой функции распределения смотрите соответствующий объект распределения, перечисленный в Distribution. Для получения дополнительной информации о подборе кривой модели смотрите fitdist.

Это свойство доступно только для чтения.

Ковариация коэффициентов распределения оценивается fit функция, заданная 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 присвоили, когда модель обучена с помощью fit функция, заданная 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 который пожизненные измерения в data не значения 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 fit функция

  • Используя запись через точку после создания модели

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 fit функция

  • 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 в терминах 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 создания модели

Функции объекта

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

Примеры

свернуть все

Загрузите обучающие данные.

load('reliabilityData.mat')

Эти данные являются вектор-столбцом duration объекты, представляющие батарею, разряжают времена.

Создайте модель выживания надежности с настройками по умолчанию.

mdl = reliabilitySurvivalModel;

Обучите модель выживания использование обучающих данных.

fit(mdl,reliabilityData,"hours")

Загрузите обучающие данные.

load('reliabilityData.mat')

Эти данные являются вектор-столбцом duration объекты, представляющие батарею, разряжают времена.

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

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

Обучите модель выживания использование обучающих данных.

fit(mdl,reliabilityData)

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

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

Постройте вероятностное распределение.

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]))

Введенный в R2018a

Для просмотра документации необходимо авторизоваться на сайте