Сбросьте остающуюся модель ухудшения срока полезного использования
restart( сбрасывает внутренне сохраненную статистику процесса ухудшения, накопленного предыдущими вызовами mdl)update и сбрасывает InitialLifeTimeValue и CurrentLifeTimeValue свойства модели. Если SlopeDetectionLevel свойство модели не пусто, затем наклонный тест также перезапущен, игнорируя любые предыдущие обнаружения.
restart( устанавливает предшествующие значения параметров в mdl,resetPrior)mdl к их соответствующим следующим значениям, когда resetPrior true.
restart(___, задает свойства Name,Value)mdl использование одного или нескольких аргументов пары "имя-значение".
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:
предшествующее распределение со средним значением 2.4 и отклонение 0.006
предшествующее распределение со средним значением 0.07 и отклонение 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 обучающих данных 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 распределениям.
restart(mdl)
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 и 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
mdl — Модель Degradation RULlinearDegradationModel возразите | exponentialDegradationModel объектМодель Degradation RUL в виде linearDegradationModel возразите или exponentialDegradationModel объект. restart очищает накопленную статистику в mdl и сбрасывает InitialLifeTimeValue и CurrentLifeTimeValue свойства mdl.
resetPrior — Отметьте для сброса предшествующих значений параметровfalse (значение по умолчанию) | trueОтметьте для сброса предшествующей информации о параметре в виде логического значения. 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.
Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и 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 в виде разделенной запятой пары 'Theta' и скаляр. Используйте этот аргумент, чтобы установить Theta свойство mdl и соответствующее поле Prior свойство mdl.
'ThetaVariance' — Отклонение параметра модели θЭто свойство доступно только для чтения.
Отклонение параметра θ в модели ухудшения в виде разделенной запятой пары 'ThetaVariance' и неотрицательный скаляр. Используйте этот аргумент, чтобы установить ThetaVariance свойство mdl и соответствующее поле Prior свойство mdl.
'Beta' — Среднее значение параметра модели βЭто свойство доступно только для чтения.
Среднее значение параметра модели β в виде разделенной запятой пары 'Beta' и скаляр. Используйте этот аргумент, чтобы установить Beta свойство mdl и соответствующее поле Prior свойство mdl.
Этот аргумент применяется только когда mdl exponentialDegradationModel.
'BetaVariance' — Отклонение параметра модели βЭто свойство доступно только для чтения.
Отклонение параметра модели β в виде разделенной запятой пары 'BetaVariance' и неотрицательный скаляр. Используйте этот аргумент, чтобы установить BetaVariance свойство mdl и соответствующее поле Prior свойство mdl.
Этот аргумент применяется только когда mdl exponentialDegradationModel.
'Rho' — Корреляция между θ и βЭто свойство доступно только для чтения.
Корреляция между θ и β в виде разделенной запятой пары 'Rho' и скалярное значение в области значений [-1,1]. Используйте этот аргумент, чтобы установить Rho свойство mdl и соответствующее поле Prior свойство mdl.
Этот аргумент применяется только когда mdl exponentialDegradationModel.
'NoiseVariance' — Аддитивное шумовое отклонение моделиАддитивное шумовое отклонение модели в виде разделенной запятой пары 'NoiseVariance' и неотрицательный скаляр. Используйте этот аргумент, чтобы установить NoiseVariance свойство mdl.
'SlopeDetectionLevel' — Наклонный уровень обнаружения[]Наклонный уровень обнаружения для определения запуска процесса ухудшения в виде разделенной запятой пары 'SlopeDetectionLevel' и скаляр в области значений [0,1]. Используйте этот аргумент, чтобы установить SlopeDetectionLevel свойство mdl.
Чтобы отключить наклонный тест обнаружения, установите SlopeDetectionLevel к [].
'UseParallel' — Отметьте для использования параллельных вычисленийfalse (значение по умолчанию) | trueОтметьте для использования параллельных вычислений при подборе кривой предшествующим значениям из данных в виде разделенной запятой пары 'UseParallel' и любой true или false. Используйте этот аргумент, чтобы установить UseParallel свойство mdl.
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
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.