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
объект | exponentialDegradationModel
объектМодель Degradation RUL в виде a 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) | true
Отметьте для сброса предшествующей информации о параметре в виде логического значения. Когда resetPrior
:
true
то 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) | true
Отметьте 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.