Как правило, вы оцениваете остающийся срок полезного использования (RUL) системы путем разработки модели, которая может выполнить оценку на основе эволюции времени или статистических свойств значений индикатора состояния. Предсказания из таких моделей являются статистическими оценками со связанной неопределенностью. Они обеспечивают вероятностное распределение RUL тестовой машины.
Модель, которую вы используете, может быть динамической моделью, такой как те, вы получаете использование команды System Identification Toolbox™. Predictive Maintenance Toolbox™ также включает некоторые специализированные модели, спроектированные для вычисления RUL от различных типов измеренных системных данных. Для обзора типов моделей можно использовать, видеть Модели для Предсказания Остающегося Срока полезного использования.
Разработка модели для предсказания RUL является следующим шагом в процессе проектирования алгоритма после идентификации многообещающих индикаторов состояния. Поскольку модель, которую вы разрабатываете, использует эволюцию времени значений индикатора состояния, чтобы предсказать RUL, этот шаг является часто итеративным с шагом идентификации индикаторов состояния.
Модели для предсказания остающегося срока полезного использования
Можно использовать рекурсивные модели, идентифицированные модели, или утвердить средства оценки, чтобы предсказать остающийся срок полезного использования (RUL). Существуют также специализированные модели, спроектированные для вычисления RUL из системных данных.
Выбор признаков для остающегося предсказания срока полезного использования
Отранжируйте признаки, чтобы определить лучшие индикаторы системного ухудшения и улучшить точность предсказаний остающегося срока полезного использования (RUL).
В этом примере показано, как сегментировать данные из ухудшающейся системы в системы координат, выполните основанную на системе координат обработку и извлечение признаков, и используйте предвещающий рейтинг в Diagnostic Feature Designer.
Обновите предсказание RUL, в то время как данные прибывают
Когда данные прибывают от машины под тестом, можно обновить предсказание RUL с каждой новой точкой данных.
Основанная на подобии остающаяся оценка срока полезного использования
Создайте полный алгоритм оценки Остающегося срока полезного использования (RUL) из предварительной обработки, выбора trendable функций, построения медицинского индикатора сплавом датчика, учебное подобие средства оценки RUL и проверка предзнаменований.
Прогнозирование высокоскоростного подшипника ветрогенератора
Создайте экспоненциальную модель ухудшения, чтобы предсказать Остающийся срок полезного использования (RUL) ветряного двигателя, переносящего в режиме реального времени. Экспоненциальная модель ухудшения предсказывает RUL на основе своего уголовного прошлого параметра и последних измерений.
Нелинейная оценка состояния деградирующей системы батареи
Оцените состояния нелинейной системы с помощью сигма-точечного фильтра Калмана в Simulink.
Мониторинг состояния и предзнаменования Используя сигналы вибрации
Извлеките функции из сигналов вибрации от шарикоподшипника, проведите медицинский контроль и выполните предзнаменования.
Жизненное предсказание цикла батареи из начальных данных об операции
Предскажите остающуюся жизнь цикла быстрого заряженного литий-ионного аккумулятора с помощью алгоритма машинного обучения с учителем.
Остающаяся Сверточная нейронная сеть использования Оценки Срока полезного использования
В этом примере показано, как предсказать RUL механизмов с помощью глубоких сверточных нейронных сетей (CNN).