Мера подобия между траекториями индикаторов состояния
возвращает trendability пожизненных данных Y
= trendability(X
)X
. Используйте trendability
как мера подобия между траекториями функции, измеренной в нескольких экспериментах запуска к отказу. Более trendable функция имеет траектории с той же базовой формой. Значения Y
лежите в диапазоне от 0 до 1, где Y
1 если X
совершенно trendable и 0 если X
non-trendable.
возвращает trendability пожизненных данных Y
= trendability(X
,lifetimeVar
)X
использование пожизненной переменной lifetimeVar
.
возвращает trendability пожизненных данных Y
= trendability(X
,lifetimeVar
,dataVar
)X
использование переменных данных задано dataVar
.
возвращает trendability пожизненных данных Y
= trendability(X
,lifetimeVar
,dataVar
,memberVar
)X
использование пожизненной переменной lifetimeVar
, переменные данных заданы dataVar
, и переменная memberVar
члена.
оценивает trendability с дополнительными опциями, заданными одним или несколькими Y
= trendability(___,Name,Value
)Name,Value
парные аргументы. Можно использовать этот синтаксис с любой из предыдущих комбинаций входных аргументов.
trendability(___)
без выходных аргументов строит столбчатую диаграмму оцениваемых trendability значений.
Когда X
длинная таблица или длинное расписание, trendability
тем не менее, загружает полный массив в память с помощью gather
. Если доступная память является несоответствующей, то trendability
возвращает ошибку.
Расчет trendability использует эту формулу:
где xj представляет вектор из измерений функции в системе jth, и переменная M является количеством проверенных систем.
Когда xj и xk имеют различные длины, более короткий вектор передискретизируется, чтобы совпадать с длиной более длинного вектора. Чтобы упростить этот процесс, их временные векторы сначала нормированы ко времени жизни процента, то есть, [0%, 100%].
[1] Плоскодонная рыбачья лодка, J. и Дж. В. Хайнз. "Идентифицируя оптимальные предвещающие параметры из данных: подход генетических алгоритмов". В продолжениях ежегодной конференции предзнаменований и медицинского общества управления. 2009.
[2] Плоскодонная рыбачья лодка, J. "Объединяя источники данных, чтобы предсказать остающийся срок полезного использования - автоматизированный метод, чтобы идентифицировать параметры предзнаменований". Ph.D. Тезис. Университет Теннесси, Ноксвилла, TN, 2010.
[3] Леи, Y. Интеллектуальная диагностика отказа и остающееся предсказание срока полезного использования вращающегося машинного оборудования. Сиань, Китай: Сиань университетское издательство Цзяотуна, 2017.
[4] Lofti, S., Дж. Б. Али, Э. Бечхоефер и М. Бенбузид. "Ветряной двигатель высокоскоростной медицинский прогноз подшипников вала через спектральные Выведенные из эксцесса индексы и SVR". Прикладное Издание 120, 2017 Акустики, стр 1-8.