Как правило, остаточный срок полезного использования (RUL) системы оценивается путем разработки модели, которая может выполнять оценку на основе эволюции времени или статистических свойств значений индикаторов условий. Прогнозы из таких моделей являются статистическими оценками с ассоциированной неопределенностью. Они обеспечивают распределение вероятности RUL тестовой машины.
Используемая модель может быть динамической моделью, например, с помощью команд Toolbox™ идентификации системы. Прогнозирующее обслуживание Toolbox™ также включает в себя некоторые специализированные модели, предназначенные для вычисления RUL из различных типов измеряемых системных данных. Обзор типов моделей, которые можно использовать, см. в разделе Модели для прогнозирования оставшегося срока службы.
Разработка модели для прогнозирования RUL является следующим шагом в процессе разработки алгоритма после определения перспективных показателей состояния. Поскольку разрабатываемая модель использует эволюцию значений индикаторов условий во времени для прогнозирования RUL, этот шаг часто является итеративным с шагом идентификации индикаторов условий.
Модели для прогнозирования оставшегося срока службы
Для прогнозирования оставшегося срока службы (RUL) можно использовать рекурсивные модели, идентифицированные модели или оценщики состояния. Существуют также специализированные модели, предназначенные для вычисления RUL из системных данных.
Выбор функций для прогнозирования оставшегося срока службы
Ранжирование характеристик для определения наилучших показателей деградации системы и повышения точности прогнозов остаточного срока службы (RUL).
В этом примере показано, как сегментировать данные из деградирующей системы на кадры, выполнять основанную на кадрах обработку и извлечение признаков, а также использовать прогностическое ранжирование в Diagnostic Feature Designer.
Обновление прогноза RUL по мере поступления данных
По мере поступления данных с тестируемого компьютера можно обновлять прогноз RUL с каждой новой точкой данных.
Оценка остаточного срока службы на основе подобия
Создайте полный алгоритм оценки оставшегося срока полезного использования (RUL) из предварительной обработки, выбора модных функций, построения показателя здоровья путем слияния датчиков, обучения оценщикам сходства RUL и проверки прогностических показателей.
Прогноз высокоскоростного подшипника ветровой турбины
Создайте экспоненциальную модель деградации для прогнозирования остаточного срока службы (RUL) подшипника ветровой турбины в реальном времени. Модель экспоненциального ухудшения предсказывает значение RUL на основе его параметров priors и последних измерений.
Оценка нелинейного состояния разрушающей батарейной системы
Оцените состояния нелинейной системы с помощью незаметного фильтра Калмана в Simulink.
Мониторинг состояния и прогнозирование с использованием вибрационных сигналов
Извлеките характеристики из вибрационных сигналов из шарикоподшипника, проведите мониторинг состояния здоровья и выполните прогностику.
Прогнозирование срока службы аккумулятора на основе данных начальной эксплуатации
Предсказать оставшийся цикл быстрой зарядки Li-ионной батареи с помощью контролируемого алгоритма машинного обучения.
Оценка остаточного срока службы с использованием сверточной нейронной сети
В этом примере показано, как предсказать RUL двигателей с помощью глубоких сверточных нейронных сетей (CNN).