Загрузить учебные данные, которые являются профилем функции ухудшения качества для компонента.

load('expRealTime.mat')

В этом примере предположим, что данные обучения не являются историческими данными. При отсутствии исторических данных можно обновить модель деградации в режиме реального времени с помощью наблюдаемых данных.

Создайте экспоненциальную модель деградации со следующими настройками.

mdl = exponentialDegradationModel('Theta',1,'ThetaVariance',1e6,...
                                  'Beta',1,'BetaVariance',1e6,...
                                  'NoiseVariance',0.003);

Поскольку в обучающих данных нет переменной времени жизни, создайте произвольный вектор времени жизни для подгонки.

lifeTime = [1:length(expRealTime)];

Просмотрите элемент деградации для 10 итераций. Обновите модель деградации после каждой итерации.

for i=1:10
    update(mdl,[lifeTime(i) expRealTime(i)])
end

После наблюдения за моделью в течение некоторого времени, например, в установившейся рабочей точке, можно перезапустить модель и сохранить текущее апостериорное распределение в качестве предыдущего распределения.

restart(mdl,true)

Просмотр обновленных параметров предыдущего распространения.

mdl.Prior

ans = struct with fields:
            Theta: 2.3555
    ThetaVariance: 0.0058
             Beta: 0.0722
     BetaVariance: 3.6362e-05
              Rho: -0.8429