Exponenta Banner
exponenta event banner

pairwiseSimilarityModel

Модель сходства на основе парного сравнения для оценки оставшегося срока службы

развернуть все на странице

Описание

Использовать pairwiseSimilarityModel для оценки оставшегося срока полезного использования (RUL) компонента с использованием модели подобия на основе парного сравнения. Эта модель сравнивает профиль деградации тестового компонента непосредственно с историями пути деградации для совокупности аналогичных компонентов, таких как несколько машин, изготовленных по одним и тем же спецификациям. Сходство испытательного компонента с элементами ансамбля является функцией расстояния между профилем деградации и профилем элемента ансамбля, которое вычисляется с использованием корреляции или динамического временного искажения.

Конфигурирование pairwiseSimilarityModel объект, использование fit. После настройки параметров модели подобия можно прогнозировать оставшийся срок службы аналогичных компонентов с помощью predictRUL. Для моделей подобия значение RUL тестируемого компонента оценивается как медианная статистика срока службы наиболее похожих компонентов за вычетом текущего срока службы тестируемого компонента. Базовый пример, иллюстрирующий прогнозирование RUL, см. в разделе Обновление прогнозирования RUL по мере поступления данных.

Общие сведения о прогнозировании оставшегося срока полезного использования см. в разделе Модели прогнозирования оставшегося срока полезного использования.

Создание

Синтаксис

mdl = pairwiseSimilarityModel
mdl = pairwiseSimilarityModel (initModel)
mdl = pairwiseSimilarityModel (___, Имя, Стоимость)

Описание

пример

mdl = pairwiseSimilarityModel создает модель подобия на основе парного сравнения для оценки RUL и инициализирует модель с настройками по умолчанию.

mdl = pairwiseSimilarityModel(initModel) создает модель подобия на основе парного сравнения и инициализирует параметры модели с использованием существующей pairwiseSimilarityModel объект initModel.

пример

mdl = pairwiseSimilarityModel(___,Name,Value) задает настраиваемые пользователем свойства модели с помощью пар имя-значение. Например, hashSimilarityModel('LifeTimeUnit',"days") создает модель подобия на основе парного сравнения, которая использует дни в качестве единицы времени жизни. Можно указать несколько пар имя-значение. Заключите каждое имя свойства в кавычки.

Входные аргументы

развернуть все

Парная модель подобия на основе сравнения, указанная как pairwiseSimilarityModel объект.

Свойства

развернуть все

Метод расчета расстояния временного ряда, указанный как один из следующих:

  • "correlation" - Измерение расстояния с помощью корреляции

  • "dtw" - Вычисление расстояния с использованием динамического искажения времени. Дополнительные сведения см. в разделе dtw.

Можно указать Method:

  • Использование пары имя-значение при создании модели

  • Использование точечной нотации после создания модели

Формула расстояния для "dtw" способ расчета расстояния, указанный как одно из следующих:

  • "euclidian" - используйте 2-норму разницы между остатками.

  • "absolute" - использовать 1-норму разницы между остатками.

Можно указать Distance:

  • Использование пары имя-значение при создании модели

  • Использование точечной нотации после создания модели

Период жизни исторических данных для вычисления подобия, указанный как положительный скаляр или duration объект. При вычислении подобия модель использует исторические данные из времени жизни (t-HistorySpan) до времени жизни t, где t - текущее время жизни.

Можно указать HistorySpan:

  • Использование пары имя-значение при создании модели

  • Использование точечной нотации после создания модели

Правило исключения элемента ансамбля для вычисления подобия, определяемое как скаляр от 0 до 1. WithinRangeRatio используется, когда длина тестовых данных и длина данных члена ансамбля не совпадают, что происходит вблизи значений исторических данных по окончании срока службы. Когда WithinRangeRatio является 1, то нет исключения участников ансамбля.

Предположим, что длина более коротких данных равна P, а длина более длинных данных равна Q. Тогда тест на подобие выполняется только в том случае, если Q (1-WithinRangeRatio) < = P < = Q. В противном случае участник ансамбля игнорируется.

Можно указать WithinRangeRatio:

  • Использование пары имя-значение при создании модели

  • Использование точечной нотации после создания модели

Это свойство доступно только для чтения.

Продолжительность жизни члена ансамбля, определяемая как двойной вектор или duration вектор объекта и вычисленный из профилей деградации элемента ансамбля с помощью fit функция.

Количество ближайших соседей для оценки RUL, указанных как Inf или конечное положительное целое число. Если NumNearestNeighbors является Inf, то predictRUL использует всех участников ансамбля во время оценки.

Можно указать NumNearestNeighbors:

  • Использование пары имя-значение при создании модели

  • Использование точечной нотации после создания модели

Флаг для включения связей, указанный как true или false. Когда IncludeTies является true, модель включает в себя все соседи, чье расстояние до данных тестового компонента меньше K-го наименьшего расстояния, где K равно NumNearestNeigbors.

Можно указать IncludeTies:

  • Использование пары имя-значение при создании модели

  • Использование точечной нотации после создания модели

Флаг для стандартизации данных элемента перед вычислением расстояния, указанный как true, false, или 'time-varying'.

Когда Standardize является true, данные признака стандартизированы таким образом, что признак X становится (X-mean(X))/std(X).

Когда Standardize является 'time-varying'данные признака стандартизированы таким образом, что признак X (t) становится (X (t) -M (t) )/S (t). Здесь M (t) и S (t) представляют собой текущие оценки среднего и стандартного отклонения данных.

Можно указать Standardize:

  • Использование пары имя-значение при создании модели

  • Использование точечной нотации после создания модели

Переменная времени жизни, заданная как строка, содержащая допустимое имя переменной MATLAB ® или"".

При обучении модели с помощью fit функция, если данные обучения:

  • table, то LifeTimeVariable должно соответствовать одному из имен переменных в таблице

  • timetable, то LifeTimeVariable одно из имен переменных в таблице или имя измерения переменной времени, data.Properties.DimensionNames{1}

Можно указать LifeTimeVariable:

  • Использование пары имя-значение при создании модели

  • В качестве аргумента при вызове fit функция

  • Использование точечной нотации после создания модели

Единицы переменной времени жизни, указанные как строка.

Единицы переменной времени жизни не обязательно должны основываться на времени. Срок службы испытуемого компонента может быть измерен с помощью переменной использования, такой как пройденное расстояние (мили) или потребляемое топливо (галлоны).

Имена переменных деградации, заданные как строковый или строковый массив. Строки в DataVariables должны быть допустимыми именами переменных MATLAB.

Можно указать DataVariables:

  • Использование пары имя-значение при создании модели

  • В качестве аргумента при вызове fit функция

  • Использование точечной нотации после создания модели

Флаг для использования параллельных вычислений для поиска ближайшего соседа, указанный как true или false.

Можно указать UseParallel:

  • Использование пары имя-значение при создании модели

  • Использование точечной нотации после создания модели

Дополнительная информация о модели для целей бухгалтерского учета, указанная как любой тип данных или формат. Модель не использует эту информацию.

Можно указать UserData:

  • Использование пары имя-значение при создании модели

  • Использование точечной нотации после создания модели

Функции объекта

predictRULОценка остаточного срока службы испытательного компонента
fitОценка параметров модели остаточного срока службы с использованием исторических данных
compareСравнение тестовых данных с коллекцией исторических данных для моделей подобия

Примеры

свернуть все

Открыть сценарий в реальном времени

Загрузить данные обучения.

load('pairwiseTrainVectors.mat')

Обучающие данные представляют собой клеточный массив векторов столбцов. Каждый вектор столбца является профилем элемента деградации для компонента.

Создайте попарную модель подобия с настройками по умолчанию.

mdl = pairwiseSimilarityModel;

Обучение модели подобия с использованием данных обучения.

fit(mdl,pairwiseTrainVectors)
Открыть сценарий в реальном времени

Загрузить данные обучения.

load('pairwiseTrainTables.mat')

Данные обучения представляют собой массив ячеек таблиц. Каждая таблица является профилем элемента деградации для компонента. Каждый профиль состоит из измерений срока службы в "Time" измерения переменных и соответствующих признаков деградации в "Condition" переменная.

Создайте попарную модель подобия, которая вычисляет расстояние с помощью динамического временного искажения с помощью метрики абсолютного расстояния.

mdl = pairwiseSimilarityModel('Method',"dtw",'Distance',"absolute");

Обучение модели подобия с использованием данных обучения. Укажите имена переменных времени жизни и данных.

fit(mdl,pairwiseTrainTables,"Time","Condition")
Открыть сценарий в реальном времени

Загрузить данные обучения.

load('pairwiseTrainTables.mat')

Данные обучения представляют собой массив ячеек таблиц. Каждая таблица является профилем элемента деградации для компонента. Каждый профиль состоит из измерений срока службы в "Time" измерения переменных и соответствующих признаков деградации в "Condition" переменная.

Создайте попарную модель подобия, которая вычисляет расстояние с использованием динамического искажения времени с метрикой абсолютного расстояния и использует часы в качестве единицы времени жизни.

mdl = pairwiseSimilarityModel('Method',"dtw",'Distance',"absolute",'LifeTimeUnit',"hours");

Обучение модели подобия с использованием данных обучения. Укажите имена переменных времени жизни и данных.

fit(mdl,pairwiseTrainTables,"Time","Condition")

Загрузить данные тестирования. Тестовые данные содержат измерения характеристик деградации для тестового компонента вплоть до текущего срока службы.

load('pairwiseTestData.mat')

Спрогнозировать значение RUL тестового компонента с использованием обучаемой модели подобия.

estRUL = predictRUL(mdl,pairwiseTestData)
estRUL = duration
   93.671 hr

Расчетное значение RUL для компонента составляет около 94 часов.

Расширенные возможности

См. также

Функции

Темы

Представлен в R2018a

Предиктивная документация по инструментам технического обслуживания

Поддержка