Если определена динамическая модель, описывающая некоторые аспекты поведения системы, эту модель можно использовать для прогнозирования будущего поведения. Такую динамическую модель можно определить по системным данным. Или, если у вас есть системные данные, которые представляют работу ваших машин со временем или использованием, вы можете извлечь индикаторы условий из этих данных и отслеживать поведение индикаторов условий со временем или использованием. Затем можно определить модель, описывающую поведение индикатора условия, и использовать эту модель для прогнозирования будущих значений индикатора условия. Например, если известно, что система нуждается в ремонте, когда какой-либо индикатор условия превышает некоторый порог, можно определить модель изменения времени этого индикатора условия. Затем можно вовремя распространить модель вперед, чтобы определить, как долго она будет проходить до того, как индикатор условия достигнет порогового значения.
Некоторые функции, которые можно использовать для идентификации динамических моделей:
ssest - Оценка модели состояния-пространства на основе входных-выходных данных временной области или данных частотного отклика.
arx, armax, ar - Оценка модели авторегрессии или скользящего среднего (AR или ARMA) по данным временных рядов.
nlarx - моделирование нелинейного поведения с использованием динамических оценщиков нелинейности, таких как вейвлет-сети, дерево-разбиение и сигмоидные сети.
Можно использовать такие функции, как forecast для прогнозирования будущего поведения идентифицированной модели. В примере Мониторинг состояния и прогнозирование с использованием вибрационных сигналов используется этот подход к прогнозированию RUL.
Существуют также рекурсивные оценки, которые позволяют подгонять модели в режиме реального времени при сборе и обработке данных, например recursiveARX и recursiveAR.
Оценка RUL с помощью оценщиков состояния, таких как unscentedKalmanFilter, extendedKalmanFilter, и particleFilter работает аналогичным образом. Оценка состояния выполняется для некоторых изменяющихся во времени данных и предсказывает будущие значения состояния, чтобы определить время, пока не произойдет некоторое значение состояния, связанное с отказом.