Как правило, вы оцениваете оставшийся срок полезного использования (RUL) системы путем разработки модели, которая может выполнить оценку на основе временной эволюции или статистических свойств значений индикатора состояния. Предсказания из таких моделей являются статистическими оценками со связанной неопределенностью. Они обеспечивают распределение вероятностей RUL тестовой машины.
Модель, которую вы используете, может быть динамической моделью, такой как те, что вы получаете с помощью команд System Identification Toolbox™. Predictive Maintenance Toolbox™ также включает некоторые специализированные модели, предназначенные для вычисления RUL из различных типов данных измеренных систем. Обзор типов моделей, которые можно использовать, см. в Модели для прогнозирования оставшейся полезной жизни.
Разработка модели для предсказания RUL является следующим шагом в процессе разработки алгоритма после выявления многообещающих индикаторов состояния. Поскольку модель, которую вы разрабатываете, использует временную эволюцию значений индикатора состояния для предсказания RUL, этот шаг часто итерационен с шагом идентификации индикаторов состояния.
Модели для предсказания оставшейся полезной жизни
Можно использовать рекурсивные модели, идентифицированные модели или оценки состояния, чтобы предсказать оставшийся срок полезного использования (RUL). Существуют также специализированные модели, предназначенные для вычисления RUL из системных данных.
Выбор признаков на оставшуюся полезную жизнь Предсказания
Оцените функции, чтобы определить лучшие показатели деградации системы и улучшить точность предсказаний оставшегося срока службы (RUL).
В этом примере показано, как сегментировать данные из деградирующей системы в системы координат, выполнить обработку на основе фрейма и редукцию данных и использовать прогностическое ранжирование в Diagnostic Feature Designer.
Обновление предсказания RUL по мере поступления данных
Когда данные поступают с тестируемой машины, можно обновить предсказание RUL с каждой новой точкой данных.
Основанная на подобии оценка остающегося полезного срока службы
Создайте полный алгоритм оценки оставшейся полезной жизни (RUL) из предварительной обработки, выбора тенденциозных функций, построения индикатора здоровья путем слияния датчиков, настройки оценок RUL подобия и проверки прогностики.
Прогнозирование высокоскоростного подшипника ветрогенератора
Создайте экспоненциальную модель деградации, чтобы предсказать оставшийся полезный срок службы (RUL) подшипника ветряного двигателя в реальном времени. Экспоненциальная модель деградации предсказывает RUL на основе его априоров параметров и последних измерений.
Оценка нелинейного состояния деградирующей системы батареи
Оцените состояния нелинейной системы, используя сигма-точечный фильтр Калмана в Simulink.
Мониторинг условия и прогнозирование с использованием сигналов вибрации
Извлеките функции из сигналов вибрации от мяча подшипника, проведите мониторинг состояния здоровья и выполните прогнозирование.
Предсказание срока службы цикла батареи из начальных данных о операции
Спрогнозируйте оставшийся цикл жизни быстрой зарядки Li-ионного аккумулятора с помощью алгоритма машинного обучения с учителем.
Оценка остающегося полезного срока службы с использованием сверточной нейронной сети
Этот пример показывает, как предсказать RUL двигателей с помощью глубоких сверточных нейронных сетей (CNN).