pairwiseSimilarityModel

Попарная основанная на сравнении модель подобия для оценки оставшегося срока службы

развернуть все на странице

Описание

Использовать pairwiseSimilarityModel для оценки оставшегося срока службы (RUL) компонента с помощью модели подобия, основанной на парном сравнении. Эта модель сравнивает профиль деградации тестового компонента непосредственно с историями путей деградации для ансамбля аналогичных компонентов, таких как несколько машин, изготовленных с теми же спецификациями. Сходство тестового компонента с представителями ансамбля является функцией расстояния между профилем деградации и профилем представителя ансамбля, который вычисляется с помощью корреляции или динамической трансформации временной шкалы.

Как сконфигурировать pairwiseSimilarityModel объект, использование fit. Если вы конфигурируете параметры вашей модели подобия, можно затем предсказать оставшийся срок службы аналогичных компонентов, используя predictRUL. Для моделей подобия RUL тестового компонента оценивается как медианная статистическая величина периода жизни наиболее похожих компонентов минус текущее значение срока службы тестового компонента. Для базового примера, иллюстрирующего предсказание RUL, смотрите Обновление Предсказания RUL по мере поступления данных.

Для получения общей информации о прогнозировании оставшегося срока полезного использования, см. Модели для прогнозирования оставшегося срока полезного использования.

Создание

Синтаксис

mdl = pairwiseSimilarityModel
mdl = pairwiseSimilarityModel(initModel)
mdl = pairwiseSimilarityModel(___,Name,Value)

Описание

пример

mdl = pairwiseSimilarityModel создает попарную основанную на сравнении модель подобия для оценки RUL и инициализирует модель с настройками по умолчанию.

mdl = pairwiseSimilarityModel(initModel) создает попарную основанную на сравнении модель подобия и инициализирует параметры модели с помощью существующей pairwiseSimilarityModel initModel объекта.

пример

mdl = pairwiseSimilarityModel(___,Name,Value) задает настраиваемые пользователем свойства модели, используя пары "имя-значение". Для примера, hashSimilarityModel('LifeTimeUnit',"days") создает попарную основанную на сравнении модель подобия, которая использует дни в качестве модуля. Можно задать несколько пары "имя-значение". Заключайте каждое имя свойства в кавычки.

Входные параметры

расширить все

Модель подобия, основанная на парном сравнении, заданная как pairwiseSimilarityModel объект.

Свойства

расширить все

Метод расчета расстояния временных рядов, заданный как один из следующих:

  • "correlation" - Измерьте расстояние с помощью корреляции

  • "dtw" - Вычислите расстояние с помощью динамической трансформации временной шкалы. Для получения дополнительной информации см. dtw.

Можно задать Method:

  • Использование пары "имя-значение" при создании модели

  • Использование записи через точку после создания модели

Формула расстояния для "dtw" метод расчета расстояния, заданный как один из следующих:

  • "euclidian" - Используйте 2-норму различия между невязками.

  • "absolute" - Используйте 1-норму различия между невязками.

Можно задать Distance:

  • Использование пары "имя-значение" при создании модели

  • Использование записи через точку после создания модели

Продолжительность жизни исторических данных для вычисления подобия, заданная как положительная скалярная величина или duration объект. При вычислении подобия модель использует исторические данные из времени жизни (t - HistorySpan) к пожизненной t, где t - текущее время жизни.

Можно задать HistorySpan:

  • Использование пары "имя-значение" при создании модели

  • Использование записи через точку после создания модели

Коэффициент, определяющий правило исключения представителей ансамбля для расчета подобия, заданное как скаляр от 0 до 1. WithinRangeRatio используется, когда длина тестовых данных и длина данных представителя ансамбля не совпадают, что происходит около значений исторических данных в конце жизни. Когда WithinRangeRatio является 1, тогда нет исключения ансамбля представителей.

Предположим, что длина более коротких данных P, а длина более длинных данных Q. Затем тест подобия выполняется только, если Q (1- WithinRangeRatio) <= P <= Q. В противном случае представитель ансамбля игнорируется.

Можно задать WithinRangeRatio:

  • Использование пары "имя-значение" при создании модели

  • Использование записи через точку после создания модели

Это свойство доступно только для чтения.

Продолжительность жизни представителя ансамбля, заданная как двойной вектор или duration вектор объекта и вычисленный из профилей деградации представителей ансамбля fit функция.

Количество ближайших соседей для оценки RUL, заданное как Inf или конечное положительное целое число. Если NumNearestNeighbors является Inf, затем predictRUL использует все представителей ансамбля во время оценки.

Можно задать NumNearestNeighbors:

  • Использование пары "имя-значение" при создании модели

  • Использование записи через точку после создания модели

Флаг для включения галстуков, заданный как true или false. Когда IncludeTies является true, модель включает всех соседей, чье расстояние до данных тестового компонента меньше K-го наименьшего расстояния, где K равно NumNearestNeigbors.

Можно задать IncludeTies:

  • Использование пары "имя-значение" при создании модели

  • Использование записи через точку после создания модели

Флаг для стандартизации данных о функциях перед вычислением расстояния, заданный как true, false, или 'time-varying'.

Когда Standardize является trueданные функций стандартизированы таким образом, что X функций становится (X-mean(X))/std(X).

Когда Standardize является 'time-varying'данные функций стандартизированы таким образом, что X признаков (t) становится (X (t) - M (t) )/ S (t). Здесь M (t) и S (t) выполняют оценки среднего и стандартного отклонения данных.

Можно задать Standardize:

  • Использование пары "имя-значение" при создании модели

  • Использование записи через точку после создания модели

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

Когда вы обучаете модель, используя fit функция, если ваши обучающие данные:

  • table, затем LifeTimeVariable должно совпадать с одним из имен переменных в таблице

  • timetable, затем LifeTimeVariable одно из имен переменных в таблице или имя размерности временной переменной, data.Properties.DimensionNames{1}

Можно задать LifeTimeVariable:

  • Использование пары "имя-значение" при создании модели

  • Как аргумент, когда вы вызываете fit функция

  • Использование записи через точку после создания модели

Переменные модули времени жизни, заданная как строка.

Модули переменной времени жизни не должны основываться на времени. Срок службы тестового компонента может быть измерен с точки зрения переменной использования, такой как пройденное расстояние (мили) или потребленное топливо (галлоны).

Имена переменных деградации, заданные как строковые или строковые массивы. Строки в DataVariables должны быть допустимыми именами переменного MATLAB.

Можно задать DataVariables:

  • Использование пары "имя-значение" при создании модели

  • Как аргумент, когда вы вызываете fit функция

  • Использование записи через точку после создания модели

Флаг для использования параллельных вычислений для поиска по ближайшему соседу, заданный как true или false.

Можно задать UseParallel:

  • Использование пары "имя-значение" при создании модели

  • Использование записи через точку после создания модели

Дополнительная информация о модели для целей бухгалтерии, заданная как любой тип данных или формат. Модель не использует эту информацию.

Можно задать UserData:

  • Использование пары "имя-значение" при создании модели

  • Использование записи через точку после создания модели

Функции объекта

predictRULОценка оставшегося срока службы для тестового компонента
fitОценка параметров оставшейся модели срока службы с использованием исторических данных
compareСравните тестовые данные с историческим ансамблем исторических данных для моделей подобия

Примеры

свернуть все

Открыть Live Script

Загрузите обучающие данные.

load('pairwiseTrainVectors.mat')

Обучающие данные являются массивом векторов-столбцов ячеек. Каждый вектор-столбец является профилем функции деградации для компонента.

Создайте попарную модель подобия с настройками по умолчанию.

mdl = pairwiseSimilarityModel;

Обучите модель подобия с помощью обучающих данных.

fit(mdl,pairwiseTrainVectors)
Открыть Live Script

Загрузите обучающие данные.

load('pairwiseTrainTables.mat')

Обучающие данные являются массивом ячеек из таблиц. Каждая таблица является профилем функции деградации для компонента. Каждый профиль состоит из измерений времени жизни в "Time" переменные и соответствующие измерения функций деградации в "Condition" переменная.

Создайте модель парного подобия, которая вычисляет расстояние с помощью динамической трансформации временной шкалы с метрикой абсолютного расстояния.

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

Обучите модель подобия с помощью обучающих данных. Задайте имена переменных времени жизни и данных.

fit(mdl,pairwiseTrainTables,"Time","Condition")
Открыть Live Script

Загрузите обучающие данные.

load('pairwiseTrainTables.mat')

Обучающие данные являются массивом ячеек из таблиц. Каждая таблица является профилем функции деградации для компонента. Каждый профиль состоит из измерений времени жизни в "Time" переменные и соответствующие измерения функций деградации в "Condition" переменная.

Создайте модель парного подобия, которая вычисляет расстояние с помощью динамической трансформации временной шкалы с метрикой абсолютного расстояния и использует часы в качестве модуля времени жизни.

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

Обучите модель подобия с помощью обучающих данных. Задайте имена переменных времени жизни и данных.

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

Загрузите данные проверки. Тестовые данные содержат измерения функций деградации для тестового компонента до текущего времени жизни.

load('pairwiseTestData.mat')

Спрогнозируйте RUL тестового компонента, используя обученную модель подобия.

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

Оценка RUL для компонента составляет около 94 часов.

Расширенные возможности

См. также

Функции

Темы

Введенный в R2018a

Документация Predictive Maintenance Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте