compare

Сравните тестовые данные с ансамблем исторических данных для моделей подобия

свернуть все на странице

Синтаксис

compare(mdl,data)
compare(___,Name,Value)

Описание

пример

compare(mdl,data) отображает тестовые данные об ухудшении компонента на графике в data наложенный на самые подобные наборы данных от исторического ансамбля сохранен в подходящей модели mdl подобия. K большинство подобных наборов данных от ансамбля построено, где K является NumNearestNeighbors свойство mdl.

пример

compare(___,Name,Value) задает опции графического вывода с помощью одного или нескольких аргументов пары "имя-значение".

Примеры

свернуть все

Скрипт Open Live Script

Загрузите обучающие данные.

load('pairwiseTrainTables.mat')

Обучающие данные являются массивом ячеек таблиц. Каждая таблица является профилем функции ухудшения для компонента.

Создайте и обучите попарную модель подобия.

mdl = pairwiseSimilarityModel;
fit(mdl,pairwiseTrainTables,"Time","Condition")

Загрузите данные о тестировании.

load('pairwiseTestData.mat')

Сравните профиль ухудшения тестовых данных к профилям ансамбля исторических данных.

compare(mdl,pairwiseTestData)

Figure contains an axes object. The axes object contains 3 objects of type line, scatter. These objects represent Ensemble, NumericData.

Скрипт Open Live Script

Загрузите обучающие данные.

load('pairwiseTrainTables.mat')

Обучающие данные являются массивом ячеек таблиц. Каждая таблица является профилем функции ухудшения для компонента.

Создайте и обучите попарную модель подобия.

mdl = pairwiseSimilarityModel;
fit(mdl,pairwiseTrainTables,"Time","Condition")

Загрузите данные о тестировании.

load('pairwiseTestData.mat')

Сравните профиль ухудшения тестовых данных к профилям 10 большинство подобных членов ансамбля исторических данных.

compare(mdl,pairwiseTestData,'NumNearestNeighbors',10)

Figure contains an axes object. The axes object contains 3 objects of type line, scatter. These objects represent Ensemble, NumericData.

Входные параметры

свернуть все

Модель Similarity RUL в виде a hashSimilarityModel объект, a pairwiseSimilarityModel объект или a residualSimilarityModel объект. Модель должна подбираться с помощью fit перед вызовом compare.

Функция ухудшения профилирует для оценки RUL моделей подобия, измеренных по продолжительности жизни компонента до текущего времени жизни в виде одного из следующего:

  • (N +1)-by-M числовой массив, где N является количеством функций и M, количество измерений функции. В каждой строке первый столбец содержит время использования, и остальные столбцы содержат соответствующие измерения функции ухудшения. Порядок функций должен совпадать с порядком, заданным в DataVariables свойство mdl.

  • table или timetable объект — таблица должна содержать переменные с именами, которые совпадают со строками в DataVariables и LifeTimeVariable свойства mdl.

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: 'NumNearestNeighbors','10' графики десять подобных наборов данных

Количество самых близких соседей в виде разделенной запятой пары 'NumNearestNeighbors' и любой Inf или конечное положительное целое число. Используйте эту опцию, чтобы выбрать количество большинства подобных наборов данных, чтобы построить путем переопределения NumNearestNeighbors свойство. Если NumNearestNeighbors isinfто compare отображает данные об ухудшении на графике для всех наборов данных ансамбля.

Данные об ухудшении ограничивают в виде разделенной запятой пары 'Threshold' и массив 2D столбца со строками N, где N является количеством переменных данных, используемых mdl. Первый столбец Threshold содержит нижние границы для переменных, и второй столбец содержит верхние границы. Границы представляются как желтые закрашенные фигуры.

Чтобы отключить границы для данной переменной, задайте нижние и верхние границы как -Inf и Inf, соответственно.

Советы

  • Чтобы выбрать который сигналы построить, щелкните правой кнопкой по области построения и выберите Data Variable Selector. В диалоговом окне Селектора Переменной данных поле Select Variables показывает переменные, которые доступны для графического вывода.

Смотрите также

Функции

Введенный в R2018a

Документация Predictive Maintenance Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте