预测剩余使用寿命

预测使用RUL设计用于从系统数据，状态估计，或识别模型计算RUL专业机型

通常，您可以通过开发一个模型来估计系统的剩余有用寿命(RUL)，该模型可以执行基于时间演化或条件指示值的统计属性的估计。从这些模型得出的预测是带有相关不确定性的统计估计。它们提供了测试机器的RUL的概率分布。

您使用的模型可以是动态模型，如使用System Identification Toolbox™命令获得的模型。预测维护工具箱™还包括一些专门的模型，用于从不同类型的测量系统数据计算RUL。有关您可以使用的模型类型的概述，请参见预测剩余使用寿命的模型。

在确定有希望的条件指标后，算法设计过程的下一步是建立RUL预测模型。由于您开发的模型使用条件指标值的时间演化来预测RUL，因此这一步通常与识别条件指标的步骤相迭代。

功能

`exponentialDegradationModel`	估计剩余使用寿命的指数退化模型
`linearDegradationModel`	估计剩余使用寿命的线性退化模型
`hashSimilarityModel`	用于估算剩余使用寿命散列特征相似度模型
`pairwiseSimilarityModel`	基于比较的两两相似度模型估计剩余有用寿命
`residualSimilarityModel`	用于估算剩余使用寿命残余基于比较的相似性模型
`covariateSurvivalModel`	估计剩余有用寿命的比例危险生存模型
`reliabilitySurvivalModel`	估计剩余有用寿命的概率失效时间模型
`predictRUL`	估计剩余使用寿命要测试部件
`比较`	比较测试数据与历史数据合奏相似模型
`适合`	使用历史数据剩余使用寿命模型的估计参数
`情节`	为协变量生存剩余有用生命模型绘制幸存者函数
`重新启动`	重置剩余有用寿命退化模型
`更新`	更新剩余使用寿命模型退化后的参数分布