比较

比较测试数据和历史数据集成的相似模型

全页折叠

语法

比较(mdl、数据)
比较（___，名称，值）

描述

例子

比较（MDL,数据)绘制测试组件退化数据数据叠加在最相似的数据集从存储在拟合模型相似的历史集合MDL。该K大多数来自集成的相似数据集被标绘，其中K是个NumNearestNeighbors的属性MDL。

例子

比较（___,名称,值)指定使用一个或多个名称-值对参数绘制选项。

例子

全部折叠

开立真实脚本

负荷训练数据。

负载(“pairwiseTrainTables.mat”)

训练数据是表的单元数组。每个表都是一个组件的降级功能配置文件。

建立和训练成对的相似模型。

MDL = pairwiseSimilarityModel;配合（MDL，pairwiseTrainTables，“时间”,“条件”)

负载测试数据。

负载(“pairwiseTestData.mat”)

将测试数据的退化概要与历史数据集成概要进行比较。

比较（MDL，pairwiseTestData）

开立真实脚本

负荷训练数据。

负载(“pairwiseTrainTables.mat”)

训练数据是表的单元数组。每个表都是一个组件的降级功能配置文件。

建立和训练成对的相似模型。

MDL = pairwiseSimilarityModel;配合（MDL，pairwiseTrainTables，“时间”,“条件”)

负载测试数据。

负载(“pairwiseTestData.mat”)

将测试数据的退化轮廓与…的轮廓进行比较10历史数据合奏的最相似的成员。

比较(mdl pairwiseTestData,“NumNearestNeighbors”,10)

输入参数

全部折叠

相似RUL模型，指定为hashSimilarityModel对象,pairwiseSimilarityModel对象,或residualSimilarityModel对象。模型必须使用适合在调用之前比较。

用于估计相似模型的RUL的退化特征配置文件，在组件的生命周期内测量，直到当前的生命时间，具体如下:

  • (N+1）-by-米数字数组,N特征的数量和米是特征度量的数量。在每一行中，第一列包含使用时间，其余列包含相应的退化特性度量。属性中指定的顺序必须匹配DataVariables的属性MDL。

  • 表格要么时间表对象——表必须包含名称与。中的字符串匹配的变量DataVariables和LifeTimeVariable的性质MDL。

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。的名字参数名和值是对应的值。的名字必须出现在引号内。可以按任意顺序指定多个名称和值对参数名1，值1，...，NameN，值N。

例子:‘NumNearestNeighbors’,‘10’图10类似的数据集

最近邻居的数目，指定为逗号分隔的对“NumNearestNeighbors”,要么天道酬勤或者一个有限的正整数。使用此选项可通过覆盖。来选择要绘图的最相似数据集的数目NumNearestNeighbors属性。如果NumNearestNeighbors是天道酬勤,然后比较绘制所有集成数据集的退化数据。

降级数据界限，指定为逗号分隔的对“阈值”和两列的阵列N行,N使用的数据变量的数量MDL。的第一列阈值包含变量的下界，第二列包含上界。边界被渲染成黄色的补丁。

若要禁用给定变量的边界，请将下界和上界指定为负和天道酬勤,分别。

提示

  • 要选择要绘图的信号，右键单击绘图区域，然后选择数据变量选择器。在数据变量选择对​​话框中，选择变量框中显示可用于绘图的变量。

另请参阅

功能

介绍了R2018a

预测性维护工具箱文档
万博1manbetx
克服四种常见的障碍预测性维护

克服四种常见的障碍预测性维护

下载白皮书