covariateSurvivalModel
估计剩余使用寿命的比例风险生存模型
描述
使用covariateSurvivalModel估算剩余使用寿命（RUL）使用比例风险生存模型描述组件的生存概率。该模型使用组件寿命和相关协变量的历史信息描述测试组件的生存概率。协变量是环境或解释变量，如组件制造商或操作条件。协变量生存当您拥有的唯一数据是类似组件集合的故障时间和相关协变量时，模型非常有用，例如按照相同规格制造的多台机器。有关生存模型的更多信息，请参阅比例风险生存模型．
配置covariateSurvivalModel对象对于特定类型的组件，请使用适合，它使用一组故障时间数据和相关协变量来估计模型系数。配置协变量生存模型的参数后，可以使用预测.有关说明RUL预测的基本示例，请参阅数据到达时更新RUL预测．
如果您只有寿命测量值，而没有协变量信息，请使用reliabilitySurvivalModel．
有关预测剩余使用寿命的一般信息，请参阅剩余使用寿命预测模型．
创建
语法
描述
输入参数
属性
例子
训练协变量生存模型
加载训练数据。
负载(“协变量数据表”）
该数据包含电池放电时间和相关协变量信息。协变量为：
温度
负载
制造商
制造商信息是一个必须进行编码的分类变量。
创建一个协变量生存模型。
mdl = covariateSurvivalModel;
使用训练数据训练生存模型，指定生命时间变量、数据变量和编码变量。该训练数据没有审查变量。
拟合（mdl，协变量数据，“放电时间”,[“温度”，“负载”，“制造商”], [],“制造商”）
成功收敛:梯度范数小于OPTIONS。TolFun
绘制模型的基线生存函数。
绘图（mdl）
用协变量生存模型预测RUL
加载训练数据。
负载(“协变量数据表”）
该数据包含电池放电时间和相关协变量信息。协变量为：
温度
负载
制造商
制造商信息是一个必须进行编码的分类变量。
创建一个协变量生存模型，并使用训练数据对其进行训练。
mdl = covariateSurvivalModel (“LifeTimeVariable”，“放电时间”，“寿命单位”，“小时”，．..“DataVariables”,[“温度”，“负载”，“制造商”],“EncodedVariables”，“制造商”); 拟合（mdl，协变量数据）
成功收敛:梯度范数小于OPTIONS。TolFun
假设您有一个制造商生产的电池组B这已经持续了一段时间30.小时。创建包含使用时间的测试数据表，放电时间，以及测量的环境温度，测试环境温度，和当前绘制的，睾丸激素．
TestBatteryLoad = 25;TestAmbientTemperature = 60;DischargeTime =小时(30);TestData =时间表(TestBatteryLoad TestAmbientTemperature,“B”，“划船时间”小时(30));TestData.Properties.VariableNames = {“温度”，“装载”，“制造商”}; TestData.Properties.DimensionNames{1}=“放电时间”；
预测电池的RUL。
TestData estRUL = predictRUL (mdl)
埃斯特鲁尔=持续时间38.657小时
绘制电池协变量数据的生存函数。
绘图（mdl、TestData）
算法
介绍了R2018a
您还可以从以下列表中选择网站：
