用于估算剩余使用寿命散列特征相似度模型
使用hashSimilarityModel
使用散列特征相似度模型来估计部件的剩余使用寿命(RUL)。当你有相似的部件,例如制造为相同规格的多个机器的集合运行至故障降解路径历史这个模型是有用的,并且数据集很大。散列特征相似度模型为每个集合成员的历史降解路径数据变换成一系列的散列的功能如平均值,功率,最小,或用于数据的最大值。然后,您可以计算测试组件的散列功能和比较它们集合数据成员的散列功能。
配置一个hashSimilarityModel
对象,用途适合
,它计算并存储集成数据成员的散列特征值。一旦配置了相似性模型的参数,就可以使用以下工具预测相似组件的剩余使用寿命predictRUL
。为相似性模型,测试部件的RUL被估计为最相似的部件的寿命跨度减去测试组件的当前生命周期值的中间值的统计数据。为了说明RUL预测一个基本的例子,请参见更新RUL预测的数据到达。
有关预测剩余使用寿命的一般信息,请参阅预测剩余使用寿命的模型。
创建用于估计RUL的hased -feature相似性模型,并使用默认设置初始化模型。mdl
= hashSimilarityModel
创建一个hashed-feature相似性模型,并使用现有的方法初始化模型参数mdl
= hashSimilarityModel(initModel
)hashSimilarityModel
对象initModel
。
使用名称-值对指定用户可设置的模型属性。例如,mdl
= hashSimilarityModel(___,名称,值
)hashSimilarityModel( 'LifeTimeUnit', “天”)
创建一个hashed-feature相似性模型,使用天数作为生命周期单位。可以指定多个名称-值对。将每个属性名括在引号中。
predictRUL |
估计剩余使用寿命要测试部件 |
适合 |
利用历史数据估计剩余使用寿命模型的参数 |
比较 |
比较测试数据与历史数据合奏相似模型 |