hashSimilarityModel

用于估算剩余使用寿命散列特征相似度模型

扩大所有页面

描述

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

语法

MDL = hashSimilarityModel
mdl = hashSimilarityModel (initModel)
mdl = hashSimilarityModel (___、名称、值)

描述

例子

mdl= hashSimilarityModel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（initModel)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hashSimilarityModel对象initModel。

例子

mdl= hashSimilarityModel（___,名称,值)使用名称-值对指定用户可设置的模型属性。例如,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。

输入参数

展开全部

散列特征相似度模型，指定为hashSimilarityModel宾语。

属性

展开全部

此属性是只读的。

由所生成的散列值的特征适合函数,指定为N——- - - - - -米阵列，其中米是合奏团成员的数目和N是的散列特征的数量。散列表(i, j)的散列特征值j的第一个特征我数据成员。

若要指定计算散列特征的方法，请使用方法模型的属性。

将历史数据分割为多个区域的断点，指定为双值的行向量，持续时间对象,或datetime对象。断点的行向量必须:

  • 越来越有序

  • 单元和格式是否与?中使用的培训数据兼容适合函数

要使用单一模式，请指定RegimeSplit作为[]。

对于每个方案产生一个单独的哈希表。该RUL预测是基于相似性在以上述测试数据所属的政权散列功能。如果更改的值RegimeSplit，则必须使用重新训练模型适合。

您可以指定RegimeSplit:

  • 使用名称 - 值对，当你创建模型

  • 在模型创建之后使用点符号

此属性是只读的。

合奏构件的寿命，指定为双载体或持续时间对象向量，并从集合成员退化概要计算得到适合函数。

用于RUL估计的最近邻数，指定为正或有限正整数。如果NumNearestNeighbors是正,然后predictRUL在估计期间使用所有集合成员。

您可以指定NumNearestNeighbors:

  • 使用名称 - 值对，当你创建模型

  • 在模型创建之后使用点符号

散列特征计算方法，指定为以下情况之一：

  • “minmaxstd”-提取数据的最小值、最大值和标准差。此选项省略了包含的观察值南。当你使用这个方法时，哈希表是米3,米是集合成员的数目。

  • 功能手柄 - 使用自定义函数，它的降解数据的列向量，表格， 要么时间表，并返回特征的行向量。例如：

    mdl。米ethod = @(x) [mean(x),std(x),kurtosis(x),median(x)]

您可以指定方法:

  • 使用名称 - 值对，当你创建模型

  • 在模型创建之后使用点符号

距离计算方法，指定为以下情况之一：

  • “欧式”-使用哈希向量之间的差的2-范数。

  • “绝对”- 使用哈希向量之间的差异的1常态。

  • 函数句柄-使用自定义函数的形式:

    D = distanceFunction (xTest xEnsemble)

    这里，

    • xTest是长度的列向量吗N其中包含测试组件散列特性N是的散列特征的数量。

    • xEnsemble是一个米——- - - - - -N的合奏部件散列的特征，其中，阵列米为集合分量的个数。xEnsemble（I，:)包含了散列功能我乐团成员。

    • D是长度的行向量米，其中D(我)是测试特征向量与的特征向量之间的距离吗我乐团成员。

您可以指定距离:

  • 使用名称 - 值对，当你创建模型

  • 在模型创建之后使用点符号

包含领带的标志，指定为真正的要么假。当IncludeTies是真正的，则该模型包括到测试组件数据的距离小于的所有邻居K个最小距离，其中K等于NumNearestNeigbors。

您可以指定IncludeTies:

  • 使用名称 - 值对，当你创建模型

  • 在模型创建之后使用点符号

标志用于产生散列功能之前标准化的特征数据，指定为真正的要么假。当标准化是真正的，特征数据是标准化的，这样的特征X就变成了（X-平均值（X））/ STD（X）。

您可以指定标准化:

  • 使用名称 - 值对，当你创建模型

  • 在模型创建之后使用点符号

终身变量，指定为字符串，其中包含一个有效的MATLAB®变量名或”“。

当您使用训练模型适合函数，如果你的训练数据是a:

  • 表格,然后LifeTimeVariable必须匹配表中的一个变量名吗

  • 时间表,然后LifeTimeVariable在表或时间变量的维度名称变量名称之一，data.Properties.DimensionNames {1}

您可以指定LifeTimeVariable:

  • 使用名称 - 值对，当你创建模型

  • 当你调用适合函数

  • 在模型创建之后使用点符号

寿命可变单元，指定为字符串。

寿命变量的单位并不需要是基于时间的。测试部件的寿命可以在使用可变的术语，诸如行进的距离（英里）或燃料消耗（加仑）来测量。

降级变量名，指定为字符串或字符串数组。的字符串DataVariables必须是有效的MATLAB变量名。

您可以指定DataVariables:

  • 使用名称 - 值对，当你创建模型

  • 当你调用适合函数

  • 在模型创建之后使用点符号

方法生成的哈希表使用并行计算的标志适合函数，指定为真正的要么假。

您可以指定UseParallel:

  • 使用名称 - 值对，当你创建模型

  • 在模型创建之后使用点符号

用于簿记目的的附加模型信息，指定为任何数据类型或格式。模型不使用此信息。

您可以指定用户数据:

  • 使用名称 - 值对，当你创建模型

  • 在模型创建之后使用点符号

对象的功能

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

例子

全部折叠

打开生活的脚本

负荷训练数据。

加载（“hashTrainVectors.mat”)

训练数据是列向量的单元数组。每个列向量都是一个组件的退化特性概要。

使用默认设置创建哈希相似度模型。默认情况下，模型使用的散列特征是信号的最大值、最小值和标准差值。

mdl = hashSimilarityModel;

利用训练数据训练相似模型。

fit (mdl hashTrainVectors)
打开生活的脚本

负荷训练数据。

加载（“hashTrainTables.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。中的生命时间度量值“时间”在变量和相应的降解特征测量“条件”变量。

创建一个哈希相似度模型，使用以下值作为哈希特征:

mdl = hashSimilarityModel ('方法'，@（X）[平均（x）中，STD（x）中，峰度（X），中位数（X）]）;

利用训练数据训练相似模型。指定生命时间和数据变量的名称。

配合（MDL，hashTrainTables，“时间”,“条件”)
打开生活的脚本

负荷训练数据。

加载（“hashTrainTables.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。中的生命时间度量值“时间”在变量和相应的降解特征测量“条件”变量。

创建哈希相似度模型使用小时作为一生的时间单元和以下值作为散列功能：

  • 的意思是

  • 标准差

  • 峰度

  • 中位数

mdl = hashSimilarityModel ('方法'，@（X）[平均（x）中，STD（x）中，峰度（X），中位数（X）]，...“LifeTimeUnit”,“小时”);

利用训练数据训练相似模型。指定生命时间和数据变量的名称。

配合（MDL，hashTrainTables，“时间”,“条件”)

负载测试数据。测试数据包含到当前续航时间的测试组件的降解特性的测量。

加载（“hashTestData.mat”)

使用经训练的相似模型预测测试部件的RUL。

estRUL = predictRUL（MDL，hashTestData）
estRUL =持续时间175.69人力资源

组件的RUL估计为176小时左右。

扩展功能

另请参阅

功能

主题

介绍了R2018a

预测性维护工具箱文档
万博1manbetx
克服预测维护的四个常见障碍

克服预测维护的四个常见障碍

下载白皮书