荷重软化估计使用识别模型或者状态估计
当你有一个确定的动态模型,描述系统行为的某些方面,您可以使用该模型来预测未来的行为。您可以识别等系统数据的动态模型。或者,如果你代表的操作系统数据与时间或使用机器,你可以从这些数据中提取条件指标,跟踪条件指标随着时间的行为或使用。你可以确定一个模型描述的行为条件指标,并使用该模型来预测未来值的条件指标。例如,如果你知道你的系统需要修复一些条件指标超过阈值时,你可以确定一个模型的时间演化条件指标。然后您可以传播模型在时间确定多长时间才能到达阈值条件指标。
一些函数可以用来识别动态模型包括:
党卫军
——估计从时域状态空间模型的输入-输出数据或频率特性数据。arx
,armax
,基于“增大化现实”技术
——估计自回归和移动平均(AR或ARMA)从时间序列数据模型。nlarx
——模型非线性行为使用动态非线性估计如小波网络,tree-partitioning,乙状结肠网络。
您可以使用函数预测
预测未来的行为识别模型。这个例子利用振动信号状态监测和预测使用这种方法原则预测。
也有递归估计让你适应模型实时收集和处理数据,如recursiveARX
和recursiveAR
。
荷重软化等状态估计量的估计unscentedKalmanFilter
,extendedKalmanFilter
,particleFilter
以类似的方式工作。你对一些时变数据进行状态估计,预测未来状态值来确定时间,直到一些状态值与故障有关。