matlab剩余寿命概率密度,分享关于评估设备剩余使用寿命的三种方法

描述

剩余使用寿命(下文称 RUL)指在机器维修或更换前的运行时长。借助 RUL，工程师可以安排维护时间、优化运行效率并避免计划外停机。因此，预测 RUL 是预测性维护计划中的首要任务。

RUL 预测模型不仅可预测 RUL，还可提供预测的置信界限。该模型的输入项是状态指标，即从传感器数据或日志数据提取的特征。其行为随着系统退化或运行模式的变化而改变，这种改变是可预测的。

RUL 的计算方法取决于可用数据的类型：

寿命数据，用于指示相似机器运行至发生故障所用的时长

相似机器的运行至故障的历史数据

检测故障所用状态指标的已知阈值

Predictive Maintenance Toolbox提供的模型可基于每类数据类型对 RUL 进行评估。

使用寿命数据

比例风险模型和组件故障时间的概率分布用于根据寿命数据评估 RUL。举一个简单的例子，我们可以根据过往充电次数及协变量评估电池的放电时间，其中协变量指电池运行环境(如温度)和电池负载等变量。

生存函数图(图 1)显示了电池在不同运行时长出现故障的概率。如图所示，如果电池运行了 75 个周期，则其达到使用寿命的概率为 90%。

图 1. 生存函数图。在运行 75 个周期后，电池能够继续运行的概率为 0.1 或 10%。

运行至故障的数据

如果您有一个包含设备运行至故障的数据的数据库，并且该数据来自相似组件或行为方式相似的不同组件ÿ