식별된 모델 또는 상태 추정기를 사용한 RUL 추정
시스템 동작의 일부 측면을 기술하는 식별된 동적 모델이 있는 경우 이 모델을 사용하여 미래의 동작을 예측할 수 있습니다. 이러한 동적 모델은 시스템 데이터로부터 식별할 수 있습니다. 또는 시간이나 사용량으로 기계의 작동을 나타내는 시스템 데이터가 있는 경우 이 데이터에서 상태 지표를 추출해 시간이나 사용량을 사용하여 상태 지표의 동작을 추적할 수 있습니다. 그런 다음 상태 지표의 동작을 기술하는 모델을 식별하고, 이 모델을 사용하여 상태 지표의 미래 값을 예측할 수 있습니다. 예를 들어, 어떤 상태 지표가 임계값을 초과하면 시스템에 수리가 필요함을 알고 있다면 이 상태 지표의 시간 변화 모델을 식별할 수 있습니다. 그런 다음 모델을 시간의 순방향으로 전파하여 상태 지표가 임계값에 도달하기까지 얼마나 걸릴지를 확인할 수 있습니다.
동적 모델 식별에 사용할 수 있는 함수는 다음과 같습니다.
forecast
와 같은 함수를 사용하여, 식별된 모델의 미래의 동작을 예측할 수 있습니다. 진동 신호를 사용한 상태 모니터링 및 예지진단 예제에서는 RUL 예측에 대한 이 접근 방식을 사용합니다.
recursiveARX
및 recursiveAR
과 같이 데이터를 수집하고 처리하면서 실시간으로 모델을 피팅할 수 있는 재귀적 추정기도 있습니다.
unscentedKalmanFilter
, extendedKalmanFilter
, particleFilter
와 같은 상태 추정기를 사용한 RUL 추정도 비슷한 방식으로 작동합니다. 시변 데이터에 대해 상태 추정을 수행한 다음, 미래의 상태 값을 예측하여 고장에 해당하는 상태 값이 발생할 때까지 걸리는 시간을 확인합니다.