RUL-引入概念

RUL预测是什么意思

举一个简单的关于RUL的例子，假定我们有一个温度传感器，现在已经拿到了传回的8次数据，我们能不能预测还能传回几次数据？
这个问题可以分解为两个命题：

  1. 我们能不能预测接下来几个时间序列可能传回来的数据？
  2. 我们能不能预测能够传回来多少次数据，直到一个预定义的事件发生（比如温度达到阀值）？

籍此，我们引入RUL的概念：
RUL英文全称是Remaining Useful Life，中文是剩余使用寿命。广义地讲，是指一个系统正常工作一段时间后，能够正常运转的时间。狭义地讲，是指系统的部件或子系统从当前时刻到发生潜在故障的预计持续正常工作时间。

In [7]:
import matplotlib.pyplot as plt
import numpy as np
A=[60,63,67,74,77,81,82,87,92]
B=[92,99,104,110,116,125]
C = np.append(np.repeat(np.nan, len(A)-1), B)
plt.figure(figsize = (16, 8))
plt.plot(A, color='red', linewidth=3)
plt.plot(C, 'r:', linewidth=3)
plt.axvline(x=len(A)-1, color='grey', linestyle=':', linewidth=4)
plt.axvline(x=len(C)-1, color='grey', linestyle=':', linewidth=4)
plt.title('tempreture sensor example', fontsize=16)
plt.xlabel('time-series', fontsize=16)
plt.ylabel('degree', fontsize=16)
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)
plt.show()

如上所示，A序列代表已经发生并收集到的历史数据，共8个数据；B序列代表我们通过数据分析得到的6个数据；温度达到120度时，我们认为达到的阀值，设备需要检修或更换。
做RUL分析的意义即此，通过数据分析的方法，确定目标需要进行检修或更换的时间。通过这种方法，能够最大化地节省资源，也能早早地给出报警，防止事故的发生。

阅读量

分类