线圈寿命预测 数据集讲解

来自-郭师兄

1.这个是线圈数据的阻抗、电抗等数据,我想根据这个个数据进行线圈寿命预测也就是RUL预测,请问有什么思路吗。

最简单的思路:

数据通过某种方法进行压缩表征到一维再通过 同时需要标签。

确定一个特征

使用降维方法如同PCA来构建HI指标也就是label

502 个点为一个周期数据 一共有106个周期

利用各个退化周期采集的电抗谱 数据集,通过对多个频率下的电抗数据 进行拟合,可以得到当前状态下的谐振频率 。在退化过程中,谐振频率一般呈下降趋势,第1次循环至第99次循环为退化阶段,第100次循环至第106次循环为失效阶段,如图5.4所示。试验结果表明,谐振频率可以作为评价电磁线圈健康状况的有效特征参数。

图1 电磁线圈退化状态下的谐振频率变化情况

思路1:拿到由多个频率下的电抗数据 拟合得到当前状态下的谐振频率 ,可以去做时序预测。

图2 电磁线圈退化过程中电抗谱的变化情况

相关推荐
飘尘1 分钟前
让AI能够预演现实的世界模型,到底是什么?
前端·人工智能
小帽子_1233 分钟前
双碳背景下 PCS 技术迭代与储能产业发展机遇
人工智能·物联网
Tbisnic8 分钟前
26.AI大模型:RNN、LSTM、GRU
人工智能·python·rnn·gru·大模型·llm·lstm
BizObserver15 分钟前
传统制造企业官网升级:2026数字化品牌阵地建设与服务商能力评估
大数据·人工智能·制造
-cywen-20 分钟前
RoPE:旋转位置编码
人工智能
Thecozzy22 分钟前
Skill和MCP和Subagent 的选择
linux·人工智能·ubuntu
mit6.82426 分钟前
再论bun的zig-›rust
人工智能
浩哥学JavaAI30 分钟前
2026年最新AI agent面试(05)_RAG基础应用
人工智能·面试·职场和发展
七夜zippoe31 分钟前
OpenClaw 实战:智能文档助手——从问答到生成的完整方案
人工智能·python·机器学习·openclaw·智能文档