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
niuniudengdeng几秒前
一种基于HFF4材料的自消亡类脑芯片架构构想:把神经网络的训练变成物理化学过程
人工智能·神经网络·算法
Dr.AE11 分钟前
AI+政务 行业分析报告
大数据·人工智能·政务
LaughingZhu18 分钟前
Product Hunt 每日热榜 | 2026-02-19
数据库·人工智能·经验分享·神经网络·chatgpt
niuniudengdeng27 分钟前
一种基于XRF实景建模与AI世界生成的一步闭式解光线追踪视觉生成模型
人工智能·数学·算法
声网27 分钟前
从通用智能到场景实战:如何定义好用的「Voice Agent」?
人工智能
新加坡内哥谈技术28 分钟前
微软全新的“万年级”数据存储介质:玻璃-飞秒激光将数据刻入极其稳定的材料之中
人工智能
琢磨先生David29 分钟前
有了AI,还需要学Springboot吗?
人工智能·spring boot·后端
Tadas-Gao33 分钟前
校准之弧与演进之轮:大模型时代的软件工程范式革命
人工智能·深度学习·架构·大模型·llm·软件工程
新缸中之脑33 分钟前
Stable Diffusion的3个替代方案
人工智能·stable diffusion
heimeiyingwang35 分钟前
AI 赋能企业营销:智能内容生成与精准客户触达
人工智能