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
小易测试笔记1 分钟前
如何选择适合的Hanwa ESD-易捷测试设备进行半导体静电放电测试?
人工智能
程序员差不多先生1 分钟前
Anthropic 用 5 个月重写了 Git:当 AI Agent 把版本控制系统逼到墙角
人工智能·git·elasticsearch·deepseek v4 pro·kimi k3·glm 5.3·qwen3.7 max
墨林陌1 分钟前
AI 热点日报(2026-10-19):DeepSeek V4.1-Flash落地,国产十万卡超集群亮相,Meta开源816B大模型
人工智能
const_qiu3 分钟前
第三章 08:3.10 本章小结
java·人工智能
hsfxuebao6 分钟前
从 OpenTelemetry 到 Langfuse:企业级 Agent 可观测性实践
人工智能
在所不辞兄7 分钟前
【神经网络干货】把指数级计算拆成四条一维路径:可分离 PI-DeepONet 如何破解高维 PDE
人工智能·深度学习·神经网络·机器学习
CV爱数码12 分钟前
论文精读|FBPConvNet:先 FBP 再 U-Net,深度学习 CT 重建的起点
人工智能·深度学习·ct·重建
墨子夕13 分钟前
新造的人(卷一 烟火人间)
人工智能·程序人生·未来生活
qytklt15 分钟前
GEO生成式引擎优化技术拆解:从大模型检索原理到AI搜索推荐实现路径
人工智能·geo生成式引擎优化
Elastic 中国社区官方博客17 分钟前
Jina AI:Elasticsearch 集成
大数据·运维·人工智能·elasticsearch·搜索引擎·全文检索·jina