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
Are_You_Okkk_9 小时前
AI编程赋能研发效率:核心能力与实践经验总结
人工智能·开源·ai编程
鱼骨不是鱼翅9 小时前
jupyter notebook
ide·人工智能·jupyter
圣殿骑士-Khtangc9 小时前
OpenClaw 完整部署教程(2026最新版)|Windows / macOS / Linux 全平台保姆级指南
人工智能·openclaw
沐风___9 小时前
解锁协作式 AI:Claude Agent Teams 架构与实战完全指南
人工智能·架构
诸神缄默不语9 小时前
如何选择合适的大模型(写给小白的LLM工具选型系列:第二篇)
人工智能·大模型
苦瓜小生9 小时前
一些Java后端面试AI相关问题的总结
人工智能
小程故事多_809 小时前
无 GitAI 依赖|企业 AI 编码合规管控 + 全生命周期追溯,实现效率与安全双向破局
人工智能·安全·架构·aigc·ai编程·harness
AiSchoober9 小时前
schoober-ai-sdk:核心ReAct 引擎的实现
人工智能·ai·node.js·agent·ai编程
龙文浩_9 小时前
AI深度学习中的自动微分与梯度下降机制解析
人工智能·深度学习
conlin day9 小时前
Spring AI学习(一)
人工智能·学习·spring