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
NAGNIP2 小时前
轻松搞懂全连接神经网络结构!
人工智能·算法·面试
moshuying4 小时前
别让AI焦虑,偷走你本该有的底气
前端·人工智能
董董灿是个攻城狮4 小时前
零基础带你用 AI 搞定命令行
人工智能
喝拿铁写前端6 小时前
Dify 构建 FE 工作流:前端团队可复用 AI 工作流实战
前端·人工智能
阿里云大数据AI技术7 小时前
阿里云 EMR Serverless Spark + DataWorks 技术实践:引领企业 Data+AI 一体化转型
人工智能
billhan20167 小时前
MCP 深入理解:协议原理与自定义开发
人工智能
Jahzo7 小时前
openclaw桌面端体验--ClawX
人工智能·github
billhan20167 小时前
Agent 开发全流程:从概念到生产
人工智能
threerocks7 小时前
过了个年,AI 圈变天了?但没人告诉你为什么
人工智能