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
万岳科技系统开发8 分钟前
外卖跑腿配送系统如何借助AI提升配送效率?
大数据·人工智能·机器学习
thinking_talk20 分钟前
腾讯云AI Agent安全中心综合评测
人工智能·安全·腾讯云
阿拉雷️27 分钟前
Prompt工程设计实践:从基础模板到场景化策略
人工智能·语言模型·prompt
Kel28 分钟前
MCP 传输链路全链路拆解:从字节流到协议栈的四层架构之旅
人工智能·设计模式·架构
魏祖潇30 分钟前
DDD 完整指南——AI 时代工程师的第一道秩序分水岭
人工智能·后端
Mark08020331 分钟前
散户做信息整理和研究记录时,不同AI工具更适合哪些环节
大数据·人工智能
L3S33 分钟前
Agent为什么会死循环?
人工智能·agent
Z-D-K36 分钟前
考验AI的“自我“-AI对《红楼梦》后40回的改写(32)
人工智能·ai·aigc·交互·agi
触底反弹41 分钟前
AI Tool Use 深度解析:大模型是如何"突破物理限制"调用外部工具的?
javascript·人工智能·后端
delishcomcn43 分钟前
从“一刀切”到动态预测:AI优化烫金箔张力控制
人工智能