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
TMT星球1 小时前
云从科技参编两项人工智能操作系统国家标准正式发布
人工智能·科技
johnsong1 小时前
AI 前沿日报 2026-10-14:边界渗透
人工智能
阿里云大数据AI技术2 小时前
在 EMR Serverless Spark 中访问 Fluss
人工智能·spark
Dawson Zhu2 小时前
《Agentic Design Patterns》第 21 章导读:探索与发现
人工智能·语言模型·架构·aigc·agi
龙腾AI白云2 小时前
数字孪生、具身智能、世界模型三者交叉
数据库·人工智能·机器学习·flask·pygame
JAVA_AI人工智能项目实战2 小时前
大模型结构演进.学习笔记
大数据·人工智能·语言模型·架构
商业数据派2 小时前
京东11.11:首日下单用户数同比双位数增长、超百项服务首次全景亮相
人工智能
W***25922 小时前
2026企业AI办公工具选型指南:从需求匹配到平台评估
人工智能
石狮松松2 小时前
第04 章 机器学习、深度学习、大模型到底什么关系
人工智能
有月牙2 小时前
Work Agent深度解读:AI长程任务的执行机制与落地边界
人工智能