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
EkihzniY6 小时前
AI+OCR:解锁数字化新视界
人工智能·ocr
东哥说-MES|从入门到精通6 小时前
GenAI-生成式人工智能在工业制造中的应用
大数据·人工智能·智能制造·数字化·数字化转型·mes
铅笔侠_小龙虾7 小时前
深度学习理论推导--梯度下降法
人工智能·深度学习
kaikaile19957 小时前
基于遗传算法的车辆路径问题(VRP)解决方案MATLAB实现
开发语言·人工智能·matlab
lpfasd1237 小时前
第1章_LangGraph的背景与设计哲学
人工智能
Aevget7 小时前
界面组件Kendo UI for React 2025 Q3亮点 - AI功能全面提升
人工智能·react.js·ui·界面控件·kendo ui·ui开发
桜吹雪8 小时前
LangChain.js/DeepAgents可观测性
javascript·人工智能
&&Citrus8 小时前
【杂谈】SNNU公共计算平台:深度学习服务器配置与远程开发指北
服务器·人工智能·vscode·深度学习·snnu
乌恩大侠8 小时前
Spark 机器上修改缓冲区大小
人工智能·usrp
STLearner8 小时前
AI论文速读 | U-Cast:学习高维时间序列预测的层次结构
大数据·论文阅读·人工智能·深度学习·学习·机器学习·数据挖掘