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
周杰伦fans2 分钟前
BIM(建筑信息模型)不仅仅是一项技术
人工智能
seasonsyy7 分钟前
再说机器学习与深度学习的关系
人工智能·深度学习·机器学习
饼干,8 分钟前
期末考试3
开发语言·人工智能·python
乾元9 分钟前
AI 在 BGP 池管理与路由安全(RPKI / ROA)中的自动化运用——服务提供商网络中“可验证路由”的工程化实现
运维·服务器·网络·人工智能·网络协议·安全·自动化
视觉&物联智能10 分钟前
【杂谈】-AGI的皇帝新衣:OpenAI商业模式能否抵御开源模型冲击?
人工智能·ai·开源·openai·agi·deepseek
jackylzh11 分钟前
数据集标签文件转换方法--将 XML 文件类型转化为 TXT 文件类型
人工智能·python·深度学习
小程故事多_8012 分钟前
Manus AI技术架构深度解析,CPU与GPU的异构协作革命
人工智能·架构·aigc
水如烟13 分钟前
孤能子视角:嵌入式Linux应用开发自学,知识点架构和学习路径
人工智能
小北方城市网15 分钟前
第 5 课:后端工程化进阶 ——Python 分层架构 + 中间件 + 日志 / 异常统一处理(打造企业级高可用后端)
数据库·人工智能·python·mysql·数据库架构
minhuan15 分钟前
大模型应用:多尺度注意力解析:大模型特征提取的基础概念与应用价值.43
人工智能·深度学习·机器学习·注意力机制