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
zhangfeng113313 小时前
[帮助聋哑人沟通]Tiger AI 手势识别大升级:从数字到无声世界,双手同时比划也能秒识别
人工智能
chunmiao303213 小时前
Claude 文本水印引退订,AI 内容溯源时代要来了
人工智能
维核科技13 小时前
AI+智慧农业:从选种到丰收的AI赋能之路
人工智能
killerbasd13 小时前
总结 8。15
人工智能·机器学习·概率论
数智化转型推荐官13 小时前
AI驱动采购全链路革新:泛微·京桥通智能化采购管理方案深度解读
人工智能
Microsoft Word13 小时前
Agent上下文工程构建
人工智能
段一凡-华北理工大学13 小时前
AI推动工业智能化转型~系列文章24:钢铁工业 AI 全景图:从原料场到轧机的场景地图
人工智能·深度学习·模型生命周期·钢铁工业·ai全景
styshoo14 小时前
[NVSentinel] gpu-health-monitor模块调研
人工智能·云原生·nvsentinel
小玮看世界14 小时前
基于AI的活动预期流量统计分析:共享单车精准数治与精准派单的工程可行性研究
人工智能
iori97king14 小时前
织信开发日志 11:AI 智能体如何从一句话生成应用
人工智能