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
Rany-几秒前
基于机器学习的长距离原水管线泄漏检测和定位
人工智能
Dawson Zhu3 分钟前
《Agentic Design Patterns》第 17 章导读:推理技术
人工智能·语言模型·架构·aigc·agi
lank_M4 分钟前
WebCodecs解码竖拍视频变横的?四个浏览器实测
图像处理·人工智能·计算机视觉·音视频
ybdesire8 分钟前
使用agent-audit扫描Agent源码发现安全漏洞
人工智能·语言模型
kaka.liulin -study9 分钟前
Colulu Agents Research:基于YOLO的端侧牛只检测课题的两阶段可审计研究
人工智能·multi agents
天真有邪09029 分钟前
MVE:让 Voyager 在 VLML 上学会「取数编排」
人工智能
程序员大狐狸9 分钟前
Ultra X7 358H 笔记本电脑,本地部署 Bonsai-2-27B,实测生成速度 11.6 tok/s
人工智能·llm
ViperL19 分钟前
[高光谱]基于NAS的Few-Shot高光谱图像分类
人工智能·分类·数据挖掘
狄龙15 分钟前
Isaac Sim遥操作实操手册:Franka 摞方块(键盘 / Xbox360 / 鼠标)(二)
人工智能