RUL问题的通常步骤

其步骤为：
1.数据处理（预处理与特征提取）
2.模型搭建 （搭建神经网络）
3.将处理好的数据送进模型（确保维度一致）
4.根据预测值与实际值计算评价指标。

1. 数据处理

原始数据也可以直接送入网络（需要match网络形状），但通常有数据不干净和数据冗杂的问题。

• 数据处理的意义：①将原始数据处理为有实际意义的数据。②将数据形状处理为可以输入网络的形状。
• 其又大致分为：①数据的预处理。②时频变换。③数据特征提取

1.1 数据预处理

数据预处理有多种方法：数据清理，数据集成，数据变换，数据归约等。
这些数据处理技术在数据挖掘之前使用，大大提高了数据挖掘模式的质量，降低实际挖掘所需要的时间。

1.2 时频变换

时域数据往往难以直接获得信息，而频域数据却能较好的获得异常信息，所以需要通过时频变换处理数据。
详解见链接：https://blog.csdn.net/u013539952/article/details/80525393?spm=1001.2014.3001.5502

1.3 数据特征提取

• 特征值即最能代表数据信息的值，其本质是少量数据表明全部数据的特征。在机械RUL领域，又可分为 时域特征值 和 频域特征值。
• 其本质是是通过数学公式计算而来的数据统计值。

a. 时域特征值
其可以在原始数据中直接得到。

b. 频域特征值
其需要在时频变换之后的频域中提取。

标签：特征值,RUL,一览,频域,问题,时频,数据处理,数据,预处理
来源： https://www.cnblogs.com/zzzfy/p/15949171.html