基于NASA C-MAPSS数据的介绍

已于 2023-05-22 19:38:08 修改
阅读量1.5w 收藏 101
点赞数 16
文章标签： 机器学习 深度学习 人工智能
于 2023-05-07 18:25:10 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/houxuxu001/article/details/130545260
版权
文章介绍了C-MAPSS数据集，它是用于航空发动机剩余寿命预测的模拟数据集。FD001作为单工况数据，其性能参数在运行周期内有明显单调变化，利于模型学习。而多工况数据如FD002则显示更复杂的参数变化，对机器学习模型提出挑战。研究强调了工况变化对预测效果的影响。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1 引言

当前基于机器学习的剩余寿命预测方法的研究异常火爆，其中C-MAPSS数据集在该领域的使用非常广泛，为了方便各位同仁的学习和理解，借此文章向大家简单介绍一下。

2 C-MAPSS数据集介绍

1）首先说明，C-MAPSS数据集为模拟数据。这是由于航空发动机的构造复杂，其气路变化复杂多变；并且航空发动机的运行数据通常作为各个航空公司的保密数据，一般不易获取。因此由NASA使用Commercial Modular Aero-Propulsion System Simulation软件生成了该套数据集，其目的是结合发动机的运行特点，来测试不同的模型性能。
2）NASA提出的涡扇引擎退化监测数据集(C-MPASS)的结构简图如下所示。主要构件包含风扇、低压压气机(LPC)、高压压气机(HPC)、燃烧室、高压涡轮(HPT)、低压涡轮(LPT)及其喷管。
在这里插入图片描述
3）其子数据集共四个，每个子类都有不同数量的工况条件和故障状态。C-MAPSS数据如下图所示。
在这里插入图片描述
4）当前的论文研究中，主要以单工况、单故

最低0.47元/天 解锁文章
C-MAPSS数据集-RUL剩余寿命预测
cnjs1994的博客
07-08 1708
在故障诊断与预测性维护、运维领域（PHM），当前基于机器学习等人工智能算法的剩余寿命预测方法的研究异常火爆，其中C-MAPSS数据集在该领域的使用非常广泛，为了方便各位同仁的学习和理解，借此文章向大家简单介绍一下。根据文献【2】的描述，其实相当于是对退化问题作了一个简化，虽然说是按照退化过程的时变特性，做了一定的建模上的设置，但是有点太缺少非线性特性了。
C-MAPSS数据集探索性分析
weixin_39402231的博客
06-10 1984
实验数据为商用模块化航空推进系统仿真C-MAPSS数据集，该数据集为NASA格林中心为2008年第一届预测与健康管理国际会议(PHM08)竞赛提供的引擎性能退化模拟数据集，数据集整体信息如下所示.
RUL 预测（C-MAPSS 数据集）：Dynamic Adaptation for Length Changeable Weighted Extreme Learning Machine-matlab开发
05-29
这项工作介绍了 [1] 中提出的 LCI-ELM 的新改进。 新的贡献集中在训练模型对更高维度的“时变”数据的适应性上。 使用C-MAPSS数据集对提出的算法进行了研究[2]。 PSO[3] 和 R-ELM[4] 训练规则被整合到了这个任务中。 拟议算法和用户指南的详细信息可在： https : //www.researchgate.net/publication/337945405_Dynamic_Adaptation_for_Length_Changeable_Weighted_Extreme_Learning_Machine [1] YX Wu、D. Liu 和 H. Jiang，“长度可变增量极限学习机”，J. Comput。 科学技术，卷。 32号3，第 630-643 页，2017 年。 [2] A. Saxena、M. Ieee、K. Goebel、D. Simon 和
CMAPSS 涡扇发动机数据集
gitblog_09772的博客
10-17 395
CMAPSS 涡扇发动机数据集 【下载地址】CMAPSS涡扇发动机数据集 CMAPSS 涡扇发动机数据集，亲测可用，用于寿命预测入门 项目地址: https://gitcode.com/open-source-toolkit/14...
更多 LSTM 变种——应用于 CMAPSS 数据集
最新发布
2301_77491330的博客
03-10 934
本文并模型介绍，只是把一些比较火的技术，像双向注意力机制，自注意力机制这样的比较火的内容，简单的和LSTM堆叠，结果发现效果都不如最基础的，这里作者将本人代码及实现结果，进行展示，给各位想更改LSTM的朋友一些。
C-MAPSS数据集介绍和学习
weixin_44943389的博客
09-27 1825
该数据集包括了在不同工况下（称为工作点）模拟的多个航空发动机的运行数据。此外，每个工作点都提供了与之相关联的剩余寿命（Remaining Useful Life, RUL）信息，即预计在当前工作点下发动机故障之前的剩余寿命。C-MAPSS数据集中的发动机类型分为四种，分别用0、1、2和3表示。每个发动机类型包括了不同的剩余寿命和运行数据，以模拟现实中的不同发动机健康状态和工作条件。通常，研究人员可以使用C-MAPSS数据集来训练和评估发动机故障诊断算法，以提高对发动机健康状态的监测和诊断能力。
C-MAPSS大型涡轮风扇发动机数据集
02-26
涡轮风扇发动机从正常运行至失效的全寿命采集的实验数据，对于研究涡轮风扇发动机的故障的预测及性能评估想必有用。-Turbofan engine failure from normal operation to the whole life of the experimental data collected for the study of turbofan engine failure prediction and performance evaluation must be useful.
C-MAPSS数据集详细介绍
weixin_46275898的博客
05-21 3806
第一列同样是样本序号，从1-100，也是100个样本，第二列是采集数据的时序，上述样本1含有从1到31次时序采集的状态数据，预测未来发生故障前剩余的时序次数，及剩余的url，真实的url标签存放在RUL_FD001中。当前基于机器学习的剩余寿命预测方法的研究异常火爆，其中C-MAPSS数据集在该领域的使用非常广泛，为了方便各位同仁的学习和理解，借此文章向大家简单介绍一下。第一列表示样本序号，样本序号从1-100即共100个样本，第二列表示采集数据的时序，直到发生故障：即样本1发生故障前的192个时序数据。
C-MAPSS数据集介绍
woewo_understand的博客
10-26 583
C-MAPSS数据集共有4个子数据集。6~26列是不同传感器信号。每个子数据集都有26列。
C-MAPSS/航天发动机/涡轮发动机数据集
10-12
C-MAPSS/航天发动机/涡轮发动机数据集 包含FD001-FD004
m基于GRNN广义回归神经网络的飞机发动机剩余寿命预测matlab仿真,训练集采用C-MAPSS数据集
fpga/matlab/simulink算法仿真工程
12-24 1300
GRNN建立在非参数核回归基础上，以样本数据为后验条件，通过执行诸如Parzen非参数估计，从观测样本里求得自变量和因变量之间的联结概率密度函数之后，直接计算出因变量对自变量的回归值。rul 里面的数值就是真实值。第一层和第二层的神经元数目都与输入的样本向量对的数目相等。输入层的神经元数目与学习样本中输入向量的维数m相等，每个神经元都是一个简单的分布单元，这些神经元直接将输入变量传递到隐含层中。数据第一列是机器的编号，第二列是每个机器的运行的时间序列标号，3~5是对应的设置，6~最后一列是传感器的测量值。
nasa航空发动机数据集，cmapss仿真数据
06-15
nasa航空发动机数据集，cmapss仿真数据。
NASA下载遥感数据说明
07-01
NASA上提供了很多免费的遥感图像，对于做遥感的人来说是个很好的网站，说明上图文并茂的演示了下载的过程
数据集C-MAPSS-Data.rar
01-07
C-MAPS数据集
C-MAPSS_Problem
05-17
C_MAPSS Turbofan问题 商业模块化航空推进系统仿真（C-MAPSS）是涡轮风扇仿真模型。 C-MAPSS用于从涡扇发动机生成仿真的运行失败数据集，该数据集已在NASA的卓越诊断中心存储库中发布，该库可 。 在预测维护范围内解决问题的数据驱动方法的最大瓶颈是缺乏从运行到失败的数据集。 该模拟数据集使研究人员可以针对此问题构建，测试和基准测试不同的方法。 C-MAPSS数据集由具有不同操作和故障条件的四个子数据集组成。 每个子数据集进一步分为训练集和测试集。 数据由多个多元时间序列测量组成。 在每个数据集中，每个引擎都来自一组相同类型的引擎，每个时间序列都来自一个引擎。 每个发动机都以不同程度的初始磨损和制造变化开始，这是未知的。 这些磨损和变化被认为是每个发动机的正常行为。 发动机在每个时间序列开始时均正常运行，并在某个时间点出现故障。 在训练集中，故障的严重程度会不断增加，
基于NASA C-MAPSS数据的剩余机械寿命RUL预测，Python代码（添加了非常详细中文注释），线性回归LR、支持向量回归SVR、随机森林回归RF、xgboost模型
2301_79699110的博客
11-07 2149
当前的论文研究中，主要以单工况、单故障状态的FD001数据集为主(笔者认为该数据集相对简单，相比于多工况数据，不需要额外的数据处理)。测试集Test_FD001.txt收录了100台非全寿命循环状态的发动机参数信息，即仅包含发动机故障前某个时间终止的多个传感器数据，根据给定的运行参数对每台发动机的RUL进行实时的预测；当前基于机器学习的剩余寿命预测方法的研究异常火爆，其中C-MAPSS数据集在该领域的使用非常广泛，为了方便各位同仁的学习和理解，借此文章向大家简单介绍一下。show.py的如下。
小白初识N-CMAPSS数据集
weixin_45386417的博客
12-02 1952
N-CMAPSS数据集介绍及读取
C-MAPSS dataset
04-02
The C-MAPSS dataset (Commercial Modular Aero-Propulsion System Simulation) is a widely used benchmark dataset for prognostics and health management (PHM) research in the field of aviation. It was originally developed by NASA to support research in the areas of fault diagnosis, prognostics, and remaining useful life (RUL) estimation for aircraft engines. The dataset contains sensor measurements and operational data from a fleet of commercial turbofan engines, which were operated under different conditions and subjected to various types of faults and failures. The dataset includes four different sub-datasets, each representing a different engine model and covering different levels of fault severity. The C-MAPSS dataset has been widely used by researchers and practitioners to develop and evaluate various PHM techniques, including data-driven and model-based approaches for fault detection, diagnosis, and RUL estimation. It has also been used to compare the performance of different PHM methods and to benchmark different algorithms and techniques in the field. Overall, the C-MAPSS dataset has played a critical role in advancing the state of the art in PHM research for aircraft engines and has contributed to improving the safety, reliability, and efficiency of commercial aviation.
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Striving521

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值