基于机器学习的参数筛选（1）

退化参数筛选

1.数据集描述

本文使用的是NASA提出的涡扇引擎退化监测数据集(C-MPASS)。其发动机结构简图如下，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。C-MPASS数据如表1.1所示，其子数据集共4个，每个子类都有不同数量的工况条件和故障状态。

表1.1

本算例采用单工况FD001数据集，其进一步分为训练和测试子集，其包含1种故障状态和1种工况。训练集Train_FD001.txt收录了100台保持全寿命循环状态的发动机参数信息；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；RUL_FD001.txt中收录了测试集中100台发动机的RUL真实值。每台发动机的参数信息包含3种工作状况监测参数(飞行高度，马赫数，油门杆角度)和21个性能监测参数，其24个传感器监测参数如表1.2所示。

表1.2

2.构建测量性能参数的线性回归模型

2.1