CMAPSSDataNASA前期数据预处理

对于RUL的入门，后期的训练模型代码好找，下面给大家简单介绍一下数据的预处理部分

• 1、数据介绍

对于数据的介绍有很多文章，此处就不做赘述了，大家也可以自己去搜搜好的帖子，路过可以瞧瞧以下几篇帖子👇

CMAPSS的个人理解和CMAPSS、PHM08、09、12下载地址_cmapss数据集介绍-CSDN博客

使用LSTM实现C-MAPSS数据集里面的剩余寿命预测（Pytorch）-CSDN博客

• 2、数据集下载

下面是网盘链接，直接下载就行，对照着上面的介绍，大家悟一悟哈

链接：https://pan.baidu.com/s/14Se4CR1BGSD17aFNWcqLcg 
提取码：haha

• 3、数据处理步骤

3个步骤：加载数据——滑动窗口处理数据——数据归一化

• 加载数据

import pandas as pd
import numpy as np

# 加载数据
columns = ['engine_id', 'cycle', 'setting1', 'setting2', 'setting3'] + [f's{i}' for i in range(1, 22)]
df = pd.read_csv('CMAPSSDataNASA./train_FD001.txt', sep='\s+', header=None, index_col=False, names=columns)


# 计算每个引擎的RUL
df['RUL'] = df.groupby('engine_id')['cycle'].transform(max) - df['cycle']

df

运行结果大致如下：

• 滑动窗口处理数据

def sliding_window_dataframe(data, window_size, step_size=1):
    windows = []
    labels = []
    for engine_id in data['engine_id'].unique():
        engine_data = data[data['engine_id'] == engine_id]
        for start in range(len(engine_data) - window_size + 1):
            end = start + window_size
            windows.append(engine_data.iloc[start:end, 2:-1].values)  # 不包含engine_id和cycle列
            labels.append(engine_data.iloc[end-1, -1])  # 使用窗口最后一个周期的RUL作为标签
    return np.array(windows), np.array(labels)


window_size = 30
step_size = 1
X, y = sliding_window_dataframe(df, window_size=window_size, step_size=step_size)

对于输出的解释：

X（特征）：X是一个三维数组，其中第一维对应于不同的窗口，第二维对应于窗口内的时间步（在这个例子中是30个周期），第三维对应于每个时间步的特征（传感器读数和设置值）。因此，如果你有100个窗口，每个窗口30个时间步，每个时间步20个特征，则X的形状将是(100, 30, 20)。

y（标签）：y是一个一维数组，每个元素对应于一个窗口的RUL标签。数组的长度与窗口的数量相同，因此如果你有100个窗口，y的形状将是(100,)。

即，一个矩阵对应一个数值。这块强烈建议多想一想以下两点：

①之前的机器学习比如UCI数据分类集，都是一行x对应一个y，现在是一个矩阵块对应一个y。

②剩余寿命就是总寿命-现在的寿命值！

• 数据归一化

from sklearn.preprocessing import StandardScaler, MinMaxScaler

# 假设X是特征数据
scaler = StandardScaler()
# 对每个特征独立进行标准化
num_instances, num_time_steps, num_features = X.shape
X_reshaped = X.reshape(-1, num_features)  # 将X重塑为2D，以便进行标准化
X_scaled = scaler.fit_transform(X_reshaped)  # 标准化
X = X_scaled.reshape(num_instances, num_time_steps, num_features)  # 将X重塑回3D


from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

好了！到此就划分完成了训练集和验证集！后面用test_FD001作为测试集！即可！

后续的有空了再更新，比如最简单的CNN模型来预测（啊，还没学会如何调整模型，结果好差TAT）