C-MAPSS数据集探索性分析

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：

涡扇发动机仿真模拟模型如下图所示。

仿真建模主要针对发动机气路部分，主要包含风扇扇叶(Fan)、低压压气机(LPC)、高压压气机(HPC)、燃烧室(Combustor)、低压转子(N1)、高压转子(N2)、高压涡轮(HPT)、低压涡轮(LPT)、尾喷管(Nozzle)。数据集是涡扇发动机性能组件在不同时刻的监测数据，因此数据具有时序性且反映出涡扇发动机性能的退化。

数据集划分出四个子数据集，不同的子数据集发动机处在不同的运行工况且故障模式不一致。子数据集中均包含对应的训练数据集、预测数据集和预测结果标签数据集。在同一训练数据集中，所有涡扇发动机机组是同一类型，但每台涡扇发动机存在初始磨损和制造安装误差；每个机组的传感器监测数据是完整，反映了涡扇发动机从初始到故障的所有生命周期。而测试集是同一涡扇发动机生命周期的片段化数据。训练数据集和测试数据集都是26列，其中第一列是涡扇发动机机组编号，第二列是某一机组发动机运行的周期数，第三列到第五列是三种输入参数配置即操作数，以及余下21列为传感器监测的涡扇发动机指标如下所示。

为充分提取所有监测数据中的退化特征，选择出能够体现发动机退化趋势的传感器数据。以编号为FD001的训练数据集为例，给出部分传感器数据变化曲线如下图所示。

编号为FD001的训练数据集中存在7组传感器采集的数据是恒定的，并不随涡扇发动机使用时间的增加而产生变化；14组传感器采集的数据与涡扇发动机的性能变化相关，传感器具体名称和符号如下所示。

from google.colab import drivedrive.mount('/content/drive')import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns