C-MAPSS涡扇发动机仿真数据(PHM2008)

数据集介绍

   在开始介绍数据集之前,先帮大家理清一下涡扇发动机的数据(NASA提供,本文中称为数据集A)和PHM2008竞赛数据(本文称为数据集B)的关系。之所以将数据集A和数据集B放在一篇文章中,是因为数据集A和数据集B都是利用MATLAB所搭建的航空发动机Simulink模型搭建的。换句话说,它们的试验平台是一致的,但是其输入是存在差异的,具体可查看参考文献1和2。借用文献2中关于数据的介绍,数据集A和数据集B之间的联系如下表所示:

数据集

故障模式

条件

训练样本

测试样本

数据集A

#1

1

1

100

100

#2

1

6

260

259

#3

2

1

100

100

#4

2

6

249

248

数据集B

#5T

1

6

218

218

#5V

1

6

218

435

   从上表中能发现,数据集A由4个不同故障模式、不同条件的涡扇发动机数据集组成,而数据集B是由2个涡扇发动机数据集组成,这些涡扇发动机数据其实是相似的,仅仅是由于其条件和故障模式不同而已。值得注意的是,数据集A中#1、#2、#3都是#4的特殊情况,即#4是最复杂的情况,故障模式多并且条件多。对比数据集A,数据集B并没有给出测试样本的剩余寿命值,这是其重要差异。数据集B中#5v的435个测试样本是用于最终不同选手模型的打分所用的,其也缺乏寿命预测真值。在比赛中,选手通过上传自己的模型RUL,来获得最终打分。**因此,在我看来,数据集A是完整的,可以全部使用,而数据集B则仅只有#5T的训练样本可以使用**,数据集B的其他数据缺乏RUL真值,因此我们并不知道,无法在论文实验中使用。**综上所述,数据集B的价值不大,因此本篇文章主要解读数据集A。**

涡扇发动机仿真数据

试验说明

数据
图片

   数据集A即C-MAPSS模拟数据,该数据是模拟大型商用涡扇发动机的数据, 发动机简图如上图所示。该数据的代码采用了MATLAB及其Simulink模块。该模型的详细细节参考文献1。

2023

数据解读

data

数据集A网址:

https://data.nasa.gov/Aerospace/CMAPSS-Jet-Engine-Simulated-Data/ff5v-kuh6

数据集A和B的网址(NASA):

https://www.nasa.gov/content/prognostics-center-of-excellence-data-set-repository

01

所有数据均为txt文件,文件数量不多,大家可以手动读取,利用MATLAB“主页”菜单下的“导入数据”进行自行读取,不懂得大家可以百度。

02

文件分为三类:训练数据 train_FD00x.txt ;测试数据test_FD00x.txt,以及测试数据每个样本最后时刻时,其涡扇发动机的剩余使用寿命,对应文件RUL_FD00x.txt。(x可以为1、2、3,4,x取值不同,即改涡扇发动机的故障模式和条件不同)

03

训练数据 train_FD00x.txt与测试数据test_FD00x.txt内容想类似,其均为nX26的数值矩阵。该矩阵n表示不同样本的不同循环周期(循环周期可以理解成时间),26维度分别对应样本编号、时间循环、操作1、操作2、操作3、传感器1、传感器2、…、传感器21。该矩阵从第一行到后,先是第一个样本的不同时刻的操作和传感器输出,然后是第二样本的,直至所有样本的。

04

剩余寿命预测数据RUL_FD00x.txt其大小为max(样本编号)X1,比如FD001数据集有100个样本,那么其RUL_FD001.txt的大小为100X1。该数据的含义为第i个样本的最后监测时刻其对应的剩余寿命预测值。

05

数据集A网址:

https://data.nasa.gov/Aerospace/CMAPSS-Jet-Engine-Simulated-Data/ff5v-kuh6

数据集A和B的网址(NASA):

https://www.nasa.gov/content/prognostics-center-of-excellence-data-set-repository

关注公众号“滚动轴承故障诊断与寿命预测”,每天进步一点点。

参考文献

[1] Saxena A, Goebel K, Simon D, et al. Damage propagation modeling for aircraft engine run-to-failure simulation[C]//2008 international conference on prognostics and health management. IEEE, 2008: 1-9.

[2] Ramasso E, Saxena A. Performance Benchmarking and Analysis of Prognostic Methods for CMAPSS Datasets[J]. International Journal of Prognostics and Health Management, 2014, 5(2): 1-15.

[3] Wang T, Yu J, Siegel D, et al. A similarity-based prognostics approach for remaining useful life estimation of engineered systems[C]//2008 international conference on prognostics and health management. IEEE, 2008: 1-6.

[4] Heimes F O. Recurrent neural networks for remaining useful life estimation[C]//2008 international conference on prognostics and health management. IEEE, 2008: 1-6.

[5] Peel L. Data driven prognostics using a Kalman filter ensemble of neural network models[C]//2008 international conference on prognostics and health management. IEEE, 2008: 1-6.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/695506.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【论文解读】transformer小目标检测综述

目录 一、简要介绍 二、研究背景 三、用于小目标检测的transformer 3.1 Object Representation 3.2 Fast Attention for High-Resolution or Multi-Scale Feature Maps 3.3 Fully Transformer-Based Detectors 3.4 Architecture and Block Modifications 3.6 Improved …

MT8788|MTK8788安卓核心板参数_4G联发科MTK模块

MT8788核心板是一款功能强大的4G全网通安卓智能模块。该模块采用了联发科AIOT芯片平台,具有长达8年的生命周期。MT8788模块内置了12nm制程的八核处理器,包括4个Cortex A73和4个Coretex A53,主频最高可达2.0GHZ。标配内存为4GB64GB&#xff0c…

下载图片到本地,多个图片压缩后下载到本地

单个图片的下载: 第一种 async downLoadImage() {let response await fetch(https://img-home.csdnimg.cn/images/20231127111739.png);let data await response.blob();let url window.URL.createObjectURL(data);let link document.createElement(a);link.hr…

01 Linux简介

Linux背景 发展史 linux从哪来的?怎么发展的?得从UNIX说起 1968年,一些来自通用电气公司、贝尔实验室和麻省理工学院的研究人员开发了一个名叫Multics的特殊操作系统。Multics在多任务文件管理和用户连接中综合了许多新概念1969-1970年&am…

Json的简介与基本使用

JSON(JavaScript Object Notation)是一种轻量级的数据交换格式,易于人阅读和编写,同时也易于机器解析和生成。它基于JavaScript编程语言的一个子集,但JSON是独立于语言的文本格式,代码中可以使用各种语言来…

智能运维服务指的是哪些?智能运维阶段有哪些

智能运维服务通常包含哪些关键组成部分?它们在IT管理中的作用和重要性?智能运维的发展可以分为哪些主要阶段?每个阶段的核心技术或实践有哪些,它们是如何推动运维工作向更高水平的自动化和智能化发展的? 智能运维服务…

Linux离线安装插件

当公司Linux环境无外网情况下,需要先下载好离线安装包,然后上传到服务器,进行安装。 这里介绍一个下载插件安装包的网站,可以搜索到lrzsz、lsof、telnet、unzip、zip等安装包 搜索到想要的插件安装包后,下载并上传到服…

Ubuntu20.04安装Carla0.9.15

文章目录 环境要求下载Carla解压Carla运行Carla测试官方用例创建python环境安装依赖包案例:生成车辆案例:测试自动驾驶 参考链接 环境要求 系统配置要求: 至少3G显存的GPU,推荐3060及以上的显卡进行Carla拟真。预留足够的硬盘空…

Tomcat线程池原理(上篇:初始化原理)

文章目录 前言正文一、从启动脚本开始分析二、ProtocolHandler 的启动原理三、AbstractEndPoint 的启动原理四、创建默认线程池五、参数配置原理5.1 常规的参数配置5.2 自定义线程池5.3 测试自定义线程 前言 在Java Web的开发过程中,Tomcat常用的web容器。SpringBo…

C#知识点-13(进程、多线程、使用Socket实现服务器与客户端通信)

进程 定义:每一个正在运行的应用程序,都是一个进程 进程不等于正在运行的应用程序。而是为应用程序的运行构建一个运行环境 Process[] pros Process.GetProcesses();//获取电脑中所有正在运行的进程//通过进程,直接打开文件//告诉进程&…

cmd命令开启windows桌面远程控制并设置防火墙允许远程

cmd命令开启桌面远程控制 1、开启之前: 2、使用管理员身份运行cmd 3、执行cmd命令 reg add "HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlset\Control\Terminal server" /v fDenyTSConnections /t REG_DWORD /d 0 /f4、如果这台电脑的防火墙打开&#xff…

Android14 InputManager-InputManagerService环境的构造

IMS分为Java层与Native层两个部分,其启动过程是从Java部分的初始化开始,进而完成Native部分的初始化。 □创建新的IMS对象。 □调用IMS对象的start()函数完成启动 同其他系统服务一样,IMS在SystemServer中的ServerT…

股票K线认知从形态到逻辑,仓位管理与交易体系实战

一、教程描述 本套教程内容分为三个部分,1、基础篇:讲的都是干货基础,有些是书本上没有的,通过对基础知识的掌握,对技术形态会有更深的理解,比如集合竞价、K线指标、盘中看盘技巧等等。2、交易篇&#xff…

boolean在Java中占几个字节?(企业真题)

boolean 占几个字节 编译时不谈占几个字节。 但是JVM在给boolean类型分配内存空间时,boolean类型的变量占据一个槽位(slot(狭槽、窄口、扁口),等于4个字节)。 细节:true:1 false:0 拓展:在内存中,byte\short\char\boo…

express静态资源访问错误 xxx.js was blocked due to MIME type (“text/html“)

归根结底原因是没有静态资源xxx.js的访问权限 如何在express中给静态资源添加访问权限,我在express js中添加以下语句解决了该问题: app.use(express.static(public)); 此时访问public文件夹中的xxx.js文件时,只需要使用路径 http://127.0…

备战蓝桥杯 Day9(背包dp)

01背包问题 1267:【例9.11】01背包问题 【题目描述】 一个旅行者有一个最多能装 M� 公斤的背包,现在有 n� 件物品,它们的重量分别是W1,W2,...,Wn�1,�2&#…

CentOS升级python

1、下载python39 https://mirrors.huaweicloud.com/python/3.9.0/Python-3.9.0.tgz2、拷贝到Linux环境(当然也可以直接在Linux环境使用wget直接下载) 先安装一下依赖,不然编译会有问题 sudo yum -y install zlib-devel bzip2-devel openssl…

【day02】每天三道 java后端面试题:Java、C++和Go的区别 | Redis的特点和应用场景 | 计算机网络七层模型

文章目录 1. Java、C和 Go 语言的区别,各自的优缺点?2. 什么是Redis?Redis 有哪些特点? Redis有哪些常见的应用场景?3. 简述计算机网络七层模型和各自的作用? 1. Java、C和 Go 语言的区别,各自的…

hsv Matlab

HSV 色彩空间 1.1 色调(Hue) 1.2 饱和度(Saturation) 1.3 明度(Value) 参考: HSV matlab

C#算法(12)—对图像像素做X/Y方向的偏移

我们在上位机开发领域有时候需要对获取的图像的像素做整体的偏移,比如所有像素在X方向上偏移几个像素,或者所有像素在Y方向上偏移几个像素,本文就是开发了像素整体偏移算法来解决这个问题。 比如有一个图像大小为3*3,像素值如下图1,如果我想实现将这个幅图像的像素整体往右…