N-CMAPSS数据集解读

参考：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9673064
文章为《Exploratory Data Analysis of the N-CMAPSS Dataset for Prognostics》

摘要-近年来，航空、航天、铁路，石油已经从基于状态的纠正/预防性维护(CBM)。 CBM 的推动者之一是预测它主要处理的剩余使用寿命的预测工程资产。除了基于物理学的方法外，数据然而，驱动方法被广泛用于预测目的后一种技术需要运行到失败数据集的可用性。在这篇手稿中，作者的目的是进行探索新的商业模块化航空推进系统仿真(N-CMAPSS)数据集的数据分析(EDA)虽然有8个数据集可以公开获得，但是作者本文所选择的数据集3(DS03)的 EDA，其中包括980万个实例和47个特性是获得更好的理解数据集，因为它将促进在建立一个深度学习模型，可用于预测飞机发动机的转速。

N-CMAPSS 数据集提供了模拟运行到失败的过程。大型涡扇发动机小型舰队的轨迹示意图如图2所示。综合生成使用 CMAPSS 引擎模拟器建立模拟器的示意图如图8所示。3对数据生成方法进行了详细的讨论通过比较图3和图2，可以看出CMAPSS 是涡扇发动机的高保真模型。

共有8个数据集使用 CMAPSS 模拟器进行模拟,表一给出了数据集的概述。已考虑将 DS03用于 EDA
有980万行，15个单位(即15个不同涡扇发动机的数据发动机) ，3个飞行类别和1个故障模式。数据在
H5文件的格式和数据集中的变量分为表二显示的6个类别。

没有考虑 X _ v _ * 和 T _ * ，因为它们对预测模型的建立，如[10]所讨论的包括4个与飞行数据有关的参数(即，高度，飞行马赫数，油门分辨角度，和总温度在而 X _ s _ * 由14个参数组成，如
表 III. 辅助变量(A _ )由4组成参数即单位数(分类变量) ，飞行

[1] Frederick, Dean & DeCastro, Jonathan & Litt, Jonathan. (2007). User's Guide for the Commercial Modular Aero-Propulsion System Simulation (C-MAPSS). NASA Technical Manuscript. 2007–215026.

[2] Chao, Manuel Arias, Chetan Kulkarni, Kai Goebel, and Olga Fink. "Aircraft Engine Run-to-Failure Dataset under Real Flight Conditions for Prognostics and Diagnostics." Data. 2021; 6(1):5. https://doi.org/10.3390/data6010005

[3] Chao, Manuel Arias, Chetan Kulkarni, Kai Goebel, and Olga Fink. "Fusing physics-based and deep learning models for prognostics." Reliability Engineering & System Safety 217 (2022): 107961.

[4] Mo, Hyunho, and Giovanni Iacca. "Multi-Objective Optimization of Extreme Learning Machine for Remaining Useful Life Prediction." EvoApplications, part of EvoStar 2022 (2022), to appear.