C-MAPSS数据集入门指南：从数据加载到故障预测模型构建

1次阅读

共计 2325 个字符，预计需要花费 6 分钟才能阅读完成。

C-MAPSS（Commercial Modular Aero-Propulsion System Simulation）数据集是 NASA 开发的航空发动机故障预测基准数据集，广泛应用于剩余使用寿命（RUL）预测研究。对于初学者来说，使用该数据集常遇到以下痛点：

数据维度理解困难 ：包含多维传感器数据、操作条件和故障标记，结构复杂
时间序列处理复杂 ：需要处理变长时间序列和不同发动机间的数据对齐
特征工程门槛高 ：如何从原始传感器数据中提取有效特征需要专业领域知识

C-MAPSS 数据集包含 4 个子集（FD001-FD004），每个子集包含以下文件：

文件类型	描述
train.txt	训练数据，包含多个发动机的运行周期数据直到故障发生
test.txt	测试数据，包含发动机运行周期数据但没有故障发生时的完整周期
RUL.txt	测试集中每个发动机的剩余使用寿命（RUL）

关键字段含义：

Unit Number：发动机编号
Time (cycles)：运行周期数
Operational Setting 1-3：操作条件（如海拔、油门设置等）
Sensor Measurement 1-21：21 个传感器测量值
RUL：剩余使用寿命（仅在训练集中标记）

import pandas as pd
import numpy as np

# 加载训练数据
columns = ["unit", "time"] + [f"op_{i}" for i in range(1,4)] + [f"sensor_{i}" for i in range(1,22)]
train_data = pd.read_csv("train_FD001.txt", sep=" ", header=None, names=columns)

# 清理空列
train_data = train_data.dropna(axis=1)

# 添加 RUL 列
max_cycles = train_data.groupby("unit")["time"].max()
train_data = train_data.merge(max_cycles.rename("max_cycle"), on="unit")
train_data["RUL"] = train_data["max_cycle"] - train_data["time"]

import matplotlib.pyplot as plt
import seaborn as sns

# 绘制传感器趋势图
plt.figure(figsize=(12, 6))
sns.lineplot(data=train_data[train_data["unit"] == 1], x="time", y="sensor_2")
plt.title("Engine #1 Sensor 2 Trend")
plt.xlabel("Time (cycles)")
plt.ylabel("Sensor Value")
plt.show()

# 绘制 RUL 分布
plt.figure(figsize=(8, 4))
sns.histplot(train_data.groupby("unit")["RUL"].first(), bins=30)
plt.title("Initial RUL Distribution")
plt.xlabel("RUL (cycles)")
plt.ylabel("Count")
plt.show()

# 滑动窗口特征
window_size = 5
train_data_rolled = train_data.groupby("unit").rolling(window=window_size).mean().reset_index()

# 差分特征
train_data["sensor_2_diff"] = train_data.groupby("unit")["sensor_2"].diff()

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense

# 数据预处理
# 假设 X_train 是经过预处理的 3D 数组 (samples, timesteps, features)
# y_train 是对应的 RUL 值

model = Sequential([LSTM(64, input_shape=(None, X_train.shape[2]), return_sequences=True),
    LSTM(32),
    Dense(1)
])

model.compile(optimizer="adam", loss="mse")
model.fit(X_train, y_train, epochs=10, batch_size=32, validation_split=0.2)