CMAPSS数据集深度解析：从数据特征到预测模型构建

1次阅读

共计 2396 个字符，预计需要花费 6 分钟才能阅读完成。

CMAPSS（Commercial Modular Aero-Propulsion System Simulation）数据集由 NASA 发布，是航空发动机剩余使用寿命（RUL）预测领域的标杆数据集。该数据集通过高保真度仿真模型生成，包含 21 个传感器测量值和 3 个工况参数，模拟了不同飞行条件下的发动机退化过程。

数据集包含 4 个子集，差异主要体现在：

FD001：单一工况、单一故障模式（高压压缩机退化）
FD002：多工况、单一故障模式
FD003：单一工况、复合故障模式（高压压缩机 + 风扇退化）
FD004：多工况、复合故障模式

每个样本包含 26 维时间序列数据，其物理含义可分为三类：

工况参数（3 个）：
高度（altitude）
马赫数（Mach number）
油门解析器角度（throttle resolver angle）
传感器测量值（21 个）：
温度测量（T24、T30、T50 等）
压力测量（P15、P30、Ps30 等）
转速（Nf、Nc）
物理特性（W31、W32 等）
元数据（2 个）：
发动机编号（unit number）
循环次数（time in cycles）

工况条件采用 6 种离散操作模式（OP1-OP6）编码，组合了不同的飞行条件（爬升、巡航等）和环境参数。

处理 CMAPSS 数据时需特别注意以下问题：

传感器噪声：
使用移动平均或低通滤波平滑数据
对突变值进行修正或剔除
缺失值处理：
前向填充（forward fill）连续缺失
对长期缺失的传感器采用插值或标记方法
初始磨损差异：
对每个发动机单独做 z -score 标准化
使用相对退化指标而非绝对值

import pandas as pd
import numpy as np

# 加载训练数据
train = pd.read_csv('CMAPSS/train_FD001.txt', sep=' ', header=None)
# 删除空列
train.drop(train.columns[[26, 27]], axis=1, inplace=True)
# 设置列名
cols = ['unit', 'time'] + [f'sensor_{i}' for i in range(1,22)] + ['op1', 'op2', 'op3']
train.columns = cols

import matplotlib.pyplot as plt

# 绘制特定发动机的传感器趋势
def plot_sensors(unit_id, sensors=[2,3,4]):
    unit_data = train[train['unit']==unit_id]
    plt.figure(figsize=(12,6))
    for s in sensors:
        plt.plot(unit_data['time'], unit_data[f'sensor_{s}'], 
                label=f'Sensor {s}')
    plt.legend()
    plt.xlabel('Time (cycles)')
    plt.ylabel('Sensor value')
    plt.title(f'Engine {unit_id} Sensor Trends')
    plt.show()

plot_sensors(unit_id=5, sensors=[7,12,15])

RNN 基础模型：
优点：简单易实现
缺点：难以捕捉长期依赖
LSTM 模型：
优点：自动学习时间模式
缺点：计算成本较高
Transformer 模型：
优点：并行处理能力强
缺点：需要大量数据

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

# 数据预处理
def prepare_data(data, window_size=30):
    X, y = [], []
    for unit in data['unit'].unique():
        unit_data = data[data['unit']==unit]
        # 创建滑动窗口
        for i in range(len(unit_data)-window_size):
            X.append(unit_data.iloc[i:i+window_size, 2:-3].values)
            y.append(unit_data.iloc[i+window_size, 1])
    return np.array(X), np.array(y)

X_train, y_train = prepare_data(train)

# 构建 LSTM 模型
model = Sequential([LSTM(64, input_shape=(X_train.shape[1], X_train.shape[2])),
    Dense(1)
])
model.compile(optimizer='adam', loss='mse')

# 训练
history = model.fit(X_train, y_train, 
                   epochs=50, 
                   batch_size=32,
                   validation_split=0.2)

数据泄露问题：
确保测试集发动机未出现在训练集
时间序列划分时严格按时间顺序
评估指标选择：
常用 RMSE（均方根误差）
考虑 Early RUL Score（惩罚过早预警）
超参数设置：
固定随机种子（如 42）
使用交叉验证调参

原始论文：
Saxena A, et al. “Damage Propagation Modeling for Aircraft Engine Run-to-Failure Simulation” (2008)
GitHub 项目：
NASA/CMAPSS-Data: 官方数据集
jaungiers/LSTM-Neural-Network-for-Time-Series-Prediction: 经典实现
进阶方向：
多任务学习（同时预测故障类型）
不确定性量化（预测区间估计）
在线学习（持续更新模型）