36、航空发动机剩余寿命预测与人类情绪识别研究

航空发动机剩余寿命预测与人类情绪识别研究

一、NASA涡轮风扇发动机剩余使用寿命预测

在复杂环境下，数据内部的关系对模型应用性能有着重要影响。本次研究聚焦于将经典机器学习算法应用于涡轮风扇发动机数据集，以计算喷气发动机的剩余使用寿命（RUL）。

（一）数据集

选择了NASA涡轮风扇数据集，该数据集来自NASA的预测数据仓库，包含了涡轮风扇发动机从运行到故障的传感器读数。它有多个不同特点，适合用于本次研究，且常被用于预测研究。
- 数据集中有多个相同类型的涡轮风扇发动机，每台发动机的初始磨损和制造条件不同。假定初始磨损正常，发动机在开始时正常运行。
- 该数据集有四组训练集和测试集，且存在噪声。因第二组数据集数据量更多（50k行，其他约20k行），所以选择它来训练和测试模型。
- 发动机在运行过程中会出现故障，在训练集中故障会逐渐加剧直至系统故障，而测试集的数据在机器故障前结束。每行对应一个运行周期，数据集有26列，每台发动机有21个传感器收集运行时发动机状态的不同读数，还有三个操作设置来改变发动机性能。

Index	Features	Type	Description
1	unit_nr	Integer	唯一发动机标识符
2	Ti