C., & Liu, J. (2019). Joint learning of degradation assessment and RUL prediction for aeroengines via dual-task deep LSTM networks. IEEE Transactions on Industrial Informatics, 15(9), 5023-5032.
Partner Network • HI : Health Index ◦ システムの健康状態を表す指標 • HS : Health State ◦ DS: Degradation Stage とも呼ばれる事がある ◦ HIの値からいくつかの Stageに分割したラベル • RUL : 残存耐用時間、Remaining Useful Life ◦ システムが故障するまでの時間 fig) Lei, Y., Li, N., Guo, L., Li, N., Yan, T., & Lin, J. (2018). Machinery health prognostics: A systematic review from data acquisition to RUL prediction. Mechanical Systems and Signal Processing, 104, 799-834.
• 各時刻ごと ◦ i=4つのセット(FD001~004) ◦ M i 個のエンジン ◦ T m (=故障時刻) まで ◦ N m 個のセンサデータ ◦ 合計 4 * M i * T m *N m 個のデータ • 各エンジンの故障ラベル Data Set: FD001 Train trjectories: 100 Test trajectories: 100 Conditions: ONE (Sea Level) Fault Modes: ONE (HPC Degradation) Data Set: FD002 Train trjectories: 260 Test trajectories: 259 Conditions: SIX Fault Modes: ONE (HPC Degradation) Data Set: FD003 Train trjectories: 100 Test trajectories: 100 Conditions: ONE (Sea Level) Fault Modes: TWO (HPC Degradation, Fan Degradation) Data Set: FD004 Train trjectories: 248 Test trajectories: 249 Conditions: SIX Fault Modes: TWO (HPC Degradation, Fan Degradation)
• 各時刻ごと ◦ i=4つのセット(FD001~004) ◦ M i 個のエンジン ◦ T m (=故障時刻) まで ◦ N m 個のセンサデータ ◦ 合計 4 * M i * T m *N m 個のデータ • 各エンジンの故障ラベル 故障ラベル例) Engine1: 112 Engine2: 98 …
• 各時刻ごと ◦ i=4つのセット(FD001~004) ◦ M i 個のエンジン ◦ T m (=故障時刻) まで ◦ N m 個のセンサデータ ◦ 合計 4 * M i * T m *N m 個のデータ • 各エンジンの故障ラベル 故障ラベル例) Engine1: 112 Engine2: 98 … 【まとめ】 C-MAPSSデータを用いて、 RUL(故障時間) の予測をしたい