NASA涡轮风扇故障预测
这个数据分析/机器学习项目研究了行为变量与故障发生之间的关系（就剩余的发动机循环而言），用于来自NASA研究项目的模拟运行涡扇数据。
该项目从对数据集的探索开始，随后是基于当前引擎读数的引擎剩余使用寿命（RUL）预测模型的开发。 建模技术包括线性回归和神经网络（使用TF-Keras）。
培训数据来自NASA预测中心数据存储库： :
可以在以下找到有关此调查的文章： :
项目目标
分析发动机性能与剩余使用寿命之间的关系。
开发剩余使用寿命的预测模型。
探索数据集
使用Jupyter笔记本浏览数据集，先进行数据质量检查，然后调查可变关系。 数据质量通常非常好，几乎没有数据丢失或数据类型不正确的情况，尽管随附的文档表明某些传感器上存在噪声。
在数据集中可以看到许多变量之间的强线性相关性，为子集预测模型的变量提供了坚实的基础：
许多变量分布是正态或偏态
2021-09-15 20:15:09
48.83MB
1
单发动机清扫车功率匹配研究，雷伟伟，周吉，本文针对道路清洁的需要，根据理论分析、结合相关研究成果，对传动形式为工作装置采用机械传动而行走采用液压传动的单发动机清扫
2021-09-15 11:00:41
295KB
1
发动机的simulink模型
是发动机的平均值模型 可以做初步的仿真 也可以在模型基础上建立自己的 系统仿真 还比较实用 看看再说吧
2021-09-14 11:16:11
57KB
1