探索NASA涡轮风扇数据集 此回购包含笔记本，其中包含有关NASA涡轮风扇降级数据集[2]上一小部分博客文章[1]的信息。 涡轮风扇数据集包括难度增加的4个独立挑战。 发动机在一开始就正常运行，但随着时间的流逝会出现故障。 对于每个挑战，列车中的引擎都会运行至故障。 测试集中的时间序列在失败之前“有时”结束。 目的是预测测试集中每个涡扇发动机的剩余使用寿命（RUL）。 请参阅下表以简要了解这些挑战。 数据集 运行条件 故障模式 火车尺寸（引擎数） 测试尺寸（发动机数量） FD001 1个 1个 100 100 FD002 6 1个 260 259 FD003 1个 2个 100 100 FD004 6 2个 248 249 笔记本用于浏览数据集并尝试各种建模技术（机器学习和神经网络）。 有关模型开发过程中所做的技术和选择的完整说明，我建议阅读博客文章[1]

本文总结作者多年工厂实践经验，并搜集、归纳、整理大量国内外有关资料的基础上，探讨了振动主导频率与产生振动的直接原因的关系，对涡轮机械振动故障机理进行研究。

matlab卡尔曼滤波相关代码剩余使用寿命估计 该存储库保存了在代尔夫特理工大学传感器信号和数据处理课程中进行的涡扇发动机剩余使用寿命估计项目的结果。 实现的估计技术依赖于扩展卡尔曼滤波器。 所有可视化和实现相关的任务都是在 Matlab 中进行的。 代码在三个不同的文件中提供： RUL_data_exploration.m 、 RUL_function_derivations.m和RUL_EKF_implementation_evaluation.m以及所需的（Matlab）数据文件RUL_data.mat 。 为了便于理解，代码附有注释。 每个文件都可以单独执行。 除了数据和代码之外，还包括相关报告[SSDP] Remaining Useful Lifetime estimation M. Hulsebos.pdf 。 本报告讨论了实施细节，还提供了评估结果以及与并发方法的比较。

基于ARM处理器实现的发动机涡轮出口温度模拟系统.pdf

该模型旨在鼓励学习者/学生发展带 PMSG 的变速风力涡轮机。 我考虑了基本参数在 Matlab Blocks 中，根据输出/负载几乎没有修改。 用户可以改变和模拟任何参数来研究系统。 用户可以为电池存储系统添加一个整流器和一个电池。

航空燃气涡轮发动机数值仿真.pdf

基于区域特征脉冲耦合神经网络的航空发动机涡轮叶片DR图像融合.pdf

行业制造-电动装置-用于生产电能的燃气涡轮机设备以及用于操作所述燃气涡轮机设备的方法.zip

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

行业资料-电子功用-一种自发电的泥浆涡轮式脉冲发生器