NASA软件工程，收集的文章是指导软件开发的高级而详细的经典

NASA发布的针对SE工程师的手册，这是英文版，有中文版出售，但是翻译

NASA对系统工程流程描述的手册。完整介绍NASA系统工程的各个过程。

nasa系统工程手册，介绍了nasa系统工程各流程的输入输出和相应工具等

系统工程手册，基于模型系统工程的指导书籍

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]

cfl3d nasa计算流体力学软件 6.0版本 本人已经验证过了

oco-2-数据网络 NASA OCO-2的数据代理和API 检查 检查 Data is from NASA's OCO-2

代表 NASA 发起的开源热力学建模包。 热力学系统建模和分析工具箱 (T-MAT​​S) 包提供了一个 MATLAB/Simulink 工具箱，使开发人员能够创建涡轮机械和燃气轮机等热力学系统的仿真。 关键词：TMATS，控制系统，数值方法，Newton-Raphson，雅可比计算，推进，飞机发动机，喷气，涡轮风扇，涡轮喷气，压缩机，涡轮，喷嘴，进气口，开源，JT9D

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