下载数据

下载并解压涡扇发动机退化模拟数据集。

涡扇发动机退化模拟数据集的每个时间序列代表一个不同的发动机。每台发动机启动时的初始磨损程度和制造变化都是未知的。发动机在每个时间序列的开始时都是正常工作的，在序列的某个点出现故障。在训练集中，故障的大小不断增长，直到系统失效。

数据包含一个zip压缩的文本文件，包含26列数字，用空格分隔。每一行是在单个操作周期中获得的数据的快照，每列是一个不同的变量。这些列对应于以下内容:

创建一个目录来存储涡扇发动机退化模拟数据集。

dataFolder =“数据”；如果~存在(dataFolder“dir”mkdir (dataFolder);结束

下载并提取涡扇发动机退化模拟数据集。

文件名= matlab.internal.examples.downloadSupportFile(“nnet”，“数据/ TurbofanEngineDegradationSimulationData.zip”）;解压缩(文件名,dataFolder)

准备数据

方法加载数据processTurboFanDataTrainhelper函数。的processTurboFanDataTrain函数从中提取数据filenamePredictors并返回单元格数组XTrain，其中包含训练预测数据。

filenamePredictors = fullfile(dataFolder，“train_FD001.txt”）;[XTrain] = processTurboFanDataTrain(filenamePredictors);

删除常量值的特征

由于训练网络时使用的特征在所有时间步长中都不是恒定的，因此需要去除所有时间步长的常量值特征进行预测。找到具有相同最小值和最大值的数据行，并删除这些行。

m = min([XTrain{:}]，[]，2);M = max([XTrain{:}]，[]，2);idxConstant = M == M;为i = 1:numel(XTrain) XTrain{i}(idxConstant，:) = [];结束

规范化训练预测器

将训练预测因子归一化，使其均值和单位方差为零。为了计算所有观测值的平均值和标准差，水平连接序列数据。

mu = mean([XTrain{:}]，2);sig = std([XTrain{:}]，0,2);为i = 1:numel(XTrain) XTrain{i} = (XTrain{i} - mu) ./ sig;结束

为一个引擎提取数据

在Simulink模型中，我们只计算一个引擎的RUL。在这个例子中，我们提取的第9个元素XTrain并将其存储在一个名为SensorData。Y你可以选择任何其他的发动机XTrain单元阵列。SensorData是17乘201的双数组。每一行对应一个特征，每列对应给定周期的传感器读数。

SensorData = XTrain{9};

Simulink模型有一个相关的仿真时间，在本例中需要与发动机周期相关。因此，我们定义了一个名为EngineData，它将传感器数据存储为可在Simulink模型中加载的时间序列对象。因为在Simulink中默认的模拟时间是10．0发动机运行201个循环时间领域的EngineData需要是一个大小为201 × 1的数组，其值从0到10线性增加。

时间= linspace(0,10,201)';EngineData =时间序列(SensorData'，时间);

该图的顶部面板显示了每个传感器在每个周期的读数，底部面板显示了发动机的RUL，以周期为单位。201循环后，发动机停止工作。注意，如果您从XTrain数据，那么就需要适应了时间领域的EngineData因此，由于每个发动机运行的循环次数不同。

基于Simulink的RUL预测模型

加载Simulink模型RULPredictionLSTM.slx．

modelName =“RULPredictionLSTM”；open_system (modelName);

EngineData从基本工作区加载时使用从工作空间块。在本例中，时间步进EngineData是0.05.年代O，我们设定了采样时间从工作空间块到0.05。因此，在第一步，块输出的第一行EngineData，在第二步，它输出第二行—对应于第二个引擎循环—以此类推。如果选择另一个引擎XData，则块的采样时间需要相应更新。

set_param ([modelName,“从工作区”),“SampleTime”，“0.05”）;

的有状态的预测块加载预先训练的LSTM网络turbofanNetmat文件，并在其输出端口返回RUL。的有状态的预测块在每次预测时更新网络状态，改进对当前RUL的预测。的一半计块显示仿真过程中计算出的RUL值(以发动机循环为单位)。

RUL_sigSpec = Simulink.HMI.SignalSpecification;RUL_sigSpec。BlockPath = Simulink。BlockPath (“RULPredictionLSTM /状态预测”）;set_param (“RULPredictionLSTM /一半计”，“绑定”RUL_sigSpec)

运行模拟

因为模拟从mat文件读取数据，所以它运行得非常快，很难跟上。要降低模拟速度，请将模拟节奏选项设置为0.5。

set_param (modelName“EnablePacing”，“上”）;set_param (modelName“PacingRate”, 0.5);

要计算RUL，运行模拟。

sim (modelName);

该图显示了模型运行时的情况。量规显示了估计的RUL，在本例中对应于90个周期。在模拟结束时，RUL以单个数组的形式返回给Base Workspace，其中包含在每次模拟迭代中计算的值。

您可以将该系统集成到更大的框架中，例如，在一个持续监视引擎状态的系统中，如果RUL低于给定的用户定义值，该系统将采取预防措施。

参考文献