holden-mcgorin/UniPHM

🧠 UniPHM: Khung tham chiếu PHM thống nhất hóa cho máy móc công nghiệp

UniPHM cung cấp nền tảng nghiên cứu mô-đun, hỗ trợ dự báo RUL, chẩn đoán sự cố, phát hiện bất thường cho cảm biến máy móc công nghiệp.

UniPHM (Unified PHM Framework) là một khung làm việc nghiên cứu và thử nghiệm mở nguồn, được thiết kế cho các tác vụ PHM (Prognostics and Health Management) dựa trên học sâu. Dự án hỗ trợ ba lĩnh vực chính: dự báo tuổi thọ còn lại (RUL), chẩn đoán sự cố, và phát hiện bất thường. UniPHM tích hợp sẵn các bộ dữ liệu công nhận như XJTU-SY, PHM2012, C-MAPSS, PHM2008, đồng thời hỗ trợ đa khung deep learning như PyTorch, TensorFlow, Pyro.

✨ Điểm nổi bật

• Hỗ trợ đa khung deep learning: Tích hợp PyTorch (chính thức), TensorFlow, Pyro linh hoạt xây dựng mô hình
• Tự động nhập dữ liệu: Hỗ trợ sẵn XJTU-SY, PHM2012, C-MAPSS, PHM2008
• Ghi nhận cấu hình thí nghiệm: Lưu trữ cấu trúc mô hình, siêu tham số, chiến lược lấy mẫu
• Callback tùy chỉnh: Hỗ trợ EarlyStopping, TensorBoard qua từng epoch
• Giám sát huấn luyện: TensorBoard + cảnh báo gradient bất thường
• Xử lý tín hiệu: Sliding window, chuẩn hóa, RMS, kurtosis
• Chiến lược giai đoạn suy giảm: 3σ, FPT
• Dự báo linh hoạt: End-to-end, multi-step, mô hình không chắc chắn
• Trực quan hóa kết quả: Ma trận nhầm lẫn, biểu đồ giai đoạn, đường dự báo, heat map attention
• Hỗ trợ đa định dạng: CSV, PKL cho mô hình, dữ liệu, cache, kết quả
• Bộ độ đo đầy đủ: MAE, MSE, RMSE, MAPE, PHM2012 Score, NASA Score
• Thiết kế linh hoạt: Dễ dàng mở rộng thành phần tùy chỉnh

💡 Vì sao đáng chú ý

UniPHM khác biệt nhờ thiết kế mô-đun thống nhất, giúp người dùng từ bỏ công việc tái lặp khi thiết lập pipeline thí nghiệm PHM. Không cần viết lại quy trình cho từng nhiệm vụ — chỉ cần thay đổi thành phần dữ liệu hoặc mô hình. Phù hợp cho nghiên cứu sinh, kỹ sư máy móc công nghiệp và người mới học PHM.

#PHM #RUL #FaultDiagnosis #AnomalyDetection #Turbofan #Bearing #TiniX