jiaxiang-cheng/PyTorch-LSTM-for-RUL-Prediction

🔮 Dự báo RUL động cơ bằng LSTM với PyTorch

Dự án mang lại implement PyTorch của mô hình LSTM dự báo Remaining Useful Life (RUL) trên bộ dữ liệu C-MAPSS của NASA.

PyTorch-LSTM-for-RUL-Prediction là implement PyTorch của mô hình Long Short-Term Memory (LSTM) dùng để dự báo tuổi thọ còn lại (RUL) của các thiết bị, đặc biệt là động cơ phản lực. Dự án do Jiaxiang Cheng (Nanyang Technological University, Singapore) thực hiện, được thực thi và đánh giá trên bộ dữ liệu NASA C-MAPSS – chuẩn cho bài toán RUL. Dự án lấy cảm hứng một phần từ công trình của Zheng, Ristovski, Farahat & Gupta (2017).

✨ Điểm nổi bật

• Dự báo RUL bằng LSTM: sử dụng mạng LSTM để học dự động lượng tồn tại trong chuỗi thời gian vận hành thiết bị.
• Đánh giá trên NASA C-MAPSS: hỗ trợ chuẩn đánh giá mô hình trên bộ dữ liệu động cơ phản lực chuẩn của NASA.
• Huấn luyện và đánh giá tự động: chỉ cần chạy python main.py để thực hiện cả huấn luyện và đánh giá.
• Theo dõi hiệu năng chi tiết: in ra loss và RMSE sau mỗi epoch để theo dõi tiến trình học.
• Lưu kết quả dự báo: lưu trữ kết quả dự báo trong thư mục _trials.
• Môi trường nhẹ: chỉ yêu cầu Python, NumPy, Pandas, Matplotlib và PyTorch – dễ triển khai.

💡 Vì sao đáng chú ý

Dự án cung cấp một baseline PyTorch thực thi và đánh giá mô hình LSTM cho bài toán dự báo RUL, dựa trên nghiên cứu đã công bố. Phù hợp cho việc học tập, nghiên cứu ban đầu hoặc như điểm khởi đầu cho các dự án liên quan tới dự báo tuổi thọ thiết bị.

#LSTM #RULPrediction #PyTorch #CMAPSS #MachineLearning #TiniX