C-MAPSS与LSTM：工业设备剩余寿命预测实战解析

简介：利用长短期记忆网络（LSTM）在C-MAPSS数据集上实现涡扇发动机剩余寿命预测的Pytorch完整代码包，面向故障预测与健康管理（PHM）领域的研究者、工业数据分析人员以及深度学习时序建模爱好者。整个资源包共包含19个文件，压缩后大小约13.62MB，其中以可运行的Python脚本和结果记录文本为主，涵盖数据预处理、模型定义、训练与测试等完整流程，同时提供了不同子数据集的划分文件与预测结果输出。实验环节列出了多轮训练后的score和RMSE误差指标，并与多种混合深度学习模型进行了对比，体现出该方法在收敛速度和接近失效时刻预测精度上的优势。已有1641人学习下载，非常适合需要快速掌握时序预测建模、复现剩余寿命基准实验或参考其数据预处理与划分思路的开发者，无论是毕业设计、课程作业还是竞赛复现，均可从中获得完整的建模范式。 第一次看到C-MAPSS这个数据集的时候，我第一反应是“又一个跑模型刷榜的公开数据集”。但真正上手用LSTM做剩余寿命预测之后，我才意识到，这个任务最锻炼人的地方不在于把模型网络搭得多花哨，而在于能不能把工业时序数据处理好、能不能把“寿命”这个标签设计对。如果你刚入门工业PHM方向，或者已经会PyTorch基础操作、想找一个小而完整的回归任务练手，用C-MAPSS配合LSTM跑一个剩余寿命预测项目，是非常合适的路径。

这个项目要解决的事情很直观：发动机从出厂到退化的过程中，传感器会记录下一系列周期性信号，我们希望根据最近一段时间的监测数据，预测这台发动机还能正常工作多少个周期。用LSTM来做，是因为这类数据天然就是多变量长时间序列，而LSTM对时序依赖的建模能力，刚好匹配这个需求。下面我从数据、预处理、模型、训练、评估到各种坑，完整拆一遍我实践下来的思路。

1. 项目概述与C-MAPSS数据集

1.1 C-MAPSS到底预测的是什么

C-MAPSS是NASA公开发布的仿真数据集，模拟涡扇发动机在不同工况下的退化过程。里面包含四个子集，最常用的是FD001，也是最适合新手起步的一个。FD001只包含一种工况、一种故障模式，训练集有100台发动机的完整生命周期数据，测试集有100台发动机的截断数据，目标就是根据截断之后的监测信号，预测每台发动机还能继续运行多久。

数据文件里每一行是一个监测周期的记录，主要包含三部分信息：发动机编号、当前循环周期、21个传感器读数。发动机编号用于区分不同发动机，循环周期表示当前记录发生在发动机生命周期的第几个cycle。测试集不会给出完整的退化过程，而是在某一时刻截断，预测目标就是从这个截断点到最后故障之间的周期数，也就是剩余使用寿命RUL。

用生活化的例子来理解：这就像你的车仪表盘上显示“还能跑XX公里”。不同的是，C-MAPSS里的“车况”由21个传感器信号共同表征，而且这些信号会随着使用时间逐渐偏离正常状态。我们要做的，就是从这一段传感器数据里识别出退化趋势，并估算剩余里程。

1.2 为什么这个任务首选LSTM

工业时序数据和股票预测那种纯随机序列不一样，传感器读数里通常存在明显的长期退化趋势，也有短期噪声。普通全连接网络对单个时间点做预测，等于把数据打成“散点”来看，完全丢失了时间顺序信息；而LSTM的优势在于它天然以序列为单位处理数据，在每一个时间步都会维护一个记忆单元，并通过输入门、遗忘门和输出门决定哪些信息要保留、哪些信息要更新。

最开始我也想过，要不要直接上Transformer或者时序卷积网络。后来实际对比下来，在C-MAPSS这种中等长度序列任务上，LSTM完全够用，而且训练速度和调参成本低很多。Transformer需要大量数据做预训练，位置编码和注意力的超参数也比LSTM敏感；LSTM用一个小两层的结构就能得到一个合理基线，后续再往上加注意力、加双向结构，也能清晰看到每一处改动带来的收益。

另外，相比普通RNN，LSTM的门控机制能明显缓解长时间依赖中的梯度消失问题。发动机退化过程跨越上百个周期，恰好是LSTM最舒服的序列长度范围。所以作为这个项目的baseline模型，LSTM几乎是不二之选。

2. 数据预处理与序列构建实操

2.1 传感器筛选与归一化

拿到原始数据之后，不能直接把全部21个传感器塞进模型，因为其中有一部分传感器读数在整条生命周期里几乎没有变化。这些恒定传感器对预测毫无贡献，反而会引入无意义的特征，增加模型参数量。常见的做法是筛选掉方差接近0或标准差为0的列，FD001数据集中一般在筛完后会留下14个传感器通道。

归一化也是这个项目不能省的一步。LSTM使用sigmoid和tanh作为激活函数，对输入数值范围非常敏感。常用方案是MinMaxScaler，把每个传感器特征映射到[0,1]区间；如果传感器数据存在明显离群点，也可以改用StandardScaler。这里必须强调一个最容易踩的坑：归一化只能基于训练集训练scaler，然后分别transform训练集和测试集，绝对不能把训练和测试数据合在一起fit。否则测试信息会泄漏到训练过程里，验证指标虚高，最后线上效果完全对不上。

from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() train_scaled = scaler.fit_transform(train_data) test_scaled = scaler.transform(test_data)

2.2 滑窗构建序列与RUL标签设计

LSTM输入需要的是形如(batch, seq_len, feature_dim)的序列数据，而原始数据是一个发动机的多条连续记录，不能直接把整段序列一次性丢进模型。我需要定义一个滑窗长度，比如sequence_length=30，表示模型每次看30个连续周期的传感器数据。滑窗从每个发动机数据的第0个周期开始，以步长1向后滑动，每滑一次生成一个样本。

窗口最后一个周期对应的RUL值，就是当前样本的标签。对于训练集，RUL就是真实剩余周期数；测试集则要根据已知的截断点计算。这里还有一个数据处理的细节：对于序列长度不足sequence_length的发动机，通常直接丢弃这些不完整窗口，或者用padding补零，我在工程上更倾向于丢弃，因为补零会让模型学到一种“空数据”的假模式。

RUL标签的经典设计里面，还有一个被很多人忽略的点：线性标签还是分段线性标签。直接用真实RUL作为回归目标当然可以，但发动机在生命周期早期退化非常缓慢，此时预测RUL的意义不大，模型反而会把大量注意力放在“如何拟合一个很大且差异不明显的常数”上。所以很多论文会设置一个上限，比如把超过130的RUL全部截断为130，让模型更关注后期的快速退化阶段。这也是我在实验中提升效果最快的改动之一。

2.3 划分数据集与PyTorch Dataset实现

拿到滑窗样本之后，还需要从训练集内部再划分出一个验证集，用于监控模型收敛和做EarlyStopping。这一步特别容易出错：千万不要直接按样本随机划分，因为同一台发动机生成的多个窗口之间存在强相关性，如果同一台发动机的窗口同时出现在训练集和验证集，验证集指标会失真。正确做法是先把发动机编号划分开，让验证集包含一批完全没参与训练的发动机，再在这些发动机的窗口中切出样本。

接下来是用PyTorch把数据包装成Dataset，方便DataLoader调用。我习惯在预处理阶段就把滑窗和标签存成numpy数组，然后定义Dataset类，这样代码清晰，调试也方便。

import torch from torch.utils.data import Dataset class RulDataset(Dataset): def __init__(self, windows, labels): self.windows = windows self.labels = labels def __len__(self): return len(self.windows) def __getitem__(self, idx): x = torch.tensor(self.windows[idx], dtype=torch.float32) y = torch.tensor(self.labels[idx], dtype=torch.float32) return x, y

之后只要把滑窗数组和标签数组传入Dataset，配合DataLoader就能拿到训练批次：

from torch.utils.data import DataLoader train_dataset = RulDataset(train_windows, train_labels) train_loader = DataLoader(train_dataset, batch_size=128, shuffle=True)

3. LSTM模型设计与PyTorch实现

3.1 网络结构与关键参数选择

模型结构并不复杂：LSTM负责从输入序列中提取时序特征，最后只取序列输出中的最后一个时间步，再经过几个全连接层回归出RUL值。为什么只取最后一个时间步？因为当前窗口最后一个周期就是“现在”，我要预测的是从“现在”开始还能用多久，所以只需要最后时刻的特征。

关于num_layers和hidden_size，我常用的是两层LSTM + 每层64个隐藏单元。层数太少拟合能力不够，层数太多在小数据集上容易过拟合，两层是平衡点。hidden_size增加会明显提升参数量，但C-MAPSS训练样本并不是几十万级别的大数据，64或128足够。如果用了多层LSTM，建议在非最后一层加Dropout，PyTorch的nn.LSTM里自带dropout参数，只在num_layers>1时生效。

参数规模可以简单算一下。假设输入特征维度是14，隐藏层大小64，单层LSTM的参数量大约是4 * (hidden_size * (input_size + hidden_size) + hidden_size)，拆开看就是三个门的权重加偏置，加上候选细胞状态的参数。第一层约为4 * (64 * 78 + 64) = 20224，第二层输入从14变成64，约为4 * (64 * 128 + 64) = 33024。两层LSTM合计5.3万参数，再加后面全连接层，总参数量不到5.5万，在这类任务里是非常轻量的。

3.2 PyTorch代码实现

我用PyTorch定义模型时，通常会设置batch_first=True，这样输入形状就是(batch, seq_len, input_size)，不用每次转换维度。forward里用LSTM拿到所有时间步的输出后，取last = output[:, -1, :]，再通过回归头。回归头用两层全连接加ReLU，最后输出一个标量RUL值。

import torch.nn as nn class RULPredictor(nn.Module): def __init__(self, input_size=14, hidden_size=64, num_layers=2, drop_prob=0.2): super().__init__() self.lstm = nn.LSTM( input_size=input_size, hidden_size=hidden_size, num_layers=num_layers, batch_first=True, dropout=drop_prob ) self.regressor = nn.Sequential( nn.Linear(hidden_size, 32), nn.ReLU(), nn.Dropout(drop_prob), nn.Linear(32, 1) ) def forward(self, x): out, _ = self.lstm(x) # out: (batch, seq_len, hidden_size) last = out[:, -1, :] # 取最后一个时间步 return self.regressor(last).squeeze(-1)

训练循环中，损失函数用MSELoss，优化器用Adam，学习率初始1e-3。因为RUL回归本质上是最小化预测值与真实值之间的平方误差，MSE是这类连续值预测最直接的选择。每个batch都要记得optimizer.zero_grad()，否则梯度会累加。

import torch.optim as optim model = RULPredictor() criterion = nn.MSELoss() optimizer = optim.Adam(model.parameters(), lr=1e-3) for epoch in range(80): model.train() for windows, labels in train_loader: optimizer.zero_grad() outputs = model(windows) loss = criterion(outputs, labels) loss.backward() optimizer.step()

3.3 训练配置与正则化

这类小数据集上，训练轮次并不是越多越好。我一般会在训练过程中每个epoch结束后用验证集算一次RMSE，一旦连续多轮验证指标不再下降就提前停止。这比固定训练100个epoch然后盲目保存最后一个模型要可靠得多。

除了EarlyStopping，还要把随机种子固定下来。LSTM在初始化时带随机性，不固定种子的话，同样的代码跑两次结果可能差出好几分。PyTorch里可以设置torch.manual_seed(42)，同时如果是GPU训练，还要配合torch.cuda.manual_seed_all(42)。模型内部的全连接层加上Dropout，既能缓解过拟合，也能让预测更平滑。

学习率调度上，我推荐ReduceLROnPlateau。这类任务的loss曲线经常是在下降到某个平台就停住，这时候手动调低学习率很麻烦，交给调度器监控验证loss，连续几次不下降就降低学习率，比我凭经验调省事很多。

4. 评估指标、常见问题与效果优化

4.1 RMSE与NASA评分函数

评估模型不能只看训练loss，C-MAPSS官方提供了两个核心指标：RMSE和NASA评分函数。RMSE就是均方根误差，衡量预测RUL与真实RUL的平均偏离程度，数值越小越好。但RMSE对高估和低估进行了对称惩罚，这并不完全符合工业场景的真实代价。

NASA评分函数则是不对称的：如果预测的RUL比真实值小，也就是提前报警，惩罚系数是13；如果预测的RUL比真实值大，也就是延迟报警，惩罚系数是10。延迟报警意味着你低估了故障风险，设备可能还没到维护点就坏了，这比提前更换零件更严重。所以做这个项目时，除了RMSE，一定要同时看Score，毕竟工程落地时业务方更关心“漏报”而不是“误报”。

Score的公式可以表示成：对每个测试样本计算差值d = predicted_rul - true_rul，如果d小于0，累加exp(-d/13) - 1；如果d大于0，累加exp(d/10) - 1。核心代码我贴一下，方便直接套用。

import numpy as np def compute_score(true_rul, pred_rul): true_rul = np.array(true_rul).reshape(-1) pred_rul = np.array(pred_rul).reshape(-1) diff = pred_rul - true_rul score = 0.0 for d in diff: if d < 0: score += np.exp(-d / 13) - 1 else: score += np.exp(d / 10) - 1 return score

在FD001子集上，一个调参合理的简单LSTM，RMSE通常能跑到15左右，再配合数据清洗、分段RUL和合适的滑窗长度，可以压到12甚至更低。所以不要一开始就追求夸张的十以下，先拿到一个稳定基线更重要。

4.2 常见问题排查速查表

我跑这个项目的时候，前前后后踩过不少坑。有几个问题出现频率极高，如果你刚开始跑C-MAPSS，很可能也会遇到。

这里重点说两个容易被忽略的细节。第一个是测试集的滑窗方式：因为我们只关心测试集最后一刻的RUL，所以在推理时，不是把测试发动机每个窗口都预测一遍取平均，而是只取最后一个完整窗口预测一次。第二个是标签的尺度：如果训练时对RUL做了分段截断，测试集评估时通常仍然使用真实RUL，不应该把截断后的标签用在测试评估里，否则计算出来的Score会不符合官方评估逻辑。

4.3 从Baseline到更优：进阶方向

当你的LSTM baseline稳定之后，想要继续提升效果，我建议按顺序尝试几个方向。第一个是双向LSTM，把序列从正反两个方向读一遍，能够同时捕捉退化趋势的“上升阶段”和“末期突变”，在很多C-MAPSS实验里都能带来稳定提升。第二个是给模型加一层时间注意力机制，让网络自己学会关注最后几十个周期里更重要的几个时间点，这比单纯用最后一个时间步输出的信息量更大。

另外，FD002到FD004子集涉及多工况和多故障模式，如果后续想挑战复杂场景，可以把工况设置列也作为输入特征，或者先按工况聚类再分别训练模型。不过对于刚接触这个任务的人来说，先把FD001这套单工况流程跑顺，理解滑窗、标签、归一化、评估这些核心环节，比盲目堆模型结构要重要得多。我自己在这个项目上最大的体会就是：RUL预测的分数，很多时候不是差在模型，而是差在数据处理的细节上。传感器选哪些、窗口开多长、RUL要不要截断，这些都值得多花时间做实验对比。

本文还有配套的精品资源，点击获取