准确的剩余使用寿命(Remaining Useful Life, RUL)预测对于航空发动机等复杂工程系统的预测性维护(Predictive Maintenance)至关重要。本研究在NASA C-MAPSS数据集(FD001–FD004)四个子集上，对多种循环、卷积–循环、混合及注意力(Attention)架构进行统一框架下的系统性评估，重点强调数据中心(Data-Centric)预处理与时序设计策略的影响。研究人员采用基于方差(Variance)、单调性(Monotonicity)和信噪比(Signal-to-Noise Ratio, SNR)的定量传感器筛选方法识别退化相关传感器，并通过序列长度敏感性分析及MAX_WINDOW窗口平衡策略改善不同时寿命发动机间的时序学习一致性。结果表明，预处理与时序序列设计对预测性能影响显著，甚至超过单纯增加网络架构复杂度。在所提出的预处理框架下，标准Vanilla LSTM在全部四个C-MAPSS子集上均取得最佳综合性能，优于若干更复杂的混合及注意力架构。消融实验进一步证实传感器选择、工况感知归一化(Operating-Condition-Aware Normalization)及平衡序列构建的重要性，尤其对含多工况和多故障模式的数据集。研究指出更高架构复杂度并不必然带来精度提升，且可能引入不必要的计算开销；该研究凸显了可复现预处理、数据集感知时序设计及计算高效模型选择在工业RUL预测中的重要意义。
论文解读：《评估数据预处理对涡轮风扇发动机剩余使用寿命(RUL)估算中深度神经网络架构影响的研究——基于NASA C-MAPSS数据集》
一、研究背景与意义
剩余使用寿命(Remaining Useful Life, RUL)预测是复杂工程系统（如航空涡扇发动机）实现预测性维护(Predictive Maintenance, PdM)的核心环节。NASA C-MAPSS(Commercial Modular Aero-Propulsion System Simulation)数据集是RUL预测的基准数据集，包含FD001（单工况、单故障）、FD002（多工况、单故障）、FD003（单工况、多故障）和FD004（多工况、多故障）四个具递增复杂度的子集。现有文献多聚焦于提出更复杂的混合或注意力(Attention)架构以提升精度，但各研究采用差异化的、未独立评估的预处理流水线（传感器选择、归一化、窗口化等），导致性能提升难以归因于是架构创新还是数据准备策略的差异，且较少在全部四个子集上进行统一框架对比。本研究由Mohammad Ruvaifa、Pragyan Banerjee与Anowarul Habib开展并发表于《Array》，旨在通过受控实验隔离数据预处理与时序设计对RUL深度学习模型性能的影响，明确"数据为中心(Data-Centric)"策略的价值，并重新审视Vanilla LSTM与复杂架构的实用性对比。
二、主要关键技术方法
研究人员使用NASA C-MAPSS全四子集(FD001–FD004)作为样本队列。关键方法包括：(1)基于训练集计算的各传感器方差(Variance)、单调性(Monotonicity)及信噪比(SNR = 单调增量信号功率/噪声波动)，剔除三项指标均明显偏低的非退化相关传感器；(2)按操作设定(Operational Settings)识别离散工况，实施工况感知归一化(Condition-Aware Z-score Normalization)，FD002/FD004尤需此步；(3)滑动窗口生成序列，对FD001/FD003取序列长度L=50，对FD002/FD004取L=80，并对FD003(FD004)限制每引擎最多MAX_WINDOW=140(170)条最近窗口以防长寿命引擎主导训练；(4)构建四层堆叠LSTM（隐单元100-200-100-50，层间Dropout）、CNN-LSTM、Transformer、Hybrid Transformer-LSTM、CNN-LSTM-Transformer Hybrid、Stochastic Multi-Attention LSTM、Stochastic LSTM及Multi-Sensor LSTM共八类架构，统一采用AdamW(η=9.5×10-4, weight_decay=0.01)、带Warm-up的余弦退火学习率调度、Penalized MSE(PMSE, λ=0.01惩罚过估计)损失函数及Early Stopping(patience=10)，不做分架构超参调优；(5)以测试集RMSE及R2为评价指标，并对FD001/FD004做移除各预处理模块的消融分析。
三、研究结果
3.1 结果与讨论(Results and discussion)
研究人员报告了八种架构在四子集上的测试R2与RMSE（原文表1）。Vanilla LSTM模型(H)取得全面最优结果：FD001(R2=0.83, RMSE=17.32)、FD002(R2=0.83, RMSE=21.86)、FD003(R2=0.87, RMSE=14.62)、FD004(R2=0.84, RMSE=21.66)。复杂架构中CNN-LSTM-Model(D)在FD002/FD004出现负R2，StochasticLSTM(E)与MultiSensorLSTM(F)在FD001呈负R2，表明其在统一超参下因低信号方差或卷积对工况跳变敏感而失效；Hybrid/CNN-LSTM在FD003（单工况多故障）接近LSTM性能，说明CNN局部特征提取在多故障但固定工况下有辅助作用，但未超越LSTM。随数据集复杂度升高(FD002–FD004)，部分混合模型差距缩小但未反超，证明架构复杂度优势具条件性。
3.2 消融研究(Ablation study)
以FD001/FD004做消融（原文表2）：(i)使用全部21传感器（配置B）较全管道(Full Pipeline)使FD001 RMSE升至19.60(+13%)，FD004升至22.39(+3%)，证实非信息传感器引入噪声；(ii)去除MAX_WINDOW约束（配置C）FD001影响微小(17.74)，FD004 RMSE升至23.19(+7%)，说明长寿引擎过代表有害；(iii)全局标准化替代工况感知归一化（配置D）致FD001 RMSE=20.35(+17%)，FD004剧增至31.12(+44%)，突显多工况下工况感知归一化之关键；(iv)缩短序列至L=30（配置E）FD001几无影响(17.22)，FD004 RMSE升至25.48(+18%)，表明复杂子集需更长时序上下文。各模块均正向贡献，归一化与传感器筛选影响最大。
四、讨论与结论翻译
本研究对NASA C-MAPSS数据集上RUL预测进行了系统化评估，聚焦数据中心预处理与时序设计策略对模型性能的影响。不同于已有偏重架构复杂度的研究，本工作明确了预处理选择（基于方差、单调性及SNR的传感器筛选，序列长度选取，基于MAX_WINDOW的训练样本平衡，以及工况感知归一化）在统一训练框架下对各C-MAPSS子集的作用。结果表明预处理与时序设计可比单纯增加网络架构复杂度更显著地影响预测性能。在所提预处理框架下，Vanilla LSTM于全部四个数据集持续取得最佳综合表现，无需架构扩展或集成机制即获高R2与低RMSE。这说明经过妥善正则化的标准LSTM仍是序列退化建模的强基线。研究进一步显示模型适用性强烈依赖数据集特性与运行复杂度：FD001与FD003（较规整退化轨迹、有限工况变异）中额外架构复杂度无一致收益甚至损害泛化；FD002与FD004（含多工况及/或多故障模式）中混合与注意力模型较具竞争力，但在共享训练框架下仍未超越Vanilla LSTM。消融分析确认工况感知归一化与定量传感器筛选最具影响力，尤对FD002/FD004；MAX_WINDOW策略改善训练平衡并降低长寿引擎偏差。综上，鲁棒预处理流水线与数据集感知时序设计显著提升泛化能力。实践角度，相对规整平滑退化数据集宜优先选用标准LSTM（精度好、训练稳、计算省），含高时态异质性与多工况的数据集可考虑混合或注意力架构但其效用强依赖预处理质量与超参调优。本研究强调可复现预处理、数据集感知时序设计与平衡序列构建对可靠RUL预测的重要性，证明在C-MAPSS场景下精心优化的数据准备配合良好正则化Vanilla LSTM可提供鲁棒且具竞争力的性能，避免更复杂架构带来的额外计算开销。
