UniPHM

KO | EN

gitlite — search

#javascript #react #ai #typescript #go #machine-learning #linux #kubernetes #pytorch #security #mcp #ios #openai #open-source

(★ 83)

Unified PHM framework for Remaining Useful Life (RUL) prediction, fault diagnosis, fault detection, and anomaly detection for bearings, turbofan engines, and other industrial systems.

UniPHM Latest Version Download

Download Latest Version (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

<div align="center">
<h3>🔍 A Unified Framework for Prognostics and Health Management Tasks</h3>
</div>

[![GPLv3 License](https://img.shields.io/badge/License-GPLv3-blue.svg)](https://www.gnu.org/licenses/gpl-3.0)
[![Gitee star](https://gitee.com/holdenmcgorin/UniPHM/badge/star.svg?theme=dark)](https://gitee.com/holdenmcgorin/UniPHM/stargazers)
[![GitHub stars](https://img.shields.io/github/stars/holden-mcgorin/UniPHM.svg?style=social)](https://github.com/holden-mcgorin/UniPHM/stargazers)
</div>

[简体中文](README.md) | [English](readme-en.md)

</div>

<div align="center">
    <a href="https://gitee.com/holdenmcgorin/UniPHM" target="_blank">Gitee</a> •
    <a href="https://github.com/holden-mcgorin/UniPHM" target="_blank">GitHub</a>
</div>

###  
> 1. **UniPHM** (Unified PHM Framework) 面向故障预测与健康管理（PHM, Prognostics and Health Management）领域，专为基于深度学习方法的多种 PHM 任务（如 **剩余使用寿命预测、故障诊断、异常检测** 等）设计。   
> 2. 框架旨在提供一个**统一、通用、模块化**的研究与实验平台，统一数据处理、模型训练与性能评估流程，简化实验构建，提升研究与开发效率，为研究者提供结构清晰、可扩展的工具，支持不同任务类型的实验开发与对比研究。   
> 3. 本项目将持续更新，逐步集成基于 UniPHM 实现的论文复现与案例研究，欢迎大家 ⭐Star 项目并积极交流！

## 🚀    功能概览
- ✅ **兼容多种深度学习框架**：支持 PyTorch（主要）、TensorFlow、Pyro 等主流框架灵活构建模型

- 📦 **数据集自动导入**：内置支持 XJTU-SY、PHM2012、C-MAPSS、PHM2008 等常用数据集

- 📝 **自动记录实验配置与结果**：包括模型结构、正则化系数、迭代次数、采样策略等参数

- 🔁 **每个 Epoch 支持自定义回调**：内置 EarlyStopping、TensorBoard，均通过回调实现

- 🛠 **模型训练过程可监控**：支持 TensorBoard 训练可视化与梯度异常（如消失/爆炸）记录与报警

- 🔍 **多种预处理与特征提取方法**：滑动窗口、归一化、均方根、峭度等信号处理手段

- 🧠 **多种退化阶段划分策略**：支持 3σ 原则、FPT（First Predictable Time）等算法

- 🔮 **多种预测方式支持**：端到端预测、单/多步滚动预测、不确定性建模等

- 📊 **实验结果可视化**：支持混淆矩阵、退化阶段图、预测结果曲线、注意力热图等

- 📁 **多种文件格式支持**：模型、数据、缓存与结果支持 CSV、PKL 等多种格式导入与导出

- 📈 **内置多种评价指标**：MAE、MSE、RMSE、MAPE、PHM2012 Score、NASA Score 等

- 🔧 **灵活组件化设计**：支持用户快速扩展和接入自定义算法模块

## 💻    实验示例

以下是完成一次 PHM 实验（RUL预测）的**极简流程示例**，仅包含**数据加载、模型训练与评估**的最基本步骤，便于快速上手。

> 本示例专注于最小可运行流程，框架还支持更强大的功能，详见项目根目录下的 `Notebook 示例`。

只需十几行代码，即可完成端到端实验流程：

```python
# Step 1: Load raw data
data_loader = XJTULoader('D:\\data\\dataset\\XJTU-SY_Bearing_Datasets')
bearing = data_loader.load_entity('Bearing1_1')

# Step 2: Construct dataset
labeler = BearingRulLabeler(2048)
dataset = labeler.label(bearing, 'Horizontal Vibration')
train_set, test_set = dataset.split_by_ratio(0.7)

# Step 3: Train model
model = CNN(input_size=2048, output_size=1)
trainer = BaseTrainer()
trainer.train(model, train_set)

# Step 4: Test model
tester = BaseTester()
result = tester.test(model, test_set)

# Step 5: Evaluate results
evaluator = Evaluator()
evaluator.add(MAE(), MSE(), RMSE(), PercentError(), PHM2012Score(), PHM2008Score())
evaluator(test_set, result)
```

在添加可视化代码和其他功能组件后，程序在 CMD 环境中的运行效果如下所示。  
（ 该示例展示程序在 CMD 环境下的运行过程。实际上，在本地开发时，推荐使用如 PyCharm、VSCode、Jupyter Notebook 等集成开发环境（IDE））

![demo](https://raw.githubusercontent.com/holden-mcgorin/UniPHM/master/image/show.gif)

## 📚 论文复现
> 本项目支持快速搭建 PHM 相关实验流程，并已尝试复现若干学术论文中的方法与实验结果。   
> 本项目对原作者的研究成果保持充分尊重。若复现结果与原论文存在一定偏差，可能是实现方式或实验条件不同，也可能是复现过程存在疏漏。欢迎读者在 issue 区指出问题或提出建议。

### ✅ 已复现论文示例

整理中

## 📂    文件结构说明
- uniphm —— 框架代码
- doc —— 框架详细说明文档（编写自定义组件时建议查看）
- example —— 示例代码（原生python）

### 📦 数据集来源

| 名称             | 描述                                  | 链接                                                                 |
|------------------|-------------------------------------|----------------------------------------------------------------------|
| XJTU-SY 数据集   | 西安交通大学发布的滚动轴承寿命退化数据                 | [点击访问](https://biaowang.tech/xjtu-sy-bearing-datasets/)         |
| PHM2012 数据集   | IEEE PHM 2012 大赛提供的轴承故障数据，包含多个运行工况  | [点击访问](https://github.com/Lucky-Loek/ieee-phm-2012-data-challenge-dataset) |
| C-MAPSS 数据集   | NASA 提供的模拟涡扇发动机退化数据，广泛用于 RUL 预测任务   | [点击访问](https://data.nasa.gov/Aeorspace/CMAPSS-Jet-Engine-Simulated-Data/ff5v-kuh6) |
| PHM2008 数据集   | NASA 提供的早期涡轮设备预测数据集，来源于 PHM08 数据挑战  | [点击访问](https://data.nasa.gov/download/nk8v-ckry/application%2Fzip) |
| NASA 数据集仓库  | NASA 智能系统部汇总的多个设备健康数据集，覆盖多领域 PHM 任务 | [点击访问](https://www.nasa.gov/intelligent-systems-division/discovery-and-systems-health/pcoe/pcoe-data-set-repository/) |

## ⚠    注意事项
> - 该框架使用Python 3.8.10编写，使用其他版本python运行可能会出现兼容性问题，若出现问题欢迎在issue提问
> - 读取数据集时，不要改变原始数据集内部文件的相对位置（可以只保留部分数据），不同的位置可能导致无法读取数据

觉得项目写的还行的大佬们点个star呗，觉得哪里写得不行的地方也欢迎issue一下，您的关注是我最大的更新动力！😀

##### @键哥工作室 @AndrewStudio
##### 📧 个人邮箱：andrewstudio@foxmail.com
##### 🌐 个人网站：http://8.138.46.66/#/home

UniPHM

UniPHM Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

UniPHM

UniPHM Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

Download README