# Remaining Useful Life Prediction Using NASA Battery Data Set
## 1️⃣ Overview
### ◽ Objective
- [x] NASA에서 제공하는 4개 셀 리튬이온 배터리 데이터를 명세하고 분석하여 데이터를 이해한다.
- [x] 데이터 전처리 및 학습에 알맞은 형태로 가공한다.
- [x] AI(ML/DL)기반의 다양한 방법론(알고리즘,모델)을 적용한 배터리 잔존수명예측 모델링을 진행한다.
---
### ◽ Development Environment
page_type | languages | products
:------:|:------:|:------:
`Dev` | `pyspark` `python` |`azure` `azure-databricks`
---
### ◽ NASA PCoE Battery Data
<p align="left"> <img src="https://user-images.githubusercontent.com/88306533/128735382-30fec59a-fcb7-4763-9f89-46c658035fa5.png" width="75%" height="75%"></img></p>
> **Download URL** - https://ti.arc.nasa.gov/tech/dash/groups/pcoe/prognostic-data-repository/
---
<br>
## 2️⃣ PreRequirement
### ◽ Understanding Data
- SOH : State of Health
- RUL : Remaining Useful Life
- EOL : End of Life
### ◽ Data Structure
- ❶ cycle: top level structure array containing the charge, discharge and impedance operations
| cycle |`⇦ Complex Data Structure( Nested Data )` |
|:------:|:------:|
⏬
- ❷ type: operation type, can be charge, discharge or impedance
- ❸ Data: Nested Data Structure(Many Variables)
|type | ambient_temperature | time | data|
|:------:|:------:|:------:|:------:|
|charge|`24℃`|`yyyy-MM-dd HH:mm:ss.SSSSSS`|`data`|
|discharge |''|''|''|
|impedance |''|''|''|
---
<br>
## 3️⃣ Methodology
### ◽ Part1 : Convert .mat to Dataframe
> - [Convert .mat to Dataframe.py](https://github.com/YJPark0421/NASA-PCoE-Battery-Analytics/blob/master/Code/Preprocessing-Setup.py) **|** [Convert .mat to Dataframe.ipynb](https://github.com/YJPark0421/NASA-PCoE-Battery-Analytics/blob/master/Code/Preprocessing-Setup.ipynb)
### ◽ Part2 : EDA(Exploratory Data Analysis)
> - [EDA-Battery-Data.py](https://github.com/YJPark0421/NASA-PCoE-Battery-Analytics/blob/master/Code/EDA-Battery-Data-v0.1.py) **|** [EDA-Battery-Data.ipynb](https://github.com/YJPark0421/NASA-PCoE-Battery-Analytics/blob/master/Code/EDA-Battery-Data-v0.1.ipynb)
### ◽ Part3 : Modeling
> - [LSTM_Based_SOH_Prediction.py](https://github.com/YJPark0421/NASA-PCoE-Battery-Analytics/blob/master/Code/LSTM_Based_SOH_Prediction.py) **|** [LSTM_Based_SOH_Prediction.ipynb](https://github.com/YJPark0421/NASA-PCoE-Battery-Analytics/blob/master/Code/LSTM_Based_SOH_Prediction.ipynb)
> - [SVM_Based_SOH_Prediction.py](https://github.com/YJPark0421/NASA-PCoE-Battery-Analytics/blob/master/Code/SVM_Based_SOH_Prediction_v0.1.py) **|** [SVM_Based_SOH_Prediction.ipynb](https://github.com/YJPark0421/NASA-PCoE-Battery-Analytics/blob/master/Code/SVM_Based_SOH_Prediction_v0.1.ipynb)
### ◽ LSTM Based Model Prediction Result Example
> <p align="left"> <img src="https://user-images.githubusercontent.com/88306533/128865333-b2d2fc15-a00e-47db-a391-162ba7d65dfe.png" width="55%" height="55%"></img></p>
### ◽ Understanding LSTM(Long Short-Term Memory)
> <p align="left"> <img width="55%" height="55%" alt="rnn-lstm-cell" src="https://user-images.githubusercontent.com/88306533/129383011-a8bbea44-8cba-440c-a0de-a80e840689e6.png"></img></p>
> **Read a Blog** - http://colah.github.io/posts/2015-08-Understanding-LSTMs/
### ◽ Understanding SVM(Support Vector Machines)
> **Watch a Youtube** - https://www.youtube.com/watch?v=eHsErlPJWUU
---
<br>
## 4️⃣ Reference
> **URL①** - https://ieeexplore.ieee.org/document/8967059<br>
没有合适的资源?快使用搜索试试~ 我知道了~
NASA锂电池老化数据集及代码【5套】
共173个文件
mat:46个
jpg:46个
ipynb:28个
5星 · 超过95%的资源 需积分: 3 28 下载量 142 浏览量
2022-09-06
16:39:45
上传
评论 8
收藏 353.25MB ZIP 举报
温馨提示
自己搜集的NASA锂电池老化数据集及代码,文件夹424MB 附带真实数据与解析的代码5套,如有需要,肯定能满足你的需求
资源详情
资源评论
资源推荐
收起资源包目录
NASA锂电池老化数据集及代码【5套】 (173个子文件)
discharge.csv 20.73MB
.DS_Store 14KB
.DS_Store 14KB
.DS_Store 8KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.gitattributes 66B
predictive_regression_kalhman.h5 529KB
predictive_regression_kalhman.h5 529KB
predictive_regression_kalhman.h5 529KB
predictive_binary_final.h5 528KB
predictive_binary_final.h5 528KB
predictive_binary_final.h5 528KB
Binary_final_v1.ipynb 741KB
Binary_final_v1-checkpoint.ipynb 741KB
BinomialPredictiveMaintenance04-checkpoint.ipynb 729KB
Binary_final_v1-checkpoint.ipynb 688KB
Binary_final_v1.ipynb 683KB
BinomialPredictiveMaintenance02-checkpoint.ipynb 678KB
EDA-Battery-Data-v0.1.ipynb 665KB
RUL.ipynb 634KB
RUL-checkpoint.ipynb 634KB
RUL.ipynb 601KB
RUL-checkpoint.ipynb 601KB
multinomial-checkpoint.ipynb 487KB
LSTM_Based_SOH_Prediction_v0.1.ipynb 478KB
Binary_final_v1.ipynb 459KB
Binary_final_v1-checkpoint.ipynb 459KB
Binary-checkpoint.ipynb 458KB
RUL.ipynb 440KB
RUL-checkpoint.ipynb 440KB
BinomialPredictiveMaintenance03-checkpoint.ipynb 410KB
SVM_Based_SOH_Prediction_v0.1.ipynb 395KB
Binary_kalman-checkpoint.ipynb 335KB
tpot-checkpoint.ipynb 66KB
Logistic-checkpoint.ipynb 58KB
RUL.ipynb 28KB
RUL-checkpoint.ipynb 28KB
mat_2_DataFrame.ipynb 9KB
Preprocessing-Setup.ipynb 8KB
Untitled-checkpoint.ipynb 72B
model.joblib 223KB
7.jpg 624KB
微信图片_202109132112095.jpg 582KB
微信图片_2021091321120923.jpg 545KB
微信图片_2021091321120924.jpg 541KB
微信图片_2021091321120910.jpg 536KB
微信图片_2021091321120927.jpg 530KB
微信图片_202109132112091.jpg 519KB
微信图片_2021091321120925.jpg 502KB
微信图片_202109132112082.jpg 492KB
3.jpg 492KB
微信图片_20210913211209.jpg 486KB
5.jpg 486KB
微信图片_202109132112094.jpg 485KB
微信图片_2021091321120926.jpg 484KB
2.jpg 478KB
4.jpg 465KB
微信图片_202109132112083.jpg 465KB
2.jpg 454KB
微信图片_202109132112081.jpg 454KB
微信图片_2021091321120916.jpg 415KB
5.jpg 404KB
微信图片_202109132112084.jpg 392KB
微信图片_202109132112097.jpg 391KB
微信图片_2021091321120915.jpg 387KB
微信图片_2021091321120914.jpg 381KB
微信图片_2021091321120911.jpg 380KB
微信图片_20210913210150.jpg 369KB
微信图片_20210913211208.jpg 369KB
微信图片_202109132112099.jpg 365KB
微信图片_202109132112096.jpg 362KB
微信图片_202109132112092.jpg 333KB
6.jpg 333KB
3.jpg 317KB
微信图片_2021091321120912.jpg 310KB
4.jpg 300KB
微信图片_2021091321120919.jpg 297KB
微信图片_202109132112098.jpg 296KB
微信图片_2021091321120917.jpg 284KB
8.jpg 278KB
微信图片_2021091321120922.jpg 272KB
微信图片_2021091321120913.jpg 269KB
微信图片_2021091321120918.jpg 259KB
微信图片_2021091321120920.jpg 257KB
1.jpg 255KB
微信图片_2021091321120921.jpg 240KB
微信图片_202109132112093.jpg 215KB
B0007.mat 15.31MB
B0007.mat 15.31MB
B0007.mat 15.31MB
B0006.mat 15.29MB
B0006.mat 15.29MB
B0006.mat 15.29MB
B0005.mat 15.22MB
共 173 条
- 1
- 2
SeafyLiang
- 粉丝: 308
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论5