DG-PHM

跨工况故障诊断不翻车，论文代码数据集一站集齐

DG-PHM 是一个聚焦于工业设备故障诊断与剩余寿命预测的开源资源库，核心主题是“领域泛化”（Domain Generalization）。在真实工业场景中，设备工况、负载、环境噪声经常变化，导致训练数据与测试数据分布不一致，传统深度学习模型泛化能力差。该项目系统整理了基于领域泛化的故障诊断与预测论文、代码和数据集，帮助研究者快速复现和对比不同方法。仓库涵盖 PHM（故障预测与健康管理）常见任务，如轴承故障诊断、齿轮箱故障识别、剩余使用寿命预测等，并汇总了迁移学习、领域适应、领域泛化等方向的基准与数据集。它解决的是“跨工况、跨设备条件下模型性能骤降”的问题，为工业 AI 落地提供可参考的算法与评测资源。适合作为该方向入门索引和实验起点。

开源 free 行业应用

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 466

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类行业应用

开发团队CHAOZHAO-1

所属国家

官网地址

GitHubhttps://github.com/CHAOZHAO-1/DG-PHM

定价模式free

价格说明开源代码与数据集，免费使用

访问状态

是否开源是

开源协议

主要语言

技术栈/模型benchmark,dataset,diagnosis,domain,fault,generalization,phm,prognosis,transfer

GitHub 星标★ 466

30天Star增速

HF 下载量

上线时间2023-02-03 00:00:00

最近更新2026-09-18 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-16

浏览次数5

使用教程

核心亮点

按领域泛化主题系统整理论文、代码与数据集，省去大量检索时间
覆盖故障诊断与剩余寿命预测两类 PHM 核心任务，场景较完整
汇总多个公开工业数据集与基准，便于横向对比不同方法

不足之处

以资源索引为主，缺少统一可运行的端到端实验框架
仓库语言标注未知，代码组织与维护活跃度需进一步观察

适用场景

工业设备跨工况故障诊断算法研究
剩余使用寿命预测的领域泛化实验对比
PHM 方向研究生快速入门与文献复现

替代项目

Awesome-Fault-Diagnosis、PHM-Datasets、Transfer-Learning-Fault-Diagnosis

项目介绍

DG-PHM 是一个行业应用领域的开源项目，官方简介：This is a reposotory that includes paper、code and datasets about domain generalization-based fault diagnosis and prognosis. (基于领域泛化的故障诊断和预测)。项目使用未知开发，在 GitHub 上获得 462 星标。

上一篇：awesome-ai-in-finance

下一篇：mrpt