# PKS 润滑油压力与振动算法说明 ## 1. 适用脚本 算法由以下脚本实现： ```text backend/scan_pks_fault_evolution.py ``` 脚本为只读扫描器，只查询数据库，不修改数据库。主要输出： ```text 报警阈值配置.csv 润滑油压力小时等级.csv 润滑油压力小时阶段段.csv 润滑油压力演化周期.csv 振动异常段.csv ``` ## 2. 分析点位 | 点位 | 含义 | 用途 | |---|---|---| | `YSJ_5` | 润滑油压力 | 分析长期下降和低压风险 | | `YSJ_10` | 联轴器端振动 | 分析振动峰值和均值异常 | | `YSJ_11` | 链轮端振动 | 分析振动峰值和均值异常 | | `YSJ_41` | 运行状态 | 判断设备是否运行 | 运行判断规则： ```text YSJ_41 > 0 表示设备运行 ``` 批次与机组的对应关系： | 批次 | 机组 | |---:|---| | 30 | 7号机 | | 31 | 8号机 | | 32 | 9号机 | ## 3. 通用数据处理 ### 3.1 按小时聚合 数据库端按小时聚合 5 秒采样数据，每个小时计算： - 总样本数； - 运行样本数； - 运行覆盖率； - 油压均值、最小值、最大值； - 两个振动点位的均值和最大值； - 各点位超过报警阈值的样本数。 每小时理论样本数为： ```text 720 个样本（5 秒一个样本） ``` 运行覆盖率计算方式： ```text 运行覆盖率 = 运行样本数 / 720 ``` ### 3.2 有效小时 只有满足以下条件的小时，才参与长期趋势或振动基线分析： ```text 运行覆盖率 >= 0.80 ``` 这样可以排除停机、启动、停机过渡和采集不完整对结果的影响。 ## 4. 润滑油压力算法 ### 4.1 算法目标 识别润滑油压力是否出现真实的长期恶化，而不是把单个采样点或短时掉点误判为长期故障。 核心思想： ```text 周期基线 + 下降百分比 + 持续下降趋势 + 工程报警阈值 + 连续确认 ``` ### 4.2 周期和基线 对每台机组的有效运行小时建立油压周期： - 第一个有效小时开始一个周期； - 有效小时之间间隔超过 12 小时，开始新的周期； - 周期内的有效小时用于分析油压演化。 周期基线取周期开始阶段前 24 个有效运行小时油压均值的中位数： ```text 周期基线 = 前 24 个有效小时油压均值的中位数 ``` 同时计算近期 24 个有效小时基线，用于辅助判断当前油压是否偏离近期水平。 ### 4.3 趋势判断 对最近 6 个有效运行小时计算油压线性斜率，并统计连续下降的有效小时数。 认为油压处于下降趋势的条件为： ```text 连续下降有效小时数 >= 3 或最近 6 个有效小时斜率 < -0.0005 ``` 相对周期基线变化计算方式： ```text 相对变化 = (当前油压 - 周期基线) / 周期基线 ``` 例如结果为 `-16.7%`，表示当前油压比周期基线下降约 16.7%。 ### 4.4 油压分级规则 #### 轻微 同时满足： ```text 相对周期基线下降 >= 5% 且处于下降趋势 ``` #### 异常 满足任一条件： ```text 相对周期基线下降 >= 10%，且处于下降趋势 或油压 <= 低报警阈值 ``` #### 严重异常 满足任一条件： ```text 相对周期基线下降 >= 20%，且处于下降趋势 或油压 <= 低低报警阈值 ``` 当前实际阈值示例： ```text 低报警阈值：0.34 MPa 低低报警阈值：0.31 MPa ``` 报警阈值从数据库中的 `site_point` 和对应 `AlarmType` 配置读取，不固定写死某一个报警配置编号。 ### 4.5 报警样本比例 一个小时内，只有当达到报警阈值的运行样本占比至少达到 20% 时，才将该小时标记为对应的低报警小时： ```text 报警样本比例 = 报警运行样本数 / 运行样本数 报警样本比例 >= 20% ``` ### 4.6 连续确认 为减少短时异常误报，油压阶段采用连续有效小时确认： - 连续至少 3 个有效小时：确认当前等级； - 普通异常或轻微异常不足 3 小时：长期阶段按轻微处理； - 严重异常不足 3 小时：不形成长期严重阶段； - 低低报警的一两小时仍保留原始严重报警和立即报警信息。 因此，短时间低压掉点不会直接形成长期严重故障阶段，但原始报警不会丢失。 ### 4.7 输出结果 油压结果分为三层： 1. **小时等级**：每个有效小时的压力等级、趋势、基线和报警信息； 2. **小时阶段段**：将连续或相近的同等级小时合并； 3. **演化周期**：汇总周期内是否经历轻微、异常、严重异常，以及等级演化顺序。 阶段合并时，同一机组、同一周期、同一等级且间隔不超过 6 小时的小时会合并。 典型演化结果： ```text 轻微 -> 异常 -> 严重异常 ``` ## 5. 振动算法 ### 5.1 算法目标 识别两类振动异常： - 突然出现的高振动或机械冲击峰； - 相对历史正常水平持续升高的振动。 核心思想： ```text 工程报警阈值 + 历史稳健基线 + 均值偏离 + 峰值偏离 + 时间段合并 ``` ### 5.2 历史基线 对联轴器端和链轮端分别计算历史基线，使用当前小时之前最多 336 个有效运行小时： ```text 336 小时约等于 14 天 ``` 至少需要 24 个历史有效运行小时，才开始进行振动异常判断。 基线采用稳健统计方法： ```text 中心 = 中位数 波动尺度 = max(1.4826 × MAD, |中心| × 5%, 极小值) ``` 其中 MAD 是中位绝对偏差，可以降低异常峰值对基线的影响。 振动均值和振动最大值分别建立基线，并计算当前值相对基线的偏离程度。 ### 5.3 振动分级 #### 严重信号 任一条件满足即可： ```text 高高报警样本比例 >= 1% 或振动峰值 >= 高高报警阈值 或峰值相对基线偏离 >= 8 个稳健尺度 ``` 当前高高报警阈值示例： ```text 8.5 mm/s ``` #### 异常信号 任一条件满足即可： ```text 高报警样本比例 >= 1% 或振动峰值 >= 高报警阈值 或峰值相对基线偏离 >= 5 个稳健尺度 或振动均值相对基线偏离 >= 4 个稳健尺度 ``` 当前高报警阈值示例： ```text 7.1 mm/s ``` #### 轻微信号 满足任一条件： ```text 峰值相对基线偏离 >= 4 个稳健尺度 或均值相对基线偏离 >= 3 个稳健尺度 ``` ### 5.4 两侧振动综合判断 联轴器端和链轮端分别判断后： - 取两侧中较高的振动等级作为该小时等级； - 取异常更明显的一侧作为主要振动侧； - 同时保留两侧的峰值、均值和报警信息。 这样可以识别单侧机械异常，也可以识别两侧同步升高的情况。 ### 5.5 异常段合并 相邻触发小时之间间隔不超过 6 小时，会合并为同一个振动异常段。 异常段保留条件： ```text 至少有 1 个严重信号小时 或至少有 2 个触发小时 ``` 因此： - 单个严重振动峰不会被过滤； - 普通振动需要至少两次触发才形成异常段； - 当前实际合并逻辑不是严格要求连续 3 小时。 ### 5.6 变化形态 振动异常段会进一步标记变化形态： - **间歇冲击型**：峰值明显升高，但均值变化不大； - **持续抬升型**：均值持续升高并且多次触发； - **混合型**：同时存在峰值冲击和均值变化，但不满足前两类条件。 对活塞、机械部件等故障，重点关注： ```text 链轮端峰值突然增加、在不同运行时段重复出现，但平均振动不一定持续升高 ``` 对气阀相关异常，重点关注： ```text 某侧振动整体抬高，随后出现高峰 ``` ## 6. 运行方法 ### 6.1 查看帮助 ```bash python backend/scan_pks_fault_evolution.py --help ``` ### 6.2 参数 | 参数 | 含义 | 默认值 | |---|---|---| | `--batch` | 批次，可多选 | `30 31 32` | | `--start` | 开始时间 | `2025-04-01 00:00:00` | | `--end` | 结束时间 | `2026-05-01 00:00:00` | | `--chunk-days` | 每个数据库查询块的天数 | `14` | | `--output-dir` | 输出目录 | `cache/pks_scanner/evolution` | 批次对应关系： ```text 30 = 7号机 31 = 8号机 32 = 9号机 ``` ### 6.3 默认运行 ```bash python backend/scan_pks_fault_evolution.py ``` ### 6.4 生成最终确认结果 ```bash python backend/scan_pks_fault_evolution.py \ --batch 30 31 32 \ --start "2025-04-01 00:00:00" \ --end "2026-05-01 00:00:00" \ --chunk-days 14 \ --output-dir cache/pks_scanner/evolution_pct_confirmed ``` ### 6.5 只分析 8 号机 ```bash python backend/scan_pks_fault_evolution.py \ --batch 31 \ --start "2025-10-20 00:00:00" \ --end "2025-11-05 00:00:00" \ --chunk-days 7 \ --output-dir cache/pks_scanner/evolution_8_verify ``` ## 7. 结果解读建议 ### 润滑油压力 优先看以下字段： - `相对周期基线变化`； - `近6有效小时油压斜率`； - `连续下降有效小时数`； - `压力等级`； - `是否形成确认等级`； - `低报警小时数`、`低低报警小时数`。 判断重点： ```text 是否在完整运行小时内持续下降，并且连续达到确认时长 ``` ### 振动 优先看以下字段： - `振动阶段`； - `阶段综合评分`及各项分项得分； - `最强异常侧`； - `阶段最大振动值`； - `最强侧近期峰值基线`和`最强侧近期稳健尺度`； - `阶段最大峰值/基线比例`； - `阶段最大连续异常有效小时数`。 判断重点： ```text 峰值是否真实发生在完整运行小时内，是否重复出现，均值是否同步抬升 ``` ### 7.1 振动阶段综合评分 振动阶段使用持续时间、平均振动抬升、阶段最大振动值和峰值稳健偏离进行综合评分，总分 0～100 分： ```text 持续时间 40 分 + 平均振动 20 分 + 最大振动值 20 分 + 峰值稳健偏离 20 分 ``` 评分分级： - 0～29 分：轻微； - 30～59 分：异常； - 60～100 分：严重异常。 达到以下任一条件时直接判定为严重异常：峰值达到高高报警阈值、存在高高报警小时，或峰值达到 8 个稳健尺度且阶段至少包含 2 个有效运行小时。 其中： ```text 近期峰值基线 = 前 336 个有效运行小时的峰值中位数 稳健尺度 = max(1.4826 × MAD, |近期峰值基线| × 5%, 极小值) 峰值稳健偏离 = (当前峰值 - 近期峰值基线) / 稳健尺度 峰值/基线比例 = 当前峰值 / 近期峰值基线 ``` 例如峰值稳健偏离 19.43，表示当前峰值高于近期基线 19.43 个稳健尺度；如果峰值/基线比例为 2.41，则表示当前峰值约为基线的 2.41 倍。两者含义不同。 ## 8. 重要限制 1. 算法输出的是异常候选和演化阶段，不是最终故障诊断。 2. 停机、启动和停机过渡期间的低值或峰值不能直接作为故障证据。 3. 油压长期下降更适合判断润滑系统风险，不能单独确定具体损坏部件。 4. 振动异常可以提示气阀、活塞或机械冲击风险，但具体归因仍需结合功图、高频波形和维修记录。 5. 当前振动结果重点是异常段识别，不等同于严格的三小时连续确认。 6. 报警阈值来自数据库的点位配置，应定期检查配置是否正确。 7. 建议结合 `运行样本数 / 720` 一起查看，避免低覆盖率小时造成误判。 ## 9. 模型辅助确认方案（后续实施） 本方案用于对现有规则结果进行相似性判断和辅助确认，不预测未来，也不替代 `backend/scan_pks_fault_evolution.py` 的阶段划分和异常规则。 ### 9.1 总体结构 ```text 原始采样数据 → 沿用现有脚本按自然小时聚合 → 沿用运行覆盖率、开停机和有效小时判断 → 分别形成油压窗口和振动窗口 → XGBoost 分类 + K 近邻相似性匹配 → 与现有规则结果联合展示和辅助确认 ``` 润滑油压力和振动分别建立模型，不混合训练。模型输入、标签和实时输入必须使用与现有脚本相同的小时边界及基础特征。 ### 9.2 时间窗口和有效数据 1. 一个模型样本为同一台压缩机连续 **6 个有效运行小时**，不是单点数据，也不是直接使用 5 秒级原始点。 2. 每小时仍按现有脚本聚合；`YSJ_41 > 0` 用于判断运行状态，运行覆盖率低于 80% 的小时不进入模型窗口。 3. 窗口按有效运行小时滑动，每新增一个有效小时形成一个新窗口。 4. 相邻有效运行小时之间间隔超过 12 小时时，视为新的运行周期，窗口不得跨越该边界。 5. 振动模型沿用现有规则：停机超过 12 小时后，重启后的第一个有效运行小时不作为振动判断样本。为避免把过渡状态标记为正常，正常样本采集时压力模型也排除重启后的第一个有效运行小时。 6. 正常样本同时排除停机前 1～2 个有效运行小时，以及已知异常阶段前后各 12 小时，避免把开停机过渡或异常演化过程标记为正常。 ### 9.3 数据读取和统一中间数据 后续实现时，模型数据准备应直接复用 `backend/scan_pks_fault_evolution.py` 的数据读取和小时聚合逻辑，不要为模型另外编写一套时间处理方式。推荐先形成一张“小时级中间表”，再从中间表生成压力窗口和振动窗口。 #### 9.3.1 原始数据读取 1. 从与现有扫描器相同的数据表读取原始采样数据，至少读取： - `sample_time`：原始采样时间； - `machine` 或现有设备标识字段； - `batch` 或现有批次字段； - `YSJ_41`：运行状态判断点； - `YSJ_10`：联轴器端振动； - `YSJ_11`：链轮端振动； - 润滑油压力点及其高、低报警阈值相关字段。 2. 时间解析、设备排序、批次划分和分块读取方式沿用现有脚本。 3. 不应先把原始 5 秒数据随机拆分为训练集和测试集。原始数据必须先按自然小时聚合，再按设备和时间生成窗口。 #### 9.3.2 小时级聚合 每个原始采样点先按以下方式归入小时： ```text hour = sample_time 向下取整到整点 ``` 每个“设备 + 批次 + 小时”生成一行小时数据，至少包括： ```text 机组/设备 批次 小时 总采样数 运行样本数 运行覆盖率 = 运行样本数 / 720 油压均值、最小值、最大值 YSJ_10 均值、最大值 YSJ_11 均值、最大值 油压低报警样本数、低低报警样本数 振动高报警样本数、高高报警样本数 ``` 其中运行样本的定义必须保持一致： ```text YSJ_41 > 0 ``` 只有以下小时才可进入有效运行小时序列： ```text 运行覆盖率 >= 0.80 且所需的压力或振动特征不为空 ``` 压力模型只要求油压特征有效；振动模型只要求 `YSJ_10`、`YSJ_11` 至少有可用特征。不能因为某一类特征缺失，就把另一类模型的有效小时强行删除。 #### 9.3.3 状态边界表 在生成窗口前，先为每台设备建立运行状态边界信息。对相邻有效运行小时计算时间间隔： ```text 间隔 > 12 小时：新的运行周期 间隔 <= 12 小时：仍属于同一运行序列 ``` 同时标记以下小时： ```text 首次有效运行小时 长停机后的重启首个有效运行小时 停机前最后 1～2 个有效运行小时 ``` 这些标记不应丢失，后续既用于生成正常标签，也用于解释模型结果。窗口生成时不得跨越新的运行周期。 ### 9.4 六小时窗口生成 每个窗口必须属于同一台设备、同一批次和同一运行周期，并包含连续 6 个有效运行小时。窗口按有效运行小时序列滑动，而不是按数据库行号或简单自然小时滑动。 假设某个运行周期的有效小时序列为： ```text h1, h2, h3, h4, h5, h6, h7, h8 ``` 则生成： ```text 窗口1：h1～h6 窗口2：h2～h7 窗口3：h3～h8 ``` 每个窗口保存以下索引字段： ```text window_id 机组/设备 批次 运行周期编号 窗口开始小时 窗口结束小时 窗口内有效运行小时数 = 6 窗口内自然持续小时数 ``` 如果某个窗口中出现以下情况，则不生成该窗口： - 有效小时数少于 6； - 跨越超过 12 小时的停机边界； - 跨越批次边界； - 必要的压力或振动特征缺失； - 包含无法确认运行状态的小时。 窗口结束时间是模型当前可以看到的最后一个小时。实时运行时，只使用截至该窗口结束小时已经产生的数据，不能使用后续小时的数据。 ### 9.5 窗口特征 每个 6 小时窗口提取统计、趋势和基线偏离特征，不直接把阶段最终结果作为输入，避免使用未来信息。 压力模型主要特征： - 6 小时油压均值、最小值、最大值和变化幅度； - 当前油压与现有周期基线的偏离； - 最近 6 个有效小时的下降斜率和连续下降小时数； - 低压、低低压报警样本比例； - 运行覆盖率和有效小时数量。 振动模型主要特征： - `YSJ_10`、`YSJ_11` 的 6 小时均值、最大值和变化幅度； - 两个点位相对前 336 个有效运行小时稳健基线的偏离； - 峰值稳健偏离、均值偏离、高报警和高高报警比例； - 最近 6 个有效小时的趋势； - 两个振动点是否同步升高； - 运行覆盖率和有效小时数量。 ### 9.6 标签划分 两个结果 CSV 分别作为两个模型的阶段标签来源： - `润滑油压力小时阶段段.csv` → 压力异常窗口标签； - `振动异常段.csv` → 振动异常窗口标签。 第一阶段只划分二分类： ```text 正常窗口 / 压力异常窗口 正常窗口 / 振动异常窗口 ``` 暂不把轻微、异常、严重异常分别训练成多分类，原因是当前独立故障过程和严重异常样本较少。一个 6 小时窗口如果落在对应异常阶段内，可标记为异常窗口；跨越异常边界或处于异常前后 12 小时隔离区的窗口暂不作为正常标签。 同一完整故障过程切出的多个窗口属于同一组，训练集和测试集不得拆散到两边，避免因窗口高度重叠造成结果虚高。 ### 9.7 正常样本采集 正常样本应从已确认稳定运行的连续数据中均匀抽取，按压缩机、月份或运行周期进行分层，避免正常样本集中在某一台设备或某一段时间。采集前必须确认： - 6 个小时均为有效运行小时； - 不跨越超过 12 小时的停机边界； - 不包含开机后的过渡小时； - 不包含停机前 1～2 个有效运行小时； - 不位于已知异常阶段前后 12 小时隔离区； - 数据没有明显缺失或异常覆盖率。 正常样本数量不需要无限增加，应尽量与异常窗口保持合理比例，并保证不同设备和时间段都有代表性。 ### 9.8 模型及输出 每个方向使用一个 XGBoost 二分类模型，并同时保留 K 近邻相似性匹配： - XGBoost：输出当前 6 小时窗口属于异常的概率； - K 近邻：返回最相似的历史正常或异常窗口及相似度； - 现有规则：继续负责小时异常、阶段合并和最终阶段输出。 示例输出： ```text 压力规则：正常 压力模型异常概率：0.68 最相似历史压力异常窗口：0.79 辅助判断：存在压力异常相似性，继续观察 ``` 模型不能单独推翻现有规则的严重异常结果。实际判断建议分为： - 规则异常且模型概率/相似度较高：辅助确认异常； - 规则正常但模型概率/相似度较高：标记为疑似异常，不直接报警； - 规则异常但模型支持较弱：保留规则结果，提示需要人工复核； - 规则正常且模型支持较弱：正常。 ### 9.9 当前方案边界 当前样本量较少，模型定位为历史故障相似性匹配和规则辅助确认，不作为独立故障诊断器。压力和振动应分别评估，不能把滑动窗口数量当成独立故障数量。后续只有在积累更多独立故障过程，并结合维修记录或人工确认校验标签后，才考虑进一步训练多等级模型。 ## 10. 与现有扫描器联合判断的最终数据流 模型不是另起一套故障检测程序，而是接在 `backend/scan_pks_fault_evolution.py` 之后，使用扫描器已经生成的小时数据、运行状态和规则结果。联合判断的原则是： ```text 现有扫描器负责发现和划分异常阶段 模型负责判断当前窗口是否像历史异常 联合层负责给出辅助确认结果 ``` ### 10.1 实时处理流程 每当新的完整小时数据到达后，按以下顺序执行： ```text 1. 读取最新原始采样数据 2. 按现有规则聚合为自然小时数据 3. 判断运行状态和运行覆盖率 4. 更新该设备的有效运行小时序列 5. 更新压力周期和压力基线 6. 更新振动近期稳健基线 7. 执行现有压力、振动规则 8. 判断是否已经形成或更新异常阶段 9. 如果已有最近6个有效运行小时，则生成模型窗口 10. 提取与训练时完全相同的窗口特征 11. 分别调用压力模型和振动模型 12. 查询最相似的历史窗口 13. 将规则结果、模型概率和相似度合并输出 ``` 在第 9 步之前不能调用模型。少于 6 个有效运行小时，窗口不完整，只能输出现有规则结果，不能人为补齐窗口。 ### 10.2 压力联合判断流程 压力方向使用独立的压力模型，处理顺序如下： ```text 最新有效压力小时 ↓ 加入当前压力周期 ↓ 更新周期基线和最近趋势 ↓ 执行现有压力小时规则 ↓ 生成最近6个有效运行小时的压力窗口 ↓ 计算窗口特征 ↓ XGBoost压力模型 + K近邻压力相似度 ↓ 与压力规则结果合并 ``` 压力规则仍然负责： - 判断当前小时是否达到轻微、异常或严重异常条件； - 判断压力异常是否满足连续有效小时确认； - 合并相邻的压力异常阶段； - 写入 `润滑油压力小时等级.csv` 和 `润滑油压力小时阶段段.csv`。 压力模型只负责回答： ```text 最近6个有效运行小时的压力变化，是否像历史压力异常窗口？ ``` 建议压力联合输出至少包含： ```text 设备 窗口开始小时 窗口结束小时 现有压力小时等级 现有压力阶段编号（如果已经形成） 压力模型异常概率 最相似历史压力窗口 压力相似度 压力联合判断 ``` 压力联合判断建议使用以下逻辑： | 现有规则 | 模型结果 | 联合输出 | |---|---|---| | 正常 | 概率和相似度都低 | 正常 | | 正常 | 概率或相似度较高 | 压力疑似异常，继续观察，不直接升级阶段 | | 轻微 | 模型支持较高 | 压力异常倾向，辅助确认 | | 异常/严重异常 | 模型支持较高 | 模型辅助确认压力异常 | | 异常/严重异常 | 模型支持较低 | 保留规则结果，标记模型意见不一致，人工复核 | 模型不能因为概率较低就取消现有规则已经确认的压力异常，也不能因为概率较高就绕过现有规则直接生成严重异常阶段。 ### 10.3 振动联合判断流程 振动方向使用独立的振动模型，处理顺序如下： ```text 最新有效振动小时 ↓ 判断是否为重启后的首个有效运行小时 ↓ 更新前336个有效运行小时的振动基线 ↓ 执行YSJ_10、YSJ_11小时级振动规则 ↓ 按6小时间隔合并振动信号 ↓ 生成最近6个有效运行小时的振动窗口 ↓ 计算YSJ_10、YSJ_11窗口特征 ↓ XGBoost振动模型 + K近邻振动相似度 ↓ 与振动规则结果合并 ``` 振动规则仍然负责： - 判断 `YSJ_10` 和 `YSJ_11` 是否触发振动信号； - 确定振动异常侧； - 判断单小时信号等级； - 按不超过 6 小时的间隔合并异常段； - 写入 `振动异常段.csv`。 振动模型只负责回答： ```text 最近6个有效运行小时的振动变化，是否像历史振动异常窗口？ ``` 重启后的首个有效运行小时不生成振动模型窗口，也不作为振动正常样本。必须等到后续累计满 6 个合格有效运行小时后，才可以进行模型判断。 建议振动联合输出至少包含： ```text 设备 窗口开始小时 窗口结束小时 现有振动规则等级 异常侧：YSJ_10 / YSJ_11 / 两侧 现有振动阶段编号（如果已经形成） 振动模型异常概率 最相似历史振动窗口 振动相似度 振动联合判断 ``` ### 10.4 模型与规则的职责边界 联合系统中，两个部分的职责必须固定，不能在实现过程中互相覆盖： | 功能 | 现有扫描器 | 模型辅助层 | |---|---|---| | 小时聚合 | 负责 | 不重复实现 | | 运行状态判断 | 负责 | 使用结果 | | 有效小时判断 | 负责 | 使用结果 | | 开停机边界 | 负责 | 使用结果并过滤窗口 | | 压力/振动基线 | 负责更新 | 使用同口径特征 | | 单小时异常识别 | 负责 | 不直接替代 | | 异常阶段合并 | 负责 | 不直接替代 | | 历史相似性判断 | 不负责 | 负责 | | 异常概率输出 | 不负责 | 负责 | | 最终规则结果 | 负责 | 提供辅助意见 | 因此，模型输出不应直接改写两个现有结果 CSV。第一阶段建议单独输出模型辅助结果，例如： ```text 压力模型辅助确认.csv 振动模型辅助确认.csv ``` 这样可以在不影响现有规则结果的情况下，对比模型与规则的一致性。 ### 10.5 联合判断的推荐状态 为了避免只输出一个难以解释的布尔值，联合层建议使用以下状态： ```text 规则正常 规则轻微异常 规则异常 规则严重异常 模型疑似异常 模型辅助确认 规则与模型不一致 数据不足 ``` 具体判断优先级如下： 1. 数据不足时，不输出正常，输出“数据不足”。 2. 规则已经判定严重异常时，保留“规则严重异常”，模型只作为辅助证据。 3. 规则判定异常且模型概率、相似度至少有一项达到确认条件时，输出“模型辅助确认”。 4. 规则正常但模型支持较高时，输出“模型疑似异常”，不直接写入规则异常阶段。 5. 规则异常但模型支持较低时，保留规则结果，并输出“规则与模型不一致”。 6. 规则正常且模型支持较低时，输出“规则正常”。 概率和相似度的具体阈值不能直接凭经验固定。应在独立验证数据上确定，例如分别评估不同阈值下的误报数量、异常召回情况和规则一致率。阈值确定前，模型结果只能作为参考，不应自动升级报警。 ### 10.6 窗口与阶段的对应关系 模型窗口和规则阶段不是一一对应关系： - 一个异常阶段可以包含多个重叠的 6 小时模型窗口； - 一个 6 小时模型窗口可能只覆盖异常阶段的一部分； - 一个窗口也可能跨越异常开始或恢复边界； - 规则阶段以异常信号和阶段合并逻辑为准，模型窗口只表示当前时刻的局部证据。 因此，模型结果应通过 `设备 + 批次 + 窗口结束小时` 与规则小时结果关联，再根据窗口时间范围判断它是否落在规则阶段内，而不能简单按行号或阶段编号直接关联。 推荐关联方式： ```text 规则小时记录：设备、批次、小时 模型窗口记录：设备、批次、窗口开始小时、窗口结束小时 阶段记录：设备、批次、开始小时、结束小时 ``` 实时判断时，以模型窗口的 `窗口结束小时` 作为当前判断时刻： ```text 模型窗口结束小时 = 当前最新有效小时 ``` 如果模型窗口结束小时已经落入规则异常阶段，模型结果用于确认；如果尚未落入规则阶段但模型支持较高，只能标记为疑似异常，不能提前修改规则阶段起点。 ### 10.7 最终推荐的数据流 ```text pks_long_sample 原始采样数据 ↓ scan_pks_fault_evolution.py：按自然小时聚合 ↓ 小时级中间表 ├─ 运行样本数、运行覆盖率 ├─ 油压小时特征 ├─ YSJ_10 小时特征 ├─ YSJ_11 小时特征 └─ 报警比例和状态边界 ↓ 现有规则分支 ├─ 压力小时等级 ├─ 压力异常阶段 └─ 振动异常阶段 ↓ 模型窗口分支 ├─ 最近6个有效运行小时压力窗口 │ ├─ 压力窗口特征 │ ├─ XGBoost压力异常概率 │ └─ K近邻压力相似度 └─ 最近6个有效运行小时振动窗口 ├─ 振动窗口特征 ├─ XGBoost振动异常概率 └─ K近邻振动相似度 ↓ 联合判断层 ├─ 按设备、批次、窗口结束小时关联规则结果 ├─ 保留规则阶段和等级 ├─ 增加模型概率和历史相似案例 └─ 输出模型辅助确认结果 ``` 第一阶段的实现顺序建议为： ```text 1. 先输出小时级中间表 2. 验证模型窗口与现有规则的时间完全对齐 3. 生成压力和振动6小时窗口 4. 生成正常/异常标签 5. 先离线训练和评估XGBoost、K近邻 6. 输出独立模型辅助结果，不修改现有规则CSV 7. 对比规则与模型结果 8. 确认阈值后，再考虑接入实时联合判断 ```