Compressor/models

PKS models —— 压力/振动算法与模型重构

本目录把原先合并在一起的 PKS 故障算法与泛化模型拆开、规范化重排。原 backend/scan_pks_fault_evolution.py 与 backend/model_assistant_generalized/ 保留不动，作为回退参照。

目录

目录	内容
common/	公共层：数据库连接、报警阈值、小时聚合、数据查询、稳健统计、CSV 输出、窗口切分、训练/评估/推理、自动校验
generalized/	压力算法 + 压力模型：pressure_algorithm.py、features_pressure.py、build_datasets.py、split_datasets.py、train_model.py、evaluate_model.py、infer_and_combine.py、run_pipeline.py
vibration/	振动算法 + 振动模型：与 generalized/ 对称
datas/	中间数据与训练数据：hourly/（小时中间表）、pressure/、vibration/（窗口样本）、artifacts/（训练产物）、reference/（golden 基准）
results/	算法扫描结果与模型测试结果：common/、pressure/、vibration/、verification/
markdown/	文档：压力算法、压力模型、振动算法、振动模型、模型辅助确认方案
scan_all.py	一次运行压力+振动扫描并缓存小时中间表

复现（3 小时）

# 1) 算法扫描结果（复用已缓存小时中间表，逐字节对齐 golden）
python models/scan_all.py --hourly-csv models/datas/hourly/pks_hourly_full.csv

# 或从数据库全量重跑并缓存小时中间表
python models/scan_all.py --save-hourly

# 2) 压力模型 3h：build -> split -> train -> evaluate -> infer
python models/generalized/run_pipeline.py --window-hours 3

# 3) 振动模型 3h
python models/vibration/run_pipeline.py --window-hours 3

# 4) 自动校验（算法 CSV、数据库全量重跑、模型 3h 指标）
python models/common/verify.py

--window-hours 6 的参数化代码路径保留，但本轮不重新生成 6h 产物。

校验基线

python models/common/verify.py 会比对：

• 5 个扫描结果 CSV 与 models/datas/reference/ 逐字节一致；
• models/results/verification/db_parity.json 显示数据库全量重跑与缓存一致；
• 压力 3h：阈值 0.862553、异常 F1 96.59%、事件召回 10/10、分机组正常误报率 0.32%/1.13%/0.00%；
• 振动 3h：阈值 0.916630、异常 F1 71.43%、事件召回 4/4、分机组正常误报率 0.00%/0.71%/0.13%。

报告写入 models/results/verification/verification_report.json。

标签来源

模型标签来自算法扫描结果（润滑油压力小时阶段段.csv / 振动异常段.csv）， 指标衡量的是对规则标签的泛化一致性，不等同于物理故障诊断。