Compressor/PKS润滑油压力与振动算法说明.md

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：

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：

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：

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：

720 个样本（5 秒一个样本）

运行覆盖率计算方式：

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：

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：

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：

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：

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：

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：

相对周期基线下降 >= 5%
且处于下降趋势

异常

满足任一条件：

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：

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：

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：

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：

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：

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：

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：

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：

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：

8.5 mm/s

异常信号

任一条件满足即可：

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：

7.1 mm/s

轻微信号

满足任一条件：

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：

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：

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：

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

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：

30 = 7号机
31 = 8号机
32 = 9号机

6.3 默认运行

python backend/scan_pks_fault_evolution.py

6.4 生成最终确认结果

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

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：

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：

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：

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：

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。