PKS 模型辅助确认方案（压力/振动共用）

本节描述压力模型与振动模型共用的窗口、标签与联合判断约定，是 models/generalized/ 与 models/vibration/ 两个模型目录的共同依据。

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

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

一个模型样本为同一台压缩机连续 3 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。
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。
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。
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。
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。
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

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。
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。
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：

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：

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：

YSJ_41 > 0

只有以下小时才可进入有效运行小时序列：

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：

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：

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 三小时窗口生成

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 3 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：

h1, h2, h3, h4, h5, h6, h7, h8

则生成：

窗口1：h1～h3
窗口2：h2～h4
窗口3：h3～h5
窗口4：h4～h6
窗口5：h5～h7
窗口6：h6～h8

每个窗口保存以下索引字段：

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 = 3
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 3；
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 3 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（机组相对/泛化特征，去掉绝对油压）：

3 小时油压均值、最小值、最大值、极差和斜率；
当前值相对窗口内基线变化；
相对本机周期基线的变化（均值、最低、末值）、周期回撤、窗口极差/周期基线；
相对近期 24 个有效小时基线的变化；
窗口斜率相对周期基线、连续下降有效小时数；
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（机组相对/泛化特征，去掉绝对振动值）：

YSJ_10、YSJ_11 的 3 小时均值、峰值和变化幅度；
两个点位相对本机近期 168 个有效运行小时稳健基线的偏离（z 分数）与相对比例；
相对本机正常分布的稳健 z 分数（中位数/MAD）；
高报警和高高报警比例；
窗口趋势、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：

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 3 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：

3 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 3 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：

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：

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：

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3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 3 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：

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3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：

最近3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：

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：

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168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3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：

最近3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：

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：

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：

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：

数据不足时，不输出正常，输出“数据不足”。
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。
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”。
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。
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”。
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 3 小时模型窗口；
一个 3 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：

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：

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

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3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3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：

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3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

模型辅助确认方案.md 18 KB パーマリンク 履歴 Raw