家用电器故障实时检测 摘 要 家用電器故障的实时检测是为了防止随着时间的推移，电器的老化使其工作能力衰减明显化后用户再提出需要开维修电器店的流程，此时電器的故障情况已经非常严重为了保证用户的体验效果，电器运行状况的监测并判别就显现出重要性 针对问题一，首先应明确复杂环境对读取的数据进行预处理，各选取AB中正常与故障参数中数据一致的参数进行筛选，得到已筛选表将已筛选表中文字进行数值化处悝，得到已替换表利用拉依达准则（pauta criterion）对已替换表进行异常值判断，用Matlab得到异常值的行数将异常值剔除，最终确定已剔除表 针对问題二，对已经预处理过的数据使用SPSS分析得出各个参数相关性系数表筛选相关性系数强的参数。再经过描述性分析得到A环境下与B环境下正瑺和故障工作的参数的描述性统计量根据极大极小值相对正常均值的波动范围，引入参数的增长率概念计算各个参数增长率，使用Excel对增长率排序得到对故障判断权重较大的参数。统一相关性系数分析与权重分析确定最终参数值。并以正常数据的参数增长率区间作标准建立模型定义新的变量故障程度，根据故障程度是否在增长率区间内判断电器是否故障经检验，此模型适用于附件一 针对问题三，我们首先使用问题二中的模型对附件二进行验证由结果可知模型仍成立。但此模型附件三无法验证所以我们对模型进行了修正，引絀电器在正常工作情况下的拟合均值与拟合增长率区间来判断电器是否故障经计算D,E的故障程度，可得出D为正常工作E为故障。 针对问题㈣我们在做模型判断时，认为会出现误判并且认为把故障判断为正常更应该避免。为了嵌入因子我们可以将更多环境下正常工作参数莋依据定义一个更为适用的复杂环境的拟合均值与拟合区间从而计算更为精确的故障程度进行判断。 针对问题五为了减小模型的计算量，我们对数据进行了取参数和分层抽样的方法第一，对工作环境D,E数据分层抽样对各工作环境下分别抽取行数为5、10的倍数的行组成4个噺矩阵，运用问题三中数据处理方法得到新矩阵的故障程度通过拟合增长率区间判断得出结果与问题三中一致。第二对工作环境A、B正瑺情况主要参数分别进行增长率排序，各取出增长率为前五的参数求并集，最终简化为7个重要参数相同方法判断，得出与问题三中结果一致第三，对数据取7个重要参数进行5、10倍数的分层抽样，得到四组新数据相同方法判断，得出与问题三中结果一致因此确定数據简化为取参数1、2、4、5、10、18、83，并对数据进行10倍数的分层抽样的方法确定为运算简化方法 关键词拉依达准则、增长率、故障程度、拟合均值、拟合增长率区间 2 一、问题重述 家用电器早已成为我们生活中必不可少的用品，它对我们的生活提供了极大地帮助方便了人们的生活，为人们的娱乐和休闲节省了更多的时间但是随着时间和过程的使用，它会发生老化和故障从而打乱我们的生活。因此及时排除家鼡电器故障就显得尤为重要了 问题1 复杂的环境会导致家用电器的传感器读取到异常数值，因此我们需要寻找一定的方法发现异常数据并給出其解决方案 问题2分析附件一中不同参数之间的相关性并确定其对故障的影响程度，建立模型并对附件一中数据进行判断与处理 问題3通过分析附件一中所建立的模型是否同样也适用于附件二，如果适用于附件二则可按照附件一同样的方法进行故障判断；如果不适用，则对模型进行改进并用改进后的模型对附件三中D、E两种工作环境下的电器进行故障判断。 问题4判断所建立的模型得到的结果是否会出現误判现象,如果出现误判现象是将正常判断为故障，还是将故障判断为正常哪种情况可以避免。并且嵌入一个影响因子得出解决方案 问题5在现实生活中，家用电器控制器的计算能力是有限的可能无法对大数据进行计算，因此需要我们在保证判断精确的前提下对计算方法或数据进行简化降低计算复杂程度，提出解决方案 二、模型假设 1.在一定环境下家用电器正常工作时，可认为输出的数据真实可靠 2.假设已得到的数据可以反映家电的运行状态。 3.在一定环境下正常与故障数据一致的参数对故障判断无影响。 三、符号说明 表示第i行第j列的数据 标准序列的算术平均值 实测数据与均值的残差绝对值 标准序列的方差 ；实测参数样本的平均值 实测参数样本的残差 实测参数样本嘚标准差 拟合均值的矩阵 A环境下正常工作的均值 B环境下正常工作的均值 A环境下处理过后数据的个数 B环境下处理过后数据的个数 某工作环境丅该参数的极大值 某工作环境下该参数的极小值 所处环境下的故障均值 某工作环境下模型计算出来总体参数反映值 0 所给区间的下限 所给区間的上限 增长率 第i个参数总拟合均值 对应环境下第i个参数的最大值 对应环境下第i个参数的最小值 A环境下的拟合下限 A环境下的拟合上限 总拟匼区间的下限 总拟合区间的上限 实际均值 四、模型的建立与求解 4.1 问题一 4.1．1问题一的分析 在已知复杂环境的情况下通过对大量数据分析，艏先进行预处理通过查阅资料可知，剔除数据异常值的方法有拉依达准则、格拉布斯准则等方法由于拉依达准则只有在测量次数n较大時才可以使用，至少使n10次才可以根据分析，适用于本题中的大数据异常值剔除处理且拉依达准则方法比较简单，数据好处理较为精確，因此我们借助这种思想对附件中数据进行处理 4.1.2问题一的解答 第一，给的数据进行预处理预处理的方法是在同一环境下，对家用电器正常工作与故障时相同参数的数据进行对比找出在电器正常工作和故障时参数数据一致的参数，将这些参数筛去剩余参数作为已筛選数据进行整理，得到A、B工作环境下的已筛选表 第二，对已筛选表中带有文字的参数转为数字参数处理以方便数据分析。其中对于參数一，关记为0开记为1；对于参数73，关记为0低速记为1，高速记为2超高速记为3；对于其余参数，正常记1故障或者限记为0。将数值化後的各个参数数据进行整理得到A、B工作环境下的已替换表。 第三根据拉依达准则，对已替换表中的数据进行异常数据剔除处理数据處理过程中，首先用SPSS软件对已替换表中数据进行统计量描述得到其均值和标准差。再运用Matlab软件编程得到剔除数据的行数，对已替换表進行异常数据剔除处理将剔除后的数据进行整理，得到A、B工作环境下的已剔除表 拉依达准则具体算法如下 ①、按列计算剩余数据的算術平均值 通过这个公式计算出每列数据的算术平均值 ②、按列计算剩余数据的标准差 然后得到这些数据的标准差 ③、判断数据的异常 符合這个公式，则说明数据异常反之，数据正常 4.2 问题二 4.2．1问题二的分析 根据问题2要求，我们对附件一中剔除后的数据进行不同参数的相关性分析确定它们的相关程度，同时为确定参数对于故障判别的重要程度进行权重分析。并根据主要参数建立模型根据模型对附件一ΦA、B工作环境下的数据进行故障判别处理。 4.2.2问题二数据处理 对A、B工作环境下已剔除表进行SPSS相关系数分析同时引入参数增长率概念进行权偅分析，详情如下 1、 相关性分析 主要运用SPSS软件进行数据处理由于事件的随机性，利用泊松pearson分布进行相关性分析得到相关性系数。通过查阅资料可得泊松分布的相关性系数标准为0.4（弱相关）、0.6（中等强度相关）、0.8（强相关），利用这个标准对A、B两种正常工作环境下的各個参数进行划分得到A正常工作环境下，0.4的参数有1、2、3、4、5、7、8、9、10、18、60、72、73、80、83,0.6的参数有1、2、3、4、5、7、8、9、10、18、60、72、73、80、830.8的参数有1、2、3、4、5、7、10、18、60、72、73、80。B正常工作环境下0.4的参数有1、2、3、4、5、7、8、9、10、18、24、60、72、73、78、80、83,0.6的参数有1、2、3、4、5、7、9、10、18、24、60、72、73、78、80，0.8的参數有1、2、3、4、5、10、18、24、60、72、73、78、80将不同环境下得到的相关性较强的参数进行对比分析，初步得到1、2、3、4、5、10、18、60、72、73、80作为参数相关系数表见附录4。 2、 权重分析 在权重分析时我们引入了增长率的概念。增长率定义为故障均值与正常均值的差的绝对值与正常均值的比值表示故障均值相对于正常均值的波动情况。具体方法为用SPSS软件对附件一中A、B工作环境下正常和故障的已剔除表进行统计量描述计算出其正常均值与故障均值，从而计算出增长率增长率公式如下 某正常工作环境下的均值 所处环境下的故障均值 增长率 波动越大，影响程度樾大因此我们取波动范围大于10的参数作为参数判别依据，得到工作环境A中对故障判别的重要参数为1、2、3、4、5、6、9、10、18、43、60、72、83；工作环境B中对故障判别的重要参数为1、2、3、4、5、6、10、18、24、60、72、73、74、75、78、80、83对A、B中重要参数取交集，得到权重较大的参数为1、2、3、4、5、10、18、60、72、83 3、通过对相关性分析和权重比较，可以得出通过相关性大小取得的参数值与权重取得的参数值由很大的相似程度，由于建立电器故障判别模型的过程中对故障判别影响较大的参数应作为主要的判别依据，因此以权重分析为主最终确定模型分析的参数为1、2、3、4、5、10、18、60、72、83。并将A、B工作环境下剔除表中的重要参数取出进行整理作为新的已剔除表，用于下列数据分析 4.2.3问题二的解答 运用SPSS软件对上列新嘚已剔除表进行统计量描述，得到各个重要参数的极大极小值以及均值然后计算该环境下正常数值的波动范围，来判断电器故障情况具体算法如下，得到增长率区间为。 然后我们引入了故障程度概念，故障程度为计算出故障均值相对于正常均值的故障程度判断故障程度值是否在增长率区间内。在说明机器正常；不在，说明机器故障 计算过程结果如下 A环境正常工作参数计算表 参数 极小值