题目
摘要
在机械设备运转过程中会产生不可避免的磨损、老化等问题,随着损耗的增加,会导致各种故障的发生,影响生产质量和效率。本文以一批机械故障相关数据为主,建立数模对机械故障分析可对工业机械设备故障预测具有良好作用,对机械改进具有实际意义
本文在对数据进行分析和描述性统计的基础上运用灰色关联度、皮尔逊相关性、正态化检测、层次聚类、决策树、随机森林、AHP层次分析模型等算法和模型,并结合MATLAB、SPSS、origin和EXCEL等软件,解决了工业机械设备故障预测研究问题。
针对问题一,首先我们对数据进行了贝叶斯统计进行了处理,然后对数据进行了QQ图检测,得出与正态呈线性。再次基于灰色关联法分析机械故障影响程度研究,得出扭矩与时长变化量与是否故障有较大关系。最后我们使用皮尔逊相关性分析,得出相关性表与相关性图,得出扭矩与时长在所有指标中相关性最高呈正相关,故此问可选取扭矩与使用时长作为预测指标。
针对问题二,首先对数据进行了可视化统计,使用箱线图对比了故障与非故障数据。然后建立了层次聚类法实现了对机械设备是否发生故障鉴别,得出温度,扭矩,使用时长为一类判别,转速为一类。最后使用了决策树较好解决了此问,其正确率达到了96.9%,然后使用网格调参法,得出决策树最佳参数。
针对问题三,首先将故障类别数据进行数字替换,然后构建了随机森林,得出测试集预测结果有92.2%正确率,除了在第5指标误差达到了20%,其它指标预测情况较好。且在重要性中使用时长在指标中最高。最后我们做出误差曲线,得出在决策树数目在26时误差为0.1。
针对问题四,我们使用前两问的决策树模型,对数据是否故障,与故障类别进行了预测,经过分析预测结果较好。
针对问题五,首先我们将故障数据提取出来,然后基于AHP层次分析进行求解,得到权重图。最后分析知TWF成因为使用时长,HDF成因与温度有关,PWF成因机器转速有关,OSF成因扭矩,使用时长,温度过高导致,RNF只有六列主要成因使用时长与其它因素。
关键词:灰色关联法 皮尔逊相关性 层次聚类 决策树 随机森林 AHP层次分析
二、问题假设
- 假设1:假设设备检测时除故障主要相关因素以外不受其他人为因素干扰
- 假设2:假设数据测量无误差
- 假设3:假设所测量的机器温度及厂房温度稳定
- 假设4:假设同等质量等级的机器出厂时数据差距不大
- 假设5:假设机器出厂时无劣质
三、符号说明
符号 | 说明 |
C | 数据完整率 |
灰色关联度 | |
D(0) | 距离矩阵 |
a | 属性 |
CR | 一致性指标 |
标准化 | |
ST | 训练集 |
- 本文思路
- 数据分析与预处理
题目所给数据较多,为了更好地利用所给数据,使建立的模型能够更好分析工业机械设备故障预测问题,在对问题进行正式求解之前,首先对数据进行一定的描述性统计和分析,并利用相应的数学方法进行了数据的预处理,这将有助于本问题模型的建立与求解。
附件train data所给数据较大有9000组,包括不同设备所处厂房的室温(单位为开尔文K),其工作时的机器温度(单位为开尔文K)、转速(单位为每分钟的旋转次数rpm)、扭矩(单位为牛米Nm)及机器运转时长(单位为分钟min)。除此之外,还提供了机械设备的统一规范代码、质量等级及在该企业中的机器编号,其中质量等级分为高、中、低(H\M\L)三个等级。对于机械设备的故障情况,数据提供了两列数据描述——“是否发生故障” 和“具体故障类别”。其中“是否发生故障”取值为 0/1,0 代表设备正常运转,1 代表设备发生故障;“具体故障类别”包含 6 种情况,分别是NORMAL、TWF、HDF、 PWF、OSF、RNF,其中,NORMAL代表设别正常运转(与是否发生故障”为 0 相对应),其余代码代表的是发生故障的类别,包含 5 种,其中TWF代表磨损故障,HDF代表散热故障,PWF代表电力故障,OSF代表过载故障,RNF代表其他故障。此外forecast数据也较多是要进行是否发生故障预测的数据。
5.1 数据完整性分析
在本模型中统计了各个变量的数据完整性,并用数据完整率表示,也就是第i个变量的数据完整性。其中无效数据包括缺失数据、不合理数据等。
那么由此定义可知,越大,那么变量i数据的完整性越高,越具有真实性,那么可研究性也越强。统计附件给出的指标的数据完整性,我们使用python进行了检测
5.1数据完整性统计
# | Column | Non-Null Count | Dtype |
0 | 机器编号 | 9000 non-null | int64 |
1 | 统一规范代码 | 9000 non-null | object |
2 | 机器质量等级 | 9000 non-null | object |
3 | 室温(K) | 9000 non-null | float64 |
4 | 室温(K).1 | 9000 non-null | float64 |
5 | 转速(rpm) | 9000 non-null | int64 |
6 | 扭矩(Nm) | 9000 non-null | float64 |
7 | 使用时长(min) | 9000 non-null | int64 |
8 | 是否发生故障 | 9000 non-null | int64 |
9 | 具体故障类别 | 9000 non-null | object |
5.2数据完整性统计
Column | Non-Null Count | Dtype |
机器编号 | 1000 non-null | int64 |
统一规范代码 | 1000 non-null | object |
机器质量等级 | 1000 non-null | object |
室温(K) | 1000 non-null | float64 |
室温(K).1 | 1000 non-null | float64 |
转速(rpm) | 1000 non-null | int64 |
扭矩(Nm) | 1000 non-null | float64 |
使用时长(min) | 1000 non-null | int64 |
完整率统计
表5.3部分指标完整率统计结果
指标 | 机器编号 | 规范代码 | 质量等级 | 室温 | 室温 | 转速 | 扭矩 | 使用时长 | 故障类别 |
完整率 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
由表5.1可知,附件给出的参数数据完整率=100%。因此在进行问题分析时,应充分利用这些数据。
5.2 数据处理
5.2.1 “冗余变量”分析
由于给定的数据均为必要数据,因此,不存在“冗余变量”。
5.2.2 数据异常值处理
通过仔细观察发现,题目所给数据合理且无缺失值,因此无需进行异常值处理。
5.3 数据描述性统计
题目所给数据较多且重要,且后面要对数据的规律进行分析,因此我们有必要对所有数据进行描述性统计。
5.4数据描述性统计 | ||||||||
N | 最小值 | 最大值 | 均值 | 标准 偏差 | 方差 | 偏度 | ||
统计 | 统计 | 统计 | 统计 | 统计 | 统计 | 统计 | 标准 错误 | |
室温(K) | 9000 | 295.7 | 304.5 | 300.275 | 1.8965 | 3.597 | 0.073 | 0.026 |
室温(K) | 9000 | 306.2 | 313.8 | 310.185 | 1.4184 | 2.012 | 0.022 | 0.026 |
转速(rpm) | 9000 | 1168 | 2886 | 1539.20 | 179.640 | 32270.547 | 1.969 | 0.026 |
扭矩(Nm) | 9000 | 3.8 | 76.6 | 39.985 | 10.0119 | 100.238 | 0.002 | 0.026 |
使用时长(min) | 9000 | 0 | 253 | 107.88 | 63.630 | 4048.763 | 0.026 | 0.026 |
图1指标频率统计
表1各指标频率统计
机器质量等级 | |||||
频率 | 百分比 | 有效百分比 | 累积百分比 | ||
有效 | H | 885 | 9.8 | 9.8 | 9.8 |
L | 5397 | 60.0 | 60.0 | 69.8 | |
M | 2718 | 30.2 | 30.2 | 100.0 |
是否发生故障 | |||||
频率 | 百分比 | 有效百分比 | 累积百分比 | ||
有效 | 0 | 8697 | 96.6 | 96.6 | 96.6 |
1 | 303 | 3.4 | 3.4 | 100.0 |
具体故障类别 | |||||
频率 | 百分比 | 有效百分比 | 累积百分比 | ||
有效 | HDF | 95 | 1.1 | 1.1 | 1.1 |
Normal | 8699 | 96.7 | 96.7 | 97.7 | |
OSF | 85 | 0.9 | 0.9 | 98.7 | |
PWF | 74 | 0.8 | 0.8 | 99.5 | |
RNF | 6 | 0.1 | 0.1 | 99.5 | |
TWF | 41 | 0.5 | 0.5 | 100.0 |
经过简单数据处理后得到最值与方差。我们观测知厂房的室温平均值为300.275(单位为开尔文K),其工作时的机器温度平均值310.185(单位为开尔文K)、转速平均值1539.20(单位为每分钟的旋转次数rpm)、扭矩平均值39.985(单位为牛米Nm)及机器运转时长平均值107.88.在进行数据频率检测中,质量等级中L占了百分比60。是否发生故障中正常占了96.6,故障占了3.4。其具体故障类别中故障中HDF与OSF故障类别占比较高的。
六、问题分析
4.1 问题一分析
问题一要求我们观察数据“train data.xlsx”,自主进行数据预处理,选择合适的指标用于机械设备故障的预测并说明原因进行分析。我们使用灰色关联度与相关性分析解答此题。首先我们对数据做了简单分析得到其众数与平均值等,也做了正态化检验使用QQ图。知道具有线性关系故相关性使用了皮尔逊相关性。基于灰色关联法与相关性研究,我们得出使用机械扭矩与时长指标对机械设备故障预测是较好的。
4.2 问题二分析
问题二要求我们设计开发模型用于判别机械设备是否发生故障,自主选取评价方式和评价指标评估模型表现。首先针对此问题我们进行了数据可视化,使用箱线图将故障与非故障做了对比。然后建立了基于层次聚类对机器故障问题进行了研究。最后基于决策树解决了问题二,得出正确百分比为96.9%,然后进行了参数寻优使用网格寻参法成功得出最优。
4.3 问题三分析
问题三要求我们设计开发模型用于判别机械设备发生故障的具体类别
(TWF/HDF/PWF/OSF/RNF),针对此问我们首先对数据进行了处理,提取出故障数据,并对故障类别数据做了数字化代替,构建随机森林模型判别机械设备发生故障具体类别,求出来的结果准确率达到了92.2%效果较好,且分析了其中指标对故障类别分类的重要性排名得出使用时长重要性最大结论,在最后做出误差曲线,分析知在决策树数目为26时误差最低。
4.4问题四分析
问题四要求我们“forecast.xlsx”中是否发生故障以及故障类别进行预测,我们调用决策树模型对此问进行了解答,预测结果较好。
4.5问题五分析
问题五要探究每类故障(TWF/HDF/PWF/OSF/RNF)的主要成因,首先我们将故障数据从数据“train data.xlsx”提取出来,接下来我们利用SPSSPRO分别对正常数据,五类故障数据(TWF/HDF/PWF/OSF/RNF)分别进行进行AHP层次分析,并将故障数据所求的结果与正常数据所求的结果进行比对,可得出每类故障的特征属性
七、模型的建立与求解
7.问题一模型建立与求解
数据预处理
本题主要探究机械设备各指标与是否故障相关性。故数据故障类别在此问中可剔除
使用贝叶斯统计方法对数据做了简单处理
表1贝叶斯统计
单样本平均值的后验分布特征 | ||||||
N | 后验 | 95% 置信区间 | ||||
众数 | 平均值 | 方差 | 下限 | 上限 | ||
室温(K) | 9000 | 300.275 | 300.275 | 0.000 | 300.236 | 300.314 |
室温(K) | 9000 | 310.185 | 310.185 | 0.000 | 310.156 | 310.214 |
转速(rpm) | 9000 | 1539.20 | 1539.20 | 3.587 | 1535.48 | 1542.91 |
扭矩(Nm) | 9000 | 39.985 | 39.985 | 0.011 | 39.778 | 40.192 |
使用时长(min) | 9000 | 107.88 | 107.88 | 0.450 | 106.57 | 109.20 |
我们知相关系数使用较多的有皮尔逊Person相关系数或斯皮尔曼Spearman相关系数,皮尔逊相关系数要求数据连续、正态分布且呈线性关系,斯皮尔曼相关系数的适用条件则更为广泛。首先进行数据的正态分布检验,正态分布检验方式有多种,如雅克-贝拉检验、Shapiro-wilk夏皮洛-威尔克检验、Q-Q图等,本次正态分布检验选用Q-Q图检验。
图1正态QQ检测
参数数据作图发现,有的参数的Q-Q图上的点在一条直线附近分布,如图所示,所以在下面相关性分析时可以采用皮尔逊相关系数进行相关性分析,也可以采用适应性更强的斯皮尔曼相关系数进行求解分析。
7.1 机械设备故障与其它指标相关性的研究
7.1.1 基于灰色关联分析法机械故障影响程度研究
7.1.2模型建立
灰色关联度简介[1]a)[1]
灰色系统理论(Grey Theory)是由华中科技大学的邓聚龙教授于上世纪 70
年代末、80 年代初期提出,已广泛应用于社会、经济、科技、农业、生态、生
物等各个领域。
灰色系统分析方法针对不同问题性质有几种不同做法,灰色关联度分析
(Grey Relational Analysis)是其中的一种。基本上灰色关联度分析是依据
各因素数列曲线形状的接近程度做发展态势的分析。
灰色系统理论提出了对各子系统进行灰色关联度分析的概念,意图透过
一定的方法,去寻求系统中各子系统(或因素)之间的数值关系。简言之,灰
色关联度分析的意义是指在系统发展过程中,如果两个因素变化的态势是一
致的,即同步变化程度较高,则可以认为两者关联较大;反之,则两者关联
度较小。因此,灰色关联度分析对于一个系统发展变化态势提供了量化的度
量,非常适合动态(Dynamic)的历程分析。
灰色关联度可分成“局部性灰色关联度”与“整体性灰色关联度”两
类。主要的差别在于局部性灰色关联度有一参考序列,而整体性灰色关联度
是任一序列均可为参考序列。
根据题目要求,我们用灰色关联分析法研究表面风化对颜色,类型,纹饰影响程度,并进行排序,得到表面风化变化的影响程度大小。
- Step1 对效益性指标进行标准化
其中为第i个指标第j次实验对应的数据。
对成本性指标进行标准化
其中 为第i个指第j次实验对应的数据。
- Step2 确定分析数列
首先求解出能反应系统应为特征的数据序列即参考序列,记为,然后求解参考序列与每一个序列的差
- Step3 计算子序列中各个指标与母序列的关联系数
定义灰色系数,即各指标的关联系数为:
其中a为两级最小差,b为两级最大差,&为分辨率(这里取为0.5)
- Step4计算灰色关联度,得出结论。
定义为灰色关联度,即将关联系数矩阵每列求均值
7.1.3模型求解
分析步骤
图2灰色关联法流程图
以是否故障作为“参考值"(母序列),研究5个评价项(转速、厂房温度,机器温度,扭矩,使用时长),并基于关联度提供分析参考,使用灰色关联度分析时,分辨系数取0.5,结合关联系数计算公式计算出关联系数值,并根据关联系数值,然后计算出关联度值用于评价判断。灰色关联分析法求解得到
图3关联度排名
表2关联度排名
评价项 | 关联度 | 排名 |
转速(rpm) | 0.478 | 5 |
室温(K) | 0.827 | 3 |
室温(K) | 0.822 | 4 |
扭矩(Nm) | 0.973 | 1 |
使用时长(min) | 0.927 | 2 |
如表与图所示,我们从总体上来说,扭矩与使用时长变化量的灰色关联度排名 1、2,说明是否故障与扭矩和机械使用时长有较大关系,转速的关联度小于0.5说明转速与是否故障相关性较低。查阅相关资料,可以佐证扭矩与时长较大时机械故障越容易发生。
7.1.2机械故障与各指标相关性分析
通过MATLAB SPSS进行求解,得出各参数变化率与是否机械故障间的相关系数。对于问题一选择合适的指标用于机械设备故障的预测较好解答。
表3相关性表
相关性a | ||||||||
机器质量等级 | 厂房室温 | 机器温度 | 转速 | 扭矩 | 使用时长 | 是否发生故障 | ||
机器质量等级 | 皮尔逊相关性 | 1 | -0.015 | -0.013 | -.003 | -.006 | -.003 | -.039 |
厂房室温 | 皮尔逊相关性 | -0.015 | 1 | 0.860 | .024 | -.018 | .020 | .080 |
机器温度 | 皮尔逊相关性 | -0.013 | 0.860 | 1 | .019 | -.016 | .016 | .033 |
转速 | 皮尔逊相关性 | -0.003 | 0.024 | 0.019 | 1 | -.875 | .004 | -.050 |
扭矩 | 皮尔逊相关性 | -0.006 | -0.018 | -0.016 | -.875 | 1 | -.007 | .194 |
使用时长 | 皮尔逊相关性 | -0.003 | 0.020 | 0.016 | .004 | -.007 | 1 | .107 |
是否发生故障 | 皮尔逊相关性 | -0.039 | 0.080 | 0.033 | -.050 | .194 | .107 | 1 |
图4相关性图
从表与图知,由图知颜色越深相关性越高,在是否发生故障中可知扭矩与是否发生故障相关性最高但相关性不是很高。使用时长相关性第二。是否发生故障与扭矩,使用时长,厂房室温,机械温度,相关性为正相关性,与转速,机器质量等级成反比。故可选择扭矩,使用时长指标用于机械设备故障的预测。因为其灰色关联度与相关性与是否发生故障最高。
7.2问题1小结
首先使用贝叶斯统计对数据做了简单处理得到众数、平均值等然后针对正态分析做出QQ图得出参数基本上在一条直线上,然后基于灰色关联法对机械故障影响指标做出分析。得到扭矩与使用时长与是否故障关联度排在第一与第二。最后将机械故障与各指标进行了相关性分析做出了相关性表与相关性热力图。得出在所有指标中扭矩与时长指标相关性最高,故对于问题一我们选取扭矩与使用时长作为此问题的答案。
8.1 问题二模型建立与求解
8.1.1数据处理
由第一问知在所有指标中扭矩与时长指标相关性最高。故在此问中我们选取扭矩与时长指标进行分析。此问需要解决判别机械设备是否发生故障我们对数据进行了箱线图分析。 在此图中故障与非故障扭矩与时长下边缘与上边缘基本接近,其时长指标中位数比较有差异,故可判别是否产生了故障,但显然不正确中位数并不能代表这组数特征。故我们使用决策树与层次聚类分类法进行研究。
8.1.2基于层次聚类分类法对机器故障分析推测
8.1.3模型建立
层次聚类法是聚类分析方法中使用最多的方法。其基本思想是:距离相近的样品(或变量)先聚为一类,距离远的后聚成类,此过程一直进行下去,每个样品总能聚到合适的类中。它包括如下步骤:
- 将每个样品独自聚成一类,构造n 个类。
- 根据所确定的样品距离公式,计算n 个样品(或变量)两两间的距离矩阵,记为 D(0) 。
- 把距离最近的两类归为一新类,其他样品仍各自聚为一类,共聚成n 1 类。
- 计算新类与当前各类的距离,将距离最近的两个类进一步聚成一类,共聚成n2类。以上步骤一直进行下去,最后将所有的样品聚成一类。
- 画聚类谱系图。
决定类的个数及各类包含的样品数,并对类做出解释。
层次聚类步骤
图8.2层次逐步步骤
8.1.4模型结果
本文采用类间距离的层次聚类算法可实现对用于判别机械设备是否发生故障,由上面的层次聚类知指标温度与扭矩,使用时长。转速作为故障分类标准。故在数据中可用其指标推测出是否故障。但此方法使用SPSS求解出并没给出准确率,故我们有使用决策树法。
8.1.2基于决策树法对机器故障分析推测
8.1.3模型建立
决策树( Decision Tree )又称为判定树,是运用于分类的一种树结构。其中的每个内部结点(internal node )代表对某个属性的一次测试,每条边代表一个测试结果,叶结点(leaf )代表某个类(class )或者类的分布(classdistribution ),最上面的结点是根结点。决策树分为分类树和回归树两 种,分类树对离散变量做决策树,回归树对连续变量做决策树。构造决策树是采用自上而下的递归构造方法。决策树构造的结果是一棵二叉或多叉树,它的输入是一组带有类别标记的训练数据。二叉树的内部结点(非叶结点)一般表示为一个逻辑判断,如形式为 (a = b) 的逻辑判断,其中 a 是属性, b 是该属性的某个属性值;树的边是逻辑判断的分支结果。多叉树( ID3 )的内部结点是属性,边是该属性的所有取值,有几个属性值,就有几条边。树的叶结点都是类别标记。
使用决策树进行分类分为两步:
第 1 步:利用训练集建立并精化一棵决策树,建立决策树模型。这个过程
实际上是一个从数据中获取知识,进行机器学习的过程。
第 2 步:利用生成完毕的决策树对输入数据进行分类。对输入的记录,从
根结点依次测试记录的属性值,直到到达某个叶结点,从而找到该记录所在的
类。
8.1.4模型求解
实测 | 预测 | ||
0 | 1 | 正确百分比 | |
0 | 8673 | 24 | 99.7% |
1 | 251 | 52 | 17.2% |
总体百分比 | 99.2% | 0.8% | 96.9% |
进行利用第一问扭矩与时长指标进行决策树模型如上图与上表,其正确百分比为96.9%准确率较好。结果有一定的误差,故我们进行寻找最佳参数确定最优。
8.2基于决策树模型的研究
我们在上文进行了箱线图的建立,较好观测到参数的变化,通过随机数的方式对模型准确性寻找最优,检测是否可靠,在其它变量都不变情况下改变其需要的参数,随机数上限为改指标最大值下限为最小值。选用多种模型最后做对比选择最优
Max_depth
由上图知决策树在深度为9时最佳得分为0.985
Min_samples_split
知内部节点所需最小样本数为5时,最佳准确度为0.9861111
Min_samples_leaf
最佳值为2,此时准确率达到了0.98666
由上可得我们确定因为max_depth在9附近,min_samples_split在5附近,min_samples_leaf在2附近是最优参数,所以我们分别在这个附近利用网格搜索得到最优参数。使用网格搜索得出最佳参数为{'max_depth':9,'min_samples_leaf': 5, 'min_samples_split': 2},此时准确率为0.986。
8.3问题二小结
首先我们对数据进行了预处理,做出了折线图对比观察了故障与非故障指标的差异,然后制作了箱线图将故障与非故障指标可视化对用于判别机械设备是否发生故障具有实际意义,再使用基于层次聚类分类对机器故障做了分析得到了聚类图发现了温度,扭矩,使用时长。转速作为故障分类标准。最后有使用了决策树使用扭矩与时长指标。做出决策树正确百分比96.9%具有一定误差,然后进行了参数寻优得到
9.1问题三模型建立与求解
9.1数据预处理
针对此问我们将数据中故障类型分为数字使用matlab编码解决,知其中,NORMAL代表设别正常运转(与是否发生故障”为 0 相对应)故分析此问我们将故障数据提取出来,对NORMAL不做分析了。
HDF | 1 |
OSF | 2 |
PWF | 3 |
RNF | 4 |
TWF | 5 |
9.2构建随机森林判别机械设备发生故障的具体类别
9.2.1模型建立
如果将神经网络比作连续函数,划分空间后,有多少个类别就有多少个条件划分,如左图,随机森林就是为分段函数,树节点更多,对样本判定条件更多,分得更细,能够在复杂数据中更好划分。
随机森林算法的训练过程简单来看分为采样和创建树结构两部分,采样方法Bagging算法:随机产生T个训练集S1、S2、 ST。随机选取样本组成训练集。决策树是一种经典的机器学习算法,简单直观,可解释性强。
本文进行随机算法原理
9.2.2模型求解
判别机械设备发生故障的具体类别我们使用随机森林算法,使用MATLAB结果如下。
首先我们使用数据train data将故障数据提取,使用随机森林做了分类上图为混淆矩阵,一类为训练集混淆矩阵,测试集混淆矩阵。在预测第5种其误差有21.4%,其它分类误差都在10%内,结果还行。
由上图知测试集的预测结果有92.2%的准确率,除了几个异常点,故此算法做出的预测具有可信度。
针对故障类别分类其中使用时长是正重要性,且在其它指标中占最高达到了3.5。扭矩,转速,机器温度,厂房温度重要性依次降低,其中温度中厂房温度重要性比机器用作时重要性高。
由误差曲线知在决策树数目26时误差达到了最低接近0.1。由此看模型较好。
9.3问题三小结
对于此问较为简单,我们首先进行了数据处理,将数据故障类别编为数字,在matlab中进行随机森林模型构建,模型做出对比发现较好。
10.1问题四模型建立与求解
10.2模型求解
此问利用任务 2 和任务 3 开发的模型预测“forecast.xlsx”中是否发生故障以及故障类别。问题二使用了决策树模型,问题三使用了随机森林。且得出结论准确率都较高的,故对此问进行解答
调用决策树进行预测
第一问预测
yu=pd.read_excel('forecast.xlsx') yu.head() yu2=yu.drop(['机器编号', '统一规范代码'],axis=1) yu2.head() yu3=pd.get_dummies(yu2,columns=['机器质量等级']) yu3.head() pickled_model = pickle.load(open('model.pkl', 'rb')) pre=pickled_model.predict(yu3) pre a = pd.DataFrame(pre,columns=['预测是否发生故障']) a yu3 con=pd.concat([yu2, a], axis=1) con.to_excel('预测1.xlsx') con |
结果如下
第二问预测
data2=yu.drop(['Unnamed: 0'],axis=1) # 原始预测数据 data2.head() data3=data2.drop(['预测是否发生故障'],axis=1) # 原始预测数据 data3.head() mapping = { 'H': 3, 'M': 2, 'L': 1 } data3['机器质量等级'] =data3['机器质量等级'].map(mapping) data3.head() pickled_model = pickle.load(open('lei.pkl', 'rb')) yu3=pickled_model.predict(data3) yu3 a = pd.DataFrame(yu3,columns=['故障类型']) a data2 con=pd.concat([data2, a], axis=1) con.to_excel('预测2.xlsx') con |
结果如下
问题四小结
此问使用以上两问模型进行了预测较好的预测出来,预测数据放在结果表格中
11.1问题五的模型建立与求解
我们首先将故障数据从数据“train data.xlsx”提取出来,接下来我们利用SPSSPRO对正常数据进行AHP层次分析,在进行AHP层次分析法计算权重时,需要进行一致性检验分析,用于研究评价权重计算结果的一致性检验结果 , 即计算一致性指标CR值(CR=CI/RI).首先需要构建判断矩阵,如下
AHP层次分析判断矩阵 | |||||||
平均值 | 项 | 机器质量等级 | 厂房温度 | 机器温度 | 转速 | 使用时长 | 扭矩 |
1.510 | 机器质量等级 | 1 | 0.005 | 0.005 | 0.001 | 0.013 | 0.039 |
296.520 | 厂房温度 | 196.371 | 1 | 0.964 | 0.191 | 2.612 | 7.670 |
307.492 | 机器温度 | 203.637 | 1.037 | 1 | 0.198 | 2.709 | 7.953 |
1550.030 | 转速 | 1026.510 | 5.227 | 5.041 | 1 | 13.654 | 40.092 |
113.520 | 使用时长 | 75.179 | 0.383 | 0.369 | 0.073 | 1 | 2.936 |
38.662 | 扭矩 | 25.604 | 0.130 | 0.126 | 0.025 | 0.341 | 1 |
AHP层次分析结果 | ||||
项 | 特征向量 | 权重值 | 最大特征值 | CI值 |
机器质量等级 | 0.004 | 0.065% | 6.000 | 0.000 |
厂房温度 | 0.771 | 12.849% | ||
机器温度 | 0.799 | 13.324% | ||
转速 | 4.030 | 67.167% | ||
使用时长 | 0.295 | 4.919% | ||
扭矩 | 0.101 | 1.675% |
从上表可知,针对机器质量等级,厂房温度,机器温度,转速,使用时长,扭矩总共6项构建6阶判断矩阵进行AHP层次法研究(计算方法为:和积法),分析得到特征向量为(0.004,0.771,0.799,4.030,0.295,0.101),并且总共6项对应的权重值分别是:0.065%,12.849%,13.324%,67.167%,4.919%,1.675%。除此之外,结合特征向量可计算出最大特征根(6.000),接着利用最大特征根值计算得到CI值(0.000)
接下来我们计算RI值,得到下表
随机一致性RI表格 | ||||||||||||||
n 阶 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 |
RI值 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 | 1.52 | 1.54 | 1.56 | 1.58 | 1.59 | 1.5943 |
n 阶 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 |
RI值 | 1.6064 | 1.6133 | 1.6207 | 1.6292 | 1.6358 | 1.6403 | 1.6462 | 1.6497 | 1.6556 | 1.6587 | 1.6631 | 1.6670 | 1.6693 | 1.6724 |
本次研究构建出6阶判断矩阵,对应着上表可以查询得到随机一致性RI值为1.260
一致性检验结果汇总 | ||||
最大特征根 | CI值 | RI值 | CR值 | 一致性检验结果 |
6.000 | 0.000 | 1.260 | 0.000 | 通过 |
本次针对6阶判断矩阵计算得到CI值为0.000,针对RI值查表为1.260,因此计算得到CR值为0.000<0.1,意味着本次研究判断矩阵满足一致性检验,计算所得权重具有一致性。
得到权重图如下
接下来我们分别对五类故障机器数据分别进行AHP层次分析,得出权重图依次如下
磨损故障(TWF)
散热故障(HDF)
电力故障(PWF)
过载故障(OSF)
其他故障(RNF)
将五类故障机器的权重图与正常机器的权重图做对比可知
(1)磨损故障(TWF)的主要成因是使用时间过长,接近为正常机器的两倍
(2)散热故障(HDF)的主要成因是厂房温度及机器温度过高,且扭矩过高导致
(3)电力故障(PWF)的主要成因是机器转速过高导致
(4)过载故障(OSF)的主要成因是使用时间较长,厂房温度、机器温度、扭矩等均过高而导致
(5)出现其他故障(RNF)的机器只有六例,出现几率较小,其主要成因为使用时长过长及一些其他因素造成
11.2问题五小结
我们使用SPSSpro对数据进行了AHP层次分析。首先进行了一致性检验分析,得出权值与最大特征根,接下来计算出了PI值然后依次得出权重值磨损故障(TWF)的主要成因是使用时间过长,接近为正常机器的两倍,散热故障(HDF)的主要成因是厂房温度及机器温度过高,且扭矩过高导致,电力故障(PWF)的主要成因是机器转速过高导致,过载故障(OSF)的主要成因是使用时间较长,厂房温度、机器温度、扭矩等均过高而导致,出现其他故障(RNF)的机器只有六例,出现几率较小,其主要成因为使用时长过长及一些其他因素造成。
八、模型的评价
8.1 模型的优点
- 本文主要使用灰色关联度与相关性分析,决策树算法和AHP层次分析法,不需要很复杂的计算,需要准备的数据量少,并能够处理多目标、多准则、多要素、多层次的非结构化的复杂问题。
- 通过模型分析,明确发展趋势,需要的数据不太多。根据其高度一致的关联分析,趋势和走向不易偏离轨道,结果比较准确。
7.2 模型的缺点
- 灰色关联分析法存在一定局限性,它主要分析两个因素变化态势是否一致的情况。它的数据为了求最优值,一般取平均值,有些时候会以偏概全。
- 决策树的结果有可能不稳定,因为在数据中一个很小的变化可能导致生成一个完全不同的树,这个问题可以通过使用集成决策树来解决。
九、模型的推广与改进
9.1 模型的推广
(1)模型的建立较为全面,处理的数据流程十分清晰,计算简便,结果可靠,有较强的稳定性与准确性。