基于单类支持向量机的滚动轴承异常检测方法(NASA-IMS轴承数据,Python)

185 篇文章 1 订阅
126 篇文章 47 订阅
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import svm
from tqdm import tqdm
df_stats_Ch1_test2 = pd.read_csv("estadisticos_test2_ch1.csv" , sep = ',')
X_Ch1 = df_stats_Ch1_test2[['Min', 'Max', 'Kurt', 'ImpFactor', 'RMS', 'MargFactor', 'Skewness',
               'ShapeFactor', 'PeakToPeak', 'CrestFactor']].values
X_primerCuarto = X_Ch1[:int(len(X_Ch1)/4)]
X_train = X_primerCuarto
clf = svm.OneClassSVM(kernel="rbf", gamma = 0.01, tol=1e-15, nu=1e-15)
clf.fit(X_train)
OneClassSVM(gamma=0.01, nu=1e-15, tol=1e-15)
clf.predict(X_train)
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1], dtype=int64)
X_test = X_Ch1[int(len(X_Ch1)/4):]
y_pred = clf.predict(X_test)
y_pred_complete = clf.predict(X_Ch1)
comienzo_1hora_anomalias = 'NA'
for i in range(len(y_pred)):
    if (y_pred[i:i+6] == -1).all():
        comienzo_1hora_anomalias = i + len(X_train)
        break
n_signal = list(range(len(X_Ch1)))
fig, ax = plt.subplots(5, 2)
fig.set_size_inches(20, 15)
i = 0
j = 0
for stat in df_stats_Ch1_test2.columns:
    ax[i,j].plot(n_signal, df_stats_Ch1_test2[stat])
    ax[i,j].set_title(stat)
    ax[i,j].axvline(comienzo_1hora_anomalias, color = 'red')
    if (i <= 4):
        i += 1
    if (i > 4):
        i = 0
        j += 1

colores = ["#00cc44", "#f73e05"]
kurtosis = df_stats_Ch1_test2['Kurt']
n_signal = list(range(len(kurtosis)))
n_signal = np.array(n_signal)
pred_OCSVM_1hora_anomalias = [0] * comienzo_1hora_anomalias + [1] * (len(X_Ch1) - comienzo_1hora_anomalias)
x = np.arange(-10, len(df_stats_Ch1_test2)+10, 0.02)
plt.figure(figsize=(10,6))
plt.scatter(n_signal, kurtosis, c = np.take(colores, pred_OCSVM_1hora_anomalias))
plt.axvline(comienzo_1hora_anomalias, color = 'r', label = 'Beginning of anomalies')
plt.fill_between(x, min(kurtosis)-0.5, max(kurtosis)+1, where = x < comienzo_1hora_anomalias, 
                         facecolor = 'green', alpha = 0.2, label = 'Normal')
plt.fill_between(x, min(kurtosis)-0.5, max(kurtosis)+1, where =  x > comienzo_1hora_anomalias, 
                         facecolor = 'red', alpha = 0.5, label = 'Anomalies ')
plt.title('Kurtosis - Ch1 test2')
plt.xlabel('Signal')
plt.ylabel('Kurtosis')
plt.legend(loc = 2)

print('Comienzo de anomalías cuando se producen durante una hora')
知乎学术咨询:
https://www.zhihu.com/consult/people/792359672131756032?isMe=1
print('OCSVM:', (len(df_stats_Ch1_test2) - comienzo_1hora_anomalias) * 10, ' minutos')

Comienzo de anomalías cuando se producen durante una hora
OCSVM: 3760 minutos

工学博士,担任《Mechanical System and Signal Processing》《中国电机工程学报》《控制与决策》等期刊审稿专家,擅长领域:现代信号处理,机器学习,深度学习,数字孪生,时间序列分析,设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

哥廷根数学学派

码字不易,且行且珍惜

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值