1. 工业数据建模与故障诊断概述
工业现场每天都在产生海量数据：温度、压力、流量、振动、电流、转速、阀位、报警记录、检修工单……这些数据看似杂乱，实际上共同描述着同一件事——设备与工艺过程当前处于什么状态。工业数据建模与故障诊断的核心任务，就是从这些可观测的数据中提取规律，建立能够描述“正常”与“异常”的模型，并在异常发生时尽早给出判断与定位。本章作为全课程的开篇，先建立对数据类型、故障诊断基本概念、MATLAB角色以及课程项目背景的整体认识，为后续的信号处理、特征提取、建模与诊断算法打下框架。
一、工业场景中的数据类型
工业数据按采集方式与物理含义，通常可分为几类，理解它们的差异直接决定后续建模方法的选择。
- 连续过程量：温度、压力、流量、液位、转速等，采样周期常为 0.1～10 s，数值连续变化，适合做趋势建模、统计过程控制与回归预测。
- 高速振动/声发射信号：加速度、速度、位移，采样率常为 1～50 kHz，用于轴承、齿轮、转子故障的频谱与包络分析。
- 离散状态量与开关量：阀门开/关、电机启/停、联锁状态，取值有限，适合做状态机建模与逻辑诊断。
- 事件与文本类数据：报警日志、DCS 操作记录、检修工单，带有时间戳与语义信息，用于故障追溯与知识沉淀。
- 标签与工况信息：设备编号、批次、负荷档位、环境条件，是建模时的分组变量与解释变量。
这些数据在时间尺度、量纲、噪声水平上差异很大。例如同一台离心泵，出口压力是秒级慢变量，而轴承振动是微秒级快变量；若把两者直接拼成一张表而不做重采样与对齐，模型很容易被时间错位误导。因此工业建模的第一步往往不是选算法，而是明确“用哪类数据、在什么时间尺度上、回答什么问题”。
二、故障诊断的基本概念
故障诊断通常包含三个层次：故障检测（判断是否异常）、故障隔离（判断哪个部件或变量异常）、故障辨识（估计故障类型与严重程度）。三者难度递增，工程上常先做到检测，再逐步推进到隔离与辨识。
从数据角度看，故障表现为正常模式的偏离。偏离可能体现为均值漂移、方差增大、频谱出现新峰、变量间相关性改变、状态切换时序异常等。诊断方法大致分为三类：
- 基于机理模型：用物理方程（质量、能量、动力学）建立残差，残差超限即报警。可解释性强，但建模成本高。
- 基于数据驱动：用 PCA、PLS、SVM、随机森林、神经网络等从历史数据学习正常/异常边界。适合机理复杂、数据充足的场景。
- 基于知识规则：用专家经验、故障树、报警关联规则做推理。适合样本稀缺但经验丰富的设备。
实际工程中三者常混合使用。例如先用 PCA 的 T² 与 SPE 统计量做无监督检测，再用贡献图定位异常变量，最后结合检修记录确认故障类型。
三、MATLAB 在工业数据分析中的角色
MATLAB 在本课程中承担“数据—特征—模型—验证”全链路的实验平台角色，具体体现在：
- 数据接入与清洗：readtable、timetable、fillmissing、synchronize 处理时间对齐与缺失值。
- 信号处理：fft、pwelch、bandpass、envelope 提取振动与过程信号的频域、包络特征。
- 特征工程：时域统计量（RMS、峭度、峰峰值）、频域指标、时频特征统一组织为特征表。
- 建模与诊断：fitcsvm、TreeBagger、pca、nnd 等实现分类、回归、降维与异常检测。
- 验证与部署：交叉验证、混淆矩阵、残差分析，并可通过 MATLAB Coder 或 Simulink 向工程系统迁移。
需要强调的是，MATLAB 是工具而非答案。同一组数据，特征选错、标签定义不清、训练/测试划分不合理，再好的算法也会给出误导性结果。因此本课程会反复强调数据理解与验证设计。
四、课程项目背景
本课程以一个典型的工业旋转设备监测场景为主线：某化工厂关键离心泵机组，配有出口压力、流量、电机电流、轴承振动（驱动端/非驱动端）等测点，采样数据按天归档，并附带历史检修与报警记录。项目目标是：基于正常运行数据建立基线模型，对后续数据实现异常检测，并尝试区分“轴承磨损”“不平衡”“汽蚀”等典型故障模式。
示例数据规模可设为：连续过程量 1 Hz，振动信号 10 kHz，单次采集 10 s；正常样本约 200 段，故障样本每类 30～50 段。这些数值属于教学示例设定，用于说明建模流程与参数选择，并非现场实测结果。后续章节将围绕该场景逐步展开：从数据导入与预处理，到特征提取、模型训练、阈值设定与诊断结果评估。
五、从概念到工程的关键认识
工业故障诊断与实验室分类任务有本质区别：现场正常样本远多于故障样本，故障标签往往不完整，工况会随季节、负荷、原料变化而漂移。因此建模时不能只追求测试集准确率，还要关注误报率、漏报代价、模型可解释性与维护成本。一个在历史数据上准确率 99% 的模型，如果每天误报十次，现场很快就会将其关闭。