4. 数据预处理与特征工程
在设备剩余寿命（RUL）预测工程中，原始传感器数据往往来自振动、电流、温度、压力等多源通道，采样频率高、噪声大、量纲不一，且存在缺失与异常。若直接送入模型，模型会把大量精力浪费在噪声和量纲差异上，导致预测精度下降、泛化能力变差。因此，数据预处理与特征工程是RUL预测流程中决定上限的关键环节。本节围绕清洗、去噪、归一化以及时域、频域、时频域特征提取方法展开，并给出可落地的工程做法。
一、核心原理：从原始信号到可学习表征
RUL预测的本质是建立“退化状态—剩余寿命”的映射。原始信号本身并不直接表达退化程度，需要经过三个层次的转换：第一层是数据质量治理，包括缺失值处理、异常点剔除、重复采样对齐；第二层是噪声抑制，通过滤波或分解方法提升信噪比；第三层是特征构造，把一维时序转换为能够表征退化趋势的统计量、频谱能量或时频图谱。特征的质量直接决定模型能否捕捉到早期微弱退化。
二、方法流程：清洗、去噪、归一化、特征提取
工程上通常按以下顺序执行，避免顺序颠倒造成信息泄漏或趋势破坏。
- 数据清洗：检查时间戳连续性，处理缺失值。短缺口用线性插值或前向填充；长缺口应标记为无效段，避免插值伪造退化信息。异常点可用3σ准则、IQR或中位数绝对偏差（MAD）识别，结合设备物理阈值二次确认。
- 去噪：对振动信号常用低通滤波、小波阈值去噪、经验模态分解（EMD）或变分模态分解（VMD）。去噪强度要适中，过度去噪会抹掉早期冲击成分。
- 归一化：消除量纲差异。常用Z-score标准化和Min-Max归一化。注意归一化参数必须只用训练集统计量，再应用到验证集和测试集，防止数据泄漏。
- 特征提取：按窗口切分后提取时域、频域、时频域特征，形成特征矩阵。
# 典型预处理与特征提取流程（伪代码）
raw = load_sensor_data(unit_id)
clean = handle_missing(raw, method="linear", max_gap=5)
denoised = wavelet_denoise(clean, wavelet="db4", level=3)
train_stat = fit_scaler(denoised[train_idx]) # 仅用训练集拟合
norm = transform_scaler(denoised, train_stat)
windows = sliding_window(norm, size=1024, step=256)
features = extract_time_freq_features(windows)
三、时域、频域、时频域特征提取方法
时域特征计算简单、物理意义明确，适合捕捉幅值变化和冲击。常用指标包括均值、方差、均方根（RMS）、峰值、峰峰值、偏度、峭度、波形因子、裕度因子等。其中RMS和峭度对早期退化较敏感，常作为健康指标。
频域特征通过FFT将信号转换到频率轴，提取频谱重心、频率方差、主频幅值、谐波能量比、边频带能量等。旋转机械的故障往往在特定频率及其倍频处体现，因此频域特征对轴承、齿轮退化非常有效。
时频域特征兼顾时间与频率局部信息，适合非平稳信号。常用方法包括短时傅里叶变换（STFT）、小波变换（CWT/DWT）、希尔伯特-黄变换（HHT）和Wigner-Ville分布。工程中常把时频图作为二维输入送入CNN，或从小波包节点能量中提取统计量作为表格特征。
| 特征域 | 典型特征 | 适用场景 | 注意事项 |
|---|---|---|---|
| 时域 | RMS、峭度、峰值、偏度 | 冲击、幅值趋势 | 对转速波动敏感 |
| 频域 | 频谱重心、主频幅值、谐波能量 | 旋转机械故障频率 | 需稳定采样率 |
| 时频域 | 小波包能量、STFT谱图 | 非平稳、变工况 | 计算量大，需降维 |
四、案例场景：轴承RUL预测中的特征工程
以NASA IMS轴承数据集为例，原始振动信号采样率20kHz，包含正常、内圈故障、外圈故障等阶段。工程做法是：先按1秒窗口切分，对每个窗口做db4小波3层去噪；再提取时域RMS、峭度，频域主频幅值，以及小波包第3层各节点能量共约20维特征；最后用Z-score标准化并按训练集拟合。实验表明，加入时频域能量特征后，RUL预测的RMSE可下降约15%~25%，尤其在退化早期效果明显。
五、常见误区与复盘
- 先归一化后划分数据集：导致验证集信息泄漏，评估结果虚高。正确做法是先划分，再仅用训练集拟合归一化参数。
- 过度去噪：把早期微弱冲击当成噪声滤除，反而丢失关键退化信息。应保留一定高频成分。
- 忽略工况差异：不同转速、负载下同一特征量纲不同，需按工况分层归一化或引入工况标签。
- 只做时域特征：对非平稳退化过程表达能力不足，应结合频域和时频域。
- 窗口长度随意设定：窗口过短统计不稳定，过长则时间分辨率下降。应结合故障特征频率和采样率确定。
综上，数据预处理与特征工程不是一次性动作，而是需要与设备机理、工况条件和模型结构反复迭代的工程过程。清洗保证数据可信，去噪保留退化信息，归一化统一量纲，时域、频域、时频域特征从不同角度刻画退化状态。只有把这条链路做扎实，后续的RUL模型才能稳定输出可信的剩余寿命预测。