4. 润滑油压温度趋势数据清洗与基线建立

为什么先清洗再建基线

圆锥破润滑系统的油压、油温原始趋势里混着三类“脏数据”：停机段（油泵停转，油压归零、油温缓慢下降）、启停瞬态（油压冲高、油温滞后上升）、以及传感器毛刺或单点跳变。若直接对全量数据求均值与分位数，基线会被停机段拉低、被瞬态拉宽，后续异常识别就会漏报或误报。本例的任务是：把多源数据对齐到统一时间轴，剔除无效点，按工况分段，只在“稳定正常运行”段上统计油压与油温的基线区间。

数据对象与对齐口径

假设已有 1 分钟粒度的历史记录，字段包括：ts（时间戳）、p_oil（润滑油压，MPa）、t_oil（油温，℃）、t_amb（环境温度，℃）、load（主电机电流占额定百分比，%）、pump_on（油泵运行信号 0/1）。

• 时间对齐：以 1 分钟为基准栅格，各测点按最近时间戳重采样；同一分钟内多条记录取中位数，避免单点毛刺污染对齐结果。
• 工况判定：pump_on=1 且 load≥40% 且连续稳定 ≥10 分钟，记为“稳定运行段”；pump_on=0 为停机段；其余为过渡段。
• 异常点剔除：对稳定段内的油压、油温分别做滑动中位数偏差检验，偏差超过 3 倍稳健标准差（MAD 换算）判为离群点并剔除；同时剔除物理越界值（油压 ≤0 或 >0.6 MPa，油温 <20℃ 或 >75℃）。
• 基线统计：仅用清洗后的稳定段样本，取 P5~P95 作为正常区间，中位数作为基线中心；并按环境温度分档（<10℃、10~30℃、>30℃）分别统计，减少季节影响。

可执行的数据清洗与基线脚本

下面用 pandas 完成对齐、分段、剔除与基线统计。输入为一份 CSV（列名与上文一致），输出每个环境温度档的油压、油温基线区间，可直接作为后续异常识别的参照表。

import pandas as pd
import numpy as np

df = pd.read_csv("lube_history.csv", parse_dates=["ts"])
df = df.sort_values("ts").set_index("ts")

# 1) 1 min 栅格对齐，同分钟取中位数
grid = df.resample("1min").median(numeric_only=True)

# 2) 工况分段
pump = grid["pump_on"].fillna(0)
load = grid["load"]
stable = (pump == 1) & (load >= 40)
# 连续稳定 ≥10 min：滚动窗口内全为 True
stable_run = stable.rolling(10, min_periods=10).sum() == 10
grid["seg"] = np.where(pump == 0, "stop",
                np.where(stable_run, "stable", "transit"))

# 3) 稳定段内离群点剔除（稳健 MAD）
def mad_mask(s, k=3.0):
    med = s.rolling(31, center=True, min_periods=5).median()
    mad = (s - med).abs().rolling(31, center=True, min_periods=5).median()
    scale = 1.4826 * mad
    return (s - med).abs() > k * scale.replace(0, np.nan)

for col, lo, hi in [("p_oil", 0.0, 0.6), ("t_oil", 20.0, 75.0)]:
    bad = mad_mask(grid[col]) | (grid[col] <= lo) | (grid[col] > hi)
    grid.loc[bad, col] = np.nan

# 4) 环境温度分档 + 基线统计
grid["amb_bin"] = pd.cut(grid["t_amb"], [-50, 10, 30, 80],
                         labels=["<10", "10-30", ">30"])
base = (grid[grid["seg"] == "stable"]
        .groupby("amb_bin", observed=True)
        .agg(p_med=("p_oil", "median"),
             p_lo=("p_oil", lambda x: x.quantile(0.05)),
             p_hi=("p_oil", lambda x: x.quantile(0.95)),
             t_med=("t_oil", "median"),
             t_lo=("t_oil", lambda x: x.quantile(0.05)),
             t_hi=("t_oil", lambda x: x.quantile(0.95))))
print(base.round(2))
base.to_csv("lube_baseline.csv")

结果判读与使用约束

• 先看样本占比：若稳定段有效样本不足总时长的 40%，说明历史数据中停机或过渡过多，基线代表性不足，应延长取数窗口或补充数据。
• 看分档差异：若 >30℃ 档油温 P95 明显高于 10~30℃ 档（示例中约高 7℃），说明环境温度影响显著，必须分档使用，不能用一个全局区间。
• 看区间宽度：油压 P5~P95 跨度若超过 0.10 MPa，提示系统压力波动偏大，应回到泵出口压力、过滤器压差等测点复核，而不是直接放宽基线。
• 基线是“参照”不是“报警阈值”：后续异常识别应结合持续时间（如连续 5 min 越界）与负荷工况共同判断，避免单点越界误报。