家用电器实时检测与数据分析.doc

家用电器实时检测与数据分析 随着科学技术的发展，电力系统自动化的程度越来越高，对 安全运行的要求也越来越高，设备运行状态的监测因此受到了前所未 有的重视。在这种情况下，传统的故障诊断技术己经不能满足现阶段 的要求，一旦电器发生故障将会造成巨大的经济损失和人员伤亡。对 于家用电器来说，故障的维护和诊断也是日益趋于复杂化。于是，如 何让对家用电器进行有效的实时监测与判别就成为Y—个重要课题。 在这个前提下，如果能够达成目标，将不仅仅能够做到保护用户的生 命安全，同时能够加强品牌的售后服务口碑，进一步提高品牌的公信 力，从而减轻了企业在其他方面的压力。于是，我们借助某匿名电器 商的一款家用电器的数据，运用SPSS和matlab使用多元线性回归的 办法对其进行建模，从而得到能够实时监测家用电器而达成我们目标 的办法。 和著作权归原 所有， 己 关键词家用电器；商业价值；多元线性回归；相关性分析 TM9 A 2095-6363 (2017) 11-0018-02 首先，电器在复杂的工作环境中，会受到不同的温度、湿度、高 压强以及异常人为影响因素的影响，我们的传感器也容易在这种情况 下产生异常数据。我们可以选用简单易行的SPSS软件对数据进行极端 值和异常值的批景处理。在此之前，还可以在测景数据的环境中排除 上述干扰来减轻工作量。 其次，根据在环境1和2中的不同数据，以及它们表现出来的故 障与无故障结果，分别使用SPSS进行数据的相关性分析来得到他们对 故障判别的重要程度。同时，我们继续对数据使用SPSS和matlab进 行多元线性回归从而根据相关系数得到初步模型，随后对环境A与B 里的数据进行检验来基本确定模型的正确性。 同时，我们不成熟的模型或多或少会出现误判的情况。因此，在 失误肯定会有一定几率发生的情况下，将故障判断为正常的错误，因 此，当出现模型无法判断出此电器为故障或正常的摇摆数据时，我们 将嵌入相关的影响因子将此电器判定为故障，从而减少危险事件的发 生。 最后，对于不太成熟的模型，由于受到控制器计算能力的限制不 太容易直接投入应用，我们决定采用指令cache和数据cache分离的 方法对模型进行优化从而显著降低了模型的计算复杂度，使得模型向 解决实际问题的终点更近Y—步。 1模型的建立与求解 1.1异常数据的解决 为了解决首要的问题，同时为后续建模工作打下坚实的基础，我 们决定使用SPSS来进行剔除异常数据的工作。首先，我们进行替换变 量，因为文字SPSS无法识别，然后再整理排序表格，然后通过“分析” 下“描述统计“下“频率”的”绘制频率表格，看图找频数出现最少 的值和极大极小值，就可能是异常值。在这种模式下，我们对不同环 境中的所存数据都进行了异常数据的剔除。于是在以后的建模过程中， 我们不再会受到异常数据的干扰。在解决了异常数据对建模分析的影 响之后，以及在我们问题假设的前提条件下，我们可以基本确保在今 后的过程中不会再有异常数据的出现，从而避免了该因素对参数之间 分析的影响，并且使得模型的准确性更高。 1.2相?P性分析 我们在spss中输入数据以及分析，步骤1:我们生成变量，首先， 打开spss，之后点击variable view标签，再进行spss中生成97个 变量同时删除没有数据的变量，将字符串数据变为int数据。步骤2: 输入数据，将文件导入SPSS。步骤3:分析数据，在系数表格中观察 显著性这一栏，其中＜0.05的说明其与结果存相 关性。 23参数24参数25参数26参数27参数28参数29参数30参 数31参数32参数33参数34参数35参数36参数37参数38参 数39参数40参数41参数42参数43参数44参数45参数46参 数47参数48参数49参数50 参数51参数52参数53参数54参数55参数56参数57参数 58参数59参数60参数61参数62参数63参数64参数70参数 71参数72参数73参数74参数75参数76参数77参数78参数 79参数80参数81参数82参数83参数84参数85参数86参数 87参数88参数89参数90参数91参数92参数93参数94参数 95参数96。 1.3判别秉要程度以及模型的建立 根据系数表中B建立多元线性回归函数，如此一来可以预测故障 与否来得到了新的模型，并经过检验后可以很好的吻合附件二中的数 据。 Y=18123.432-317. 641x1-1. 847x2+10. 149x3-0. 256x4-0. 514x5-0. 751 x6-3.017x7-56.779x9+29.657x10-112.526x11-910. 814x43+608. 334x 72+1055.327x72-1055.327x73-313.793x77+1