机械设备故障预测（Python代码实现） |
您所在的位置：网站首页 › python评估模型代码 › 机械设备故障预测（Python代码实现） |
机械设备故障预测（Python代码实现）
|
目录 1 简介 2 需要解决的问题 3 Python代码实现
制造业是国民经济的主体，近十年来，嫦娥探月、祝融探火、北斗组网，一大批重大标志性创新成果引领中国制造业不断攀上新高度。作为制造业的核心，机械设备在工业生产的各个环节都扮演着不可或缺的重要角色。但是，在机械设备运转过程中会产生不可避免的磨损、老化等问题，随着损耗的增加，会导致各种故障的发生，影响生产质量和效率。 实际生产中，若能根据机械设备的使用情况，提前预测潜在的故障风险，精准地进行检修维护，维持机械设备稳定运转，不但能够确保整体工业环境运行具备稳定性，也能切实帮助企业提高经济效益。 某企业机械设备的使用情况及故障发生情况数据见“train data.xlsx”，用于设备故障预测及故障主要相关因素的探究。数据包含 9000 行，每一行数据记录了机械设备对应的运转及故障发生情况记录。因机械设备在使用环境以及工作强度上存在较大差异，其所需的维护频率和检修问题也通常有所不同。 数据提供了实际生产中常见的机械设备使用环境和工作强度等指标，包含不同设备所处厂房的室温（单位为开尔文K），其工作时的机器温度（单位为开尔文K）、转速（单位为每分钟的旋转次数rpm）、扭矩（单位为牛米Nm）及机器运转时长（单位为分钟min）。除此之外，还提供了机械设备的统一规范代码、质量等级及在该企业中的机器编号，其中质量等级分为高、中、低（H\M\L）三个等级。对于机械设备的故障情况，数据提供了两列数据描述——“是否发生故障” 和“具体故障类别”。其中“是否发生故障”取值为 0/1，0 代表设备正常运转，1 代 表设备发生故障；“具体故障类别”包含 6 种情况，分别是NORMAL、TWF、HDF、PWF、OSF、RNF，其中，NORMAL代表设别正常运转（与是否发生故障”为 0相对应），其余代码代表的是发生故障的类别，包含 5 种，其中TWF代表磨损故障，HDF代表散热故障，PWF代表电力故障，OSF代表过载故障，RNF代表其他故障。 2 需要解决的问题基于赛题提供的数据，自主查阅资料，选择合适的方法完成如下任务： 任务 1：观察数据“train data.xlsx”，自主进行数据预处理，选择合适的指标用于机械设备故障的预测并说明原因。 任务 2：设计开发模型用于判别机械设备是否发生故障，自主选取评价方式和评价指标评估模型表现。 3 Python代码实现 '''~~~~~~~~~~~~~~~~~~任务1~~~~~~~~~~~~~~~~~''' '''1 读取数据''' import pandas as pd shuju=pd.read_excel('train_data.xlsx') print(shuju.head(10)) #======查看数据基本信息=============== print(shuju.info()) #看起来是没有缺失值的，再用isnull来查看一下是否又缺失值： print(shuju.isnull().sum()) #查看数据有哪些特征： print(shuju.columns) shuju2=shuju.drop(['机器编号', '统一规范代码','具体故障类别'],axis=1) print(shuju2.head()) '''2 数据预处理''' #(1)机器质量等级，这个特征属于离散变量而且是字符型，所以需要进行编码处理。先查看这一列有多少等级： print(shuju2['机器质量等级'].unique()) #unique()：返回参数数组中所有不同的值，并按照从小到大排序 #通过映射的方式对它们进行编码： mapping = { 'L': 3, 'M': 2, 'H': 1} shuju2['机器质量等级'] =shuju2['机器质量等级'].map(mapping) print(shuju2.head()) '''~~~~~~~~~~~~~~~~~~任务2~~~~~~~~~~~~~~~~~~~~~~~~~~~''' #建议使用独热编码，独热编码很适合用来解决类别型数据的离散值问题。 shuju3=pd.get_dummies(shuju2,columns=['机器质量等级']) print(shuju3.head()) #====(2)查看类的分布,解决不平衡问题=========== df1=shuju3['是否发生故障'].value_counts() print(df1) #可以看出有明显的类不平衡问题，等会需要解决它 #===（3）提取自变量和因变量：======== X = shuju3.drop('是否发生故障',axis=1)# 特征 y = shuju3['是否发生故障'] # 目标变量 print(X) #执行欠采样技术，解决类不平衡的问题： # 欠采样 from collections import Counter from imblearn.under_sampling import ClusterCentroids cc = ClusterCentroids(random_state=2022) X_resampled, y_resampled = cc.fit_resample(X, y) print(sorted(Counter(y_resampled).items())) #=====（4）分割数据：===== from sklearn.model_selection import train_test_split X_train,X_test,y_train,y_test=train_test_split(X_resampled,y_resampled,test_size=0.2,random_state=100) #=====（5）使用逻辑回归模型预测======= # 导入模型 from sklearn.linear_model import LogisticRegression # 初始化模型，使用默认参数 logreg = LogisticRegression() # 用数据训练模型 logreg.fit(X_train,y_train) # 使用模型预测 y_pred=logreg.predict(X_test) print(y_pred) #评估： from sklearn import metrics print("Accuracy:",metrics.accuracy_score(y_test, y_pred)) #准确率 print("Precision:",metrics.precision_score(y_test, y_pred)) #查准率 print("Recall:",metrics.recall_score(y_test, y_pred)) #召回率 #====（6）使用决策树模型预测======= from sklearn.tree import DecisionTreeClassifier # 导入决策树 # 选择基尼系数作为判断标准，树深度为3 clf_gini = DecisionTreeClassifier(criterion='gini', max_depth=3, random_state=0) clf_gini.fit(X_train, y_train) #训练模型 y_pred_gini = clf_gini.predict(X_test) # 预测模型 print(y_pred_gini[0:5]) # 预测前五个结果 #评估： from sklearn import metrics print("Accuracy:",metrics.accuracy_score(y_test, y_pred_gini)) print("Precision:",metrics.precision_score(y_test, y_pred_gini)) print("Recall:",metrics.recall_score(y_test, y_pred_gini)) #可视化一下： import matplotlib.pyplot as plt plt.figure(figsize=(12,8)) from sklearn import tree tree.plot_tree(clf_gini.fit(X_train, y_train)) plt.show() #可视化混淆矩阵： # 可视化混淆矩阵 from sklearn.metrics import plot_confusion_matrix plot_confusion_matrix(clf_gini , X_test, y_test) plt.show() #这个结果好吗？不，我们来寻优找到最佳参数。 #========(7)寻优找到最佳参数========== #~~~1）确定max_depth最优~~~~~ ## 确定最佳深度 import numpy as np from sklearn.tree import DecisionTreeClassifier # 导入决策树 score_all=[] # range(start, stop[, step]) for i in range(1,100,1): # 选择基尼系数作为判断标准，树深度为3 clf_gini = DecisionTreeClassifier(criterion='gini', max_depth=i, random_state=0) clf_gini.fit(X_train, y_train) #训练模型 y_pred_gini = clf_gini.predict(X_test) # 预测模型 y_pred_gini[0:5] # 预测前五个结果 from sklearn.metrics import accuracy_score acc=accuracy_score(y_test, y_pred_gini) # print(acc) score_all.append([i,acc]) ScoreAll = np.array(score_all) max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] #找出最高得分对应的索引 print("最优参数以及最高得分:",ScoreAll[max_score]) plt.figure(figsize=[20,5]) plt.plot(ScoreAll[:,0],ScoreAll[:,1]) plt.show() #~~~~~~2）确定min_samples_split最优~~~~~~~ # 分割内部节点所需的最小样本数 ## 确定最佳深度max_depth import numpy as np import matplotlib.pyplot as plt from sklearn.tree import DecisionTreeClassifier # 导入决策树 score_all=[] # range(start, stop[, step]) # 带入最佳深度后，再遍历2到20的内部最小样本数 for i in range(2,20,1): # 选择基尼系数作为判断标准，树深度为3 clf_gini = DecisionTreeClassifier(criterion='gini', max_depth=9, min_samples_split=i,random_state=0) clf_gini.fit(X_train, y_train) #训练模型 y_pred_gini = clf_gini.predict(X_test) # 预测模型 y_pred_gini[0:5] # 预测前五个结果 from sklearn.metrics import accuracy_score acc=accuracy_score(y_test, y_pred_gini) # print(acc) score_all.append([i,acc]) ScoreAll = np.array(score_all) max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] #找出最高得分对应的索引 print("最优参数以及最高得分:",ScoreAll[max_score]) plt.figure(figsize=[20,5]) plt.plot(ScoreAll[:,0],ScoreAll[:,1]) plt.show() # 结果显示默认的2就是最佳 #~~~~~~~~3)确定min_samples_leaf参数~~~~~~~~~~~~~ # 确定 # 分割内部节点所需的最小样本数min_samples_split ## 确定最佳深度max_depth import numpy as np import matplotlib.pyplot as plt from sklearn.tree import DecisionTreeClassifier # 导入决策树 score_all=[] # range(start, stop[, step]) # 带入最佳深度=12，min_samples_split=2，遍历min_samples_leaf = i for i in range(1,20,1): # 选择基尼系数作为判断标准，树深度为3 clf_gini = DecisionTreeClassifier(criterion='gini', max_depth=9, min_samples_split=5,min_samples_leaf = i,random_state=0) clf_gini.fit(X_train, y_train) #训练模型 y_pred_gini = clf_gini.predict(X_test) # 预测模型 y_pred_gini[0:5] # 预测前五个结果 from sklearn.metrics import accuracy_score acc=accuracy_score(y_test, y_pred_gini) score_all.append([i,acc]) ScoreAll = np.array(score_all) max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] #找出最高得分对应的索引 print("最优参数以及最高得分:",ScoreAll[max_score]) plt.figure(figsize=[20,5]) plt.plot(ScoreAll[:,0],ScoreAll[:,1]) plt.show() # 最佳参数还是2 '''根据我们前边的一系列操作，我们确定因为max_depth在9附近，min_samples_split在5附近， min_samples_leaf在2附近是最优参数，所以我们分别在这个附近利用网格搜索得到最优参数。 因为要涉及到三个参数联调，这里就要用到网格搜索函数。代码如下：''' # 网格搜索确定内联最佳 from sklearn.model_selection import GridSearchCV param_grid = { 'max_depth':np.arange(6, 12), 'min_samples_leaf':np.arange(3, 7), 'min_samples_split':np.arange(1, 4)} rfc = DecisionTreeClassifier(random_state=66) GS = GridSearchCV(rfc,param_grid,cv=10) GS.fit(X_train, y_train) print(GS.best_params_) print(GS.best_score_) #这里三个参数和我们前边所暂定的参数都不一样。证明三者之间确实是相互影响的。最终确定还是选取开始的三个。 #从而得到最佳参数：‘max_depth’: 6, ‘min_samples_leaf’: 5, ‘min_samples_split’: 2}，此时准确率为0.9834608843537413 '''1 读取数据''' import pandas as pd shuju=pd.read_excel('train_data.xlsx') print(shuju.head(10)) #======查看数据基本信息=============== print(shuju.info()) #看起来是没有缺失值的，再用isnull来查看一下是否又缺失值： print(shuju.isnull().sum()) #查看数据有哪些特征： print(shuju.columns) shuju2=shuju.drop(['机器编号', '统一规范代码','具体故障类别'],axis=1) print(shuju2.head()) '''2 数据预处理''' #(1)机器质量等级，这个特征属于离散变量而且是字符型，所以需要进行编码处理。先查看这一列有多少等级： print(shuju2['机器质量等级'].unique()) #unique()：返回参数数组中所有不同的值，并按照从小到大排序 #通过映射的方式对它们进行编码： mapping = { 'L': 3, 'M': 2, 'H': 1} shuju2['机器质量等级'] =shuju2['机器质量等级'].map(mapping) print(shuju2.head()) '''~~~~~~~~~~~~~~~~~~任务2~~~~~~~~~~~~~~~~~~~~~~~~~~~''' #建议使用独热编码，独热编码很适合用来解决类别型数据的离散值问题。 shuju3=pd.get_dummies(shuju2,columns=['机器质量等级']) print(shuju3.head()) #====(2)查看类的分布,解决不平衡问题=========== df1=shuju3['是否发生故障'].value_counts() print(df1) #可以看出有明显的类不平衡问题，等会需要解决它 #===（3）提取自变量和因变量：======== X = shuju3.drop('是否发生故障',axis=1)# 特征 y = shuju3['是否发生故障'] # 目标变量 print(X) #执行欠采样技术，解决类不平衡的问题： # 欠采样 from collections import Counter from imblearn.under_sampling import ClusterCentroids cc = ClusterCentroids(random_state=2022) X_resampled, y_resampled = cc.fit_resample(X, y) print(sorted(Counter(y_resampled).items())) #=====（4）分割数据：===== from sklearn.model_selection import train_test_split X_train,X_test,y_train,y_test=train_test_split(X_resampled,y_resampled,test_size=0.2,random_state=100) #=====（5）使用逻辑回归模型预测======= # 导入模型 from sklearn.linear_model import LogisticRegression # 初始化模型，使用默认参数 logreg = LogisticRegression() # 用数据训练模型 logreg.fit(X_train,y_train) # 使用模型预测 y_pred=logreg.predict(X_test) print(y_pred) #评估： from sklearn import metrics print("Accuracy:",metrics.accuracy_score(y_test, y_pred)) #准确率 print("Precision:",metrics.precision_score(y_test, y_pred)) #查准率 print("Recall:",metrics.recall_score(y_test, y_pred)) #召回率 #====（6）使用决策树模型预测======= from sklearn.tree import DecisionTreeClassifier # 导入决策树 # 选择基尼系数作为判断标准，树深度为3 clf_gini = DecisionTreeClassifier(criterion='gini', max_depth=3, random_state=0) clf_gini.fit(X_train, y_train) #训练模型 y_pred_gini = clf_gini.predict(X_test) # 预测模型 print(y_pred_gini[0:5]) # 预测前五个结果 #评估： from sklearn import metrics print("Accuracy:",metrics.accuracy_score(y_test, y_pred_gini)) print("Precision:",metrics.precision_score(y_test, y_pred_gini)) print("Recall:",metrics.recall_score(y_test, y_pred_gini)) #可视化一下： import matplotlib.pyplot as plt plt.figure(figsize=(12,8)) from sklearn import tree tree.plot_tree(clf_gini.fit(X_train, y_train)) plt.show() #可视化混淆矩阵： # 可视化混淆矩阵 from sklearn.metrics import plot_confusion_matrix plot_confusion_matrix(clf_gini , X_test, y_test) plt.show() #这个结果好吗？不，我们来寻优找到最佳参数。 #========(7)寻优找到最佳参数========== #~~~1）确定max_depth最优~~~~~ ## 确定最佳深度 import numpy as np from sklearn.tree import DecisionTreeClassifier # 导入决策树 score_all=[] # range(start, stop[, step]) for i in range(1,100,1): # 选择基尼系数作为判断标准，树深度为3 clf_gini = DecisionTreeClassifier(criterion='gini', max_depth=i, random_state=0) clf_gini.fit(X_train, y_train) #训练模型 y_pred_gini = clf_gini.predict(X_test) # 预测模型 y_pred_gini[0:5] # 预测前五个结果 from sklearn.metrics import accuracy_score acc=accuracy_score(y_test, y_pred_gini) # print(acc) score_all.append([i,acc]) ScoreAll = np.array(score_all) max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] #找出最高得分对应的索引 print("最优参数以及最高得分:",ScoreAll[max_score]) plt.figure(figsize=[20,5]) plt.plot(ScoreAll[:,0],ScoreAll[:,1]) plt.show() #~~~~~~2）确定min_samples_split最优~~~~~~~ # 分割内部节点所需的最小样本数 ## 确定最佳深度max_depth import numpy as np import matplotlib.pyplot as plt from sklearn.tree import DecisionTreeClassifier # 导入决策树 score_all=[] # range(start, stop[, step]) # 带入最佳深度后，再遍历2到20的内部最小样本数 for i in range(2,20,1): # 选择基尼系数作为判断标准，树深度为3 clf_gini = DecisionTreeClassifier(criterion='gini', max_depth=9, min_samples_split=i,random_state=0) clf_gini.fit(X_train, y_train) #训练模型 y_pred_gini = clf_gini.predict(X_test) # 预测模型 y_pred_gini[0:5] # 预测前五个结果 from sklearn.metrics import accuracy_score acc=accuracy_score(y_test, y_pred_gini) # print(acc) score_all.append([i,acc]) ScoreAll = np.array(score_all) max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] #找出最高得分对应的索引 print("最优参数以及最高得分:",ScoreAll[max_score]) plt.figure(figsize=[20,5]) plt.plot(ScoreAll[:,0],ScoreAll[:,1]) plt.show() # 结果显示默认的2就是最佳 #~~~~~~~~3)确定min_samples_leaf参数~~~~~~~~~~~~~ # 确定 # 分割内部节点所需的最小样本数min_samples_split ## 确定最佳深度max_depth import numpy as np import matplotlib.pyplot as plt from sklearn.tree import DecisionTreeClassifier # 导入决策树 score_all=[] # range(start, stop[, step]) # 带入最佳深度=12，min_samples_split=2，遍历min_samples_leaf = i for i in range(1,20,1): # 选择基尼系数作为判断标准，树深度为3 clf_gini = DecisionTreeClassifier(criterion='gini', max_depth=9, min_samples_split=5,min_samples_leaf = i,random_state=0) clf_gini.fit(X_train, y_train) #训练模型 y_pred_gini = clf_gini.predict(X_test) # 预测模型 y_pred_gini[0:5] # 预测前五个结果 from sklearn.metrics import accuracy_score acc=accuracy_score(y_test, y_pred_gini) score_all.append([i,acc]) ScoreAll = np.array(score_all) max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] #找出最高得分对应的索引 print("最优参数以及最高得分:",ScoreAll[max_score]) plt.figure(figsize=[20,5]) plt.plot(ScoreAll[:,0],ScoreAll[:,1]) plt.show() # 最佳参数还是2 '''根据我们前边的一系列操作，我们确定因为max_depth在9附近，min_samples_split在5附近， min_samples_leaf在2附近是最优参数，所以我们分别在这个附近利用网格搜索得到最优参数。 因为要涉及到三个参数联调，这里就要用到网格搜索函数。代码如下：''' # 网格搜索确定内联最佳 from sklearn.model_selection import GridSearchCV param_grid = { 'max_depth':np.arange(6, 12), 'min_samples_leaf':np.arange(3, 7), 'min_samples_split':np.arange(1, 4)} rfc = DecisionTreeClassifier(random_state=66) GS = GridSearchCV(rfc,param_grid,cv=10) GS.fit(X_train, y_train) print(GS.best_params_) print(GS.best_score_) #这里三个参数和我们前边所暂定的参数都不一样。证明三者之间确实是相互影响的。最终确定还是选取开始的三个。 #从而得到最佳参数：‘max_depth’: 6, ‘min_samples_leaf’: 5, ‘min_samples_split’: 2}，此时准确率为0.9834608843537413 |
【本文地址】