1、1家用电器故障实时检测摘 要家用电器故障的实时检测，是为了防止随着时间的推移，电器的老化使其工作能力衰减明显化后，用户再提出需要维修，此时电器的故障情况已经非常严重，为了保证用户的体验效果，电器运行状况的监测并判别就显现出重要性。针对问题一，首先应明确复杂环境，对读取的数据进行预处理，各选取A，B中正常与故障参数中数据一致的参数进行筛选，得到已筛选表。将已筛选表中文字进行数值化处理，得到已替换表。利用拉依达准则（pauta criterion）对已替换表进行异常值判断，用Matlab得到异常值的行数，将异常值剔除，最终确定已剔除表。针对问题二，对已经预处理过的数据使用SPSS分析得出各个参数相
2、关性系数表，筛选相关性系数强的参数。再经过描述性分析得到A环境下与B环境下正常和故障工作的参数的描述性统计量，根据极大极小值相对正常均值的波动范围，引入参数的增长率 概念。计算各个参数增长率，使用Excel对增长率排序，得到对故障判断权重较大的参数。统一相关性系数分析与权重分析，确定最终参数值。并以正常数据的参数增长率区间作标准建立模型，定义新的变量故障程度 ，根据故障程度是否在增长率区间内判断电器是否故障，经检验，此模型适用于附件一。针对问题三，我们首先使用问题二中的模型对附件二进行验证，由结果可知模型仍成立。但此模型附件三无法验证，所以我们对模型进行了修正，引出电器在正常工作情况下的拟合均
3、值与拟合增长率区间来判断电器是否故障。经计算D,E的故障程度，可得出D为正常工作，E为故障。针对问题四，我们在做模型判断时，认为会出现误判，并且认为把故障判断为正常更应该避免。为了嵌入因子我们可以将更多环境下正常工作参数作依据定义一个更为适用的复杂环境的拟合均值与拟合区间 ，从而计算更为精确的故障程度 进行判断。针对问题五，为了减小模型的计算量，我们对数据进行了取参数和分层抽样的方法。第一，对工作环境D,E数据分层抽样，对各工作环境下分别抽取行数为 5、10 的倍数的行组成 4 个新矩阵，运用问题三中数据处理方法，得到新矩阵的故障程度通过拟合增长率区间判断得出结果与问题三中一致。第二，对工作环
4、境A、B正常情况主要参数分别进行增长率排序，各取出增长率为前五的参数，求并集，最终简化为 7 个重要参数，相同方法判断，得出与问题三中结果一致。第三，对数据取 7 个重要参数，进行 5、10 倍数的分层抽样，得到四组新数据，相同方法判断，得出与问题三中结果一致。因此确定数据简化为取参数 1、2、4、5、10、18、83，并对数据进行 10 倍数的分层抽样的方法确定为运算简化方法。关键词：拉依达准则、增长率、故障程度、拟合均值、拟合增长率区间20一、问题重述家用电器早已成为我们生活中必不可少的用品，它对我们的生活提供了极大地帮助，方便了人们的生活，为人们的娱乐和休闲节省了更多的时间。但是随着时间
5、和过程的使用，它会发生老化和故障，从而打乱我们的生活。因此及时排除家用电器故障就显得尤为重要了。 问题 1: 复杂的环境会导致家用电器的传感器读取到异常数值，因此我们需要寻找一定的方法发现异常数据并给出其解决方案。问题 2：分析附件一中不同参数之间的相关性并确定其对故障的影响程度，建立模型并对附件一中数据进行判断与处理。问题 3：通过分析附件一中所建立的模型是否同样也适用于附件二，如果适用于附件二，则可按照附件一同样的方法进行故障判断；如果不适用，则对模型进行改进，并用改进后的模型对附件三中 D、E 两种工作环境下的电器进行故障判断。问题 4：判断所建立的模型得到的结果是否会出现误判现象,如果
6、出现误判现象，是将正常判断为故障，还是将故障判断为正常，哪种情况可以避免。并且嵌入一个影响因子得出解决方案。问题 5：在现实生活中，家用电器控制器的计算能力是有限的，可能无法对大数据进行计算，因此需要我们在保证判断精确的前提下对计算方法或数据进行简化，降低计算复杂程度，提出解决方案。二、模型假设1.在一定环境下家用电器正常工作时，可认为输出的数据真实可靠。2.假设已得到的数据可以反映家电的运行状态。3.在一定环境下，正常与故障数据一致的参数对故障判断无影响。三、符号说明：表示第 i 行第 j 列的数据ijx：标准序列的算术平均值a:实测数据与均值的残差绝对值ijE：标准序列的方差 s；实测参数
7、样本的平均值x：实测参数样本的残差ijV：实测参数样本的标准差)(：拟合均值的矩阵:A 环境下正常工作的均值A：B 环境下正常工作的均值： A 环境下处理过后数据的个数n:B 环境下处理过后数据的个数:某工作环境下该参数的极大值max：某工作环境下该参数的极小值in：所处环境下的故障均值：某工作环境下模型计算出来总体参数反映值0：所给区间的下限1：所给区间的上限2：增长率：第 i 个参数总拟合均值i：对应环境下第 i 个参数的最大值max：对应环境下第 i 个参数的最小值in:A 环境下的拟合下限A1:A 环境下的拟合上限2：总拟合区间的下限1：总拟合区间的上限2：实际均值xi四、模型的建立与
8、求解4.1 问题一4.11 问题一的分析在已知复杂环境的情况下，通过对大量数据分析，首先进行预处理，通过查阅资料可知，剔除数据异常值的方法有拉依达准则、格拉布斯准则等方法。由于拉依达准则只有在测量次数 n 较大时才可以使用，至少使 n10 次才可以，根据分析，适用于本题中的大数据异常值剔除处理，且拉依达准则方法比较简单，数据好处理，较为精确，因此我们借助这种思想对附件中数据进行处理。4.1.2 问题一的解答第一，给的数据进行预处理，预处理的方法是在同一环境下，对家用电器正常工作与故障时相同参数的数据进行对比，找出在电器正常工作和故障时参数数据一致的参数，将这些参数筛去，剩余参数作为已筛选数据进
9、行整理，得到 A、B 工作环境下的已筛选表。第二，对已筛选表中带有文字的参数转为数字参数处理，以方便数据分析。其中，对于参数一，关记为 0，开记为 1；对于参数 73，关记为 0，低速记为1，高速记为 2，超高速记为 3；对于其余参数，正常记 1，故障或者限记为 0。将数值化后的各个参数数据进行整理，得到 A、B 工作环境下的已替换表。第三，根据拉依达准则，对已替换表中的数据进行异常数据剔除处理。数据处理过程中，首先用 SPSS 软件对已替换表中数据进行统计量描述，得到其均值和标准差。再运用 Matlab 软件编程，得到剔除数据的行数，对已替换表进行异常数据剔除处理，将剔除后的数据进行整理，得
10、到 A、B 工作环境下的已剔除表。拉依达准则具体算法如下：、按列计算剩余数据的算术平均值 njijiiax,1,通过这个公式计算出每列数据的算术平均值、按列计算剩余数据的标准差1njijiaixs,1,2)(然后得到这些数据的标准差、判断数据的异常 sxEaijij 3符合这个公式，则说明数据异常，反之，数据正常。4.2 问题二4.21 问题二的分析根据问题 2 要求，我们对附件一中剔除后的数据进行不同参数的相关性分析，确定它们的相关程度，同时为确定参数对于故障判别的重要程度，进行权重分析。并根据主要参数建立模型，根据模型对附件一中 A、B 工作环境下的数据进行故障判别处理。4.2.2 问题二
11、数据处理对 A、B 工作环境下已剔除表进行 SPSS 相关系数分析，同时引入参数增长率概念进行权重分析，详情如下：1、相关性分析：主要运用 SPSS 软件进行数据处理，由于事件的随机性，利用泊松(pearson)分布进行相关性分析，得到相关性系数。通过查阅资料，可得泊松分布的相关性系数标准为 0.4（弱相关）、0.6（中等强度相关）、0.8（强相关），利用这个标准对 A、B 两种正常工作环境下的各个参数进行划分。得到：A 正常工作环境下，0.4 的参数有：1、2、3、4、5、7、8、9、10、18、60、72、73、80、83,0.6 的参数有1、2、3、4、5、7、8、9、10、18、60、
12、72、73、80、83，0.8 的参数有1、2、3、4、5、7、10、18、60、72、73、80。B 正常工作环境下，0.4 的参数有：1、2、3、4、5、7、8、9、10、18、24、60、72、73、78、80、83,0.6 的参数有 1、2、3、4、5、7、9、10、18、24、60、72、73、78、80，0.8 的参数有 1、2、3、4、5、10、18、24、60、72、73、78、80。将不同环境下得到的相关性较强的参数进行对比分析，初步得到1、2、3、4、5、10、18、60、72、73、80 作为参数。相关系数表见附录 4。2、权重分析：在权重分析时，我们引入了增长率的概念。
13、增长率定义为故障均值与正常均值的差的绝对值与正常均值的比值，表示故障均值相对于正常均值的波动情况。具体方法为：用 SPSS 软件对附件一中 A、B 工作环境下正常和故障的已剔除表进行统计量描述，计算出其正常均值与故障均值，从而计算出增长率，增长率公式如下： -：某正常工作环境下的均值：所处环境下的故障均值：增长率波动越大，影响程度越大，因此我们取波动范围大于 10%的参数作为参数2判别依据，得到工作环境 A 中对故障判别的重要参数为1、2、3、4、5、6、9、10、18、43、60、72、83；工作环境 B 中对故障判别的重要参数为1、2、3、4、5、6、10、18、24、60、72、73、7
14、4、75、78、80、83。对A、B 中重要参数取交集，得到权重较大的参数为：1、2、3、4、5、10、18、60、72、83。3、通过对相关性分析和权重比较，可以得出，通过相关性大小取得的参数值与权重取得的参数值由很大的相似程度，由于建立电器故障判别模型的过程中，对故障判别影响较大的参数应作为主要的判别依据，因此以权重分析为主，最终确定模型分析的参数为 1、2、3、4、5、10、18、60、72、83。并将 A、B工作环境下剔除表中的重要参数取出进行整理，作为新的已剔除表，用于下列数据分析。4.2.3 问题二的解答运用 SPSS 软件对上列新的已剔除表进行统计量描述，得到各个重要参数的极大极
15、小值以及均值，然后计算该环境下正常数值的波动范围，来判断电器故障情况。具体算法如下： ， ，得到增长2min1)-( 2max)-(率区间为 。,21然后，我们引入了故障程度概念，故障程度为 计算出故障2)-(均值相对于正常均值的故障程度，判断故障程度值是否在增长率区间内。在，说明机器正常；不在，说明机器故障。计算过程结果如下：A 环境正常工作参数计算表参数 极小值 极大值 均值 增长率平方参数 1 0 1 0.11 1 65.46280992参数 2 0 1 0.11 1 65.46280992参数 3 0 68 5.92 1 109.9663988参数 4 0 900 97.72 1 67
16、.40389836参数 5 0 832 69.08 1 121.9700895参数 10 29 78 38.95 0.065257621 1.00514138参数 18 0 3 0.262 1 109.2104772参数 60 35 55 39.41 0.012521729 0.156487395参数 72 0 1 0.11 1 65.46280992参数 83 0.4 0.86 0.59 0.103705832 0.20942258求和 7.181485182 606.310345区间 2.67982932 24.6233699注：增长率区间为（2.679829,24.62337）表 1：A
17、 环境正常工作参数计算表3A 环境故障参数计算表参数 故障均值 正常均值 增长率平方参数 1 0.64 0.11 23.21487603参数 2 1 0.11 65.46280992参数 3 31.5 5.92 18.67057387参数 4 603.62 97.72 26.8017062参数 5 124.97 69.08 0.654581251参数 10 74.51 38.95 0.833505712参数 18 0.682 0.262 2.569780316参数 60 46.93 39.41 0.036410179参数 72 1 0.11 65.46280992参数 83 45.26 0.5
18、9 5732.286412求和 5935.993465算术平方根 77.04539873注：此值不在区间中。表 2：A 环境故障参数计算表使用建立的模型，通过验证附件一中工作环境 A 的故障参数数据，结果可知建立的模型具有一定的可行性，继续验证 B。B 环境正常工作参数计算表参数 极小值 极大值 均值 增长率平方参数 1 0 1 0.11 0.923106498 1参数 2 0 1 0.11 0.923106498 1参数 3 0 68 5.92 5.86347772 1参数 4 0 900 97.72 0.877313271 1参数 5 0 832 69.08 6.52565588 1参数
19、10 29 78 38.95 0.083857274 0.088656735参数 18 0 3 0.262 6.563269103 1参数 60 35 55 39.41 0.009112928 0.019398953参数 72 0 1 0.11 0.923106498 1参数 83 0.4 0.86 0.59 0.021617278 0.014269051求和 22.71362295 7.122324744区间 4.76588113 2.668768394注：增长率区间为（2.668768,4.765881）表 3：B 环境正常工作参数计算表B 环境故障参数计算表参数 故障均值 正常均值 增长
20、率平方参数 1 0.33 0.51 0.124567474参数 2 0.57 0.51 0.01384083参数 3 14.85 19.29 0.052978723参数 4 324.57 464.72 0.090950162参数 5 71.7 279.08 0.552174456参数 10 59.7 78.32 0.056521541参数 18 0.392 1.123 0.423716368参数 60 54.34 63.9 0.022382782参数 72 0.57 0.51 0.01384083参数 83 0.4568 0.8631 0.221600845求和 1.572574012算术平方
21、根 1.254023131注：此值不在区间中表 4：B 环境故障参数计算表通过计算我们发现故障均值求出的故障程度不在这个增长率区间之内，由此可判断在A、B 环境下此模型具有一定的可行性。4.3 问题三4.31 问题三的分析首先我们想通过利用附件一所建立的模型去验证附件二中的故障数据，因为其参数在所处环境下有其正常值与故障值。可是此模型在附件三中不适用，因为在 D、E 所处环境下只有其工作参数，没有正常工作的均值作为标准去衡量。因此，我们引入了拟合均值的概念，并使用拟合均值作为 D、E 环境的均值，并使用 A、B 环境下正常工作的各参数极大极小值求出拟合增长率区间作为判断依据。4.3.2 问题三
22、数据处理首先剔除异常数据，然后从附件二、三中提取出主成分因子参数 1、参数2、参数 3、参数 4、参数 5、参数 10、参数 18、参数 60、参数 72、参数 83。确定出这些参数之后，使用 SPSS 分析附件二与三中的数据得到描述性统计量。4.3.3 问题三的解答1、对于附件二的求解对于附件二中的参数处理我们使用问题二建立的模型来求解。5C 环境正常工作参数计算表参数 极小值 极大值 均值 增长率平方参数 1 0 1 0.46 1 1.378071834参数 2 0 1 0.51 1 0.923106498参数 3 0 57 16.29 1 6.245396796参数 4 0 900 42
23、1.62 1 1.287370702参数 5 0 832 227.54 1 7.056992017参数 10 53 99 75.3 0.087704075 0.09906192参数 18 0 3.5 0.85 1 9.719723183参数 60 55 70 61.5 0.0111706 0.019102386参数 72 0 1 0.51 1 0.923106498参数 83 0.77 0.85 0.8155 0.003112969 0.001789741求和 7.101987644 27.65372157区间 2.664955468 5.258680592增长率区间为（2.664955,5.
24、258681）表 5：C 环境正常工作参数计算表C 环境故障参数计算表参数 故障均值 正常均值 增长率平方参数 1 0.22 0.46 0.27221172参数 2 283.44 0.51 307763.8789参数 3 11.41 16.29 0.089742358参数 4 213.99 421.62 0.24251455参数 5 58.78 227.54 0.55007705参数 10 63.2 75.3 0.02582146参数 18 0.325 0.85 0.381487889参数 60 49.78 61.5 0.036316584参数 72 0.31 0.51 0.153787005
25、参数 83 0.4719 0.8155 0.177524533求和 307765.8084算术平方根 554.7664449此值不在区间中表 6：C 环境故障参数计算表由此可知，问题二的模型仍然适用于附件二，模型继续使用。2、对于附件三的求解6首先引入拟合的概念，定义拟合均值为 表示参数 的BAiii ni均值，再使用模型根据拟合均值与工作环境 A、B 正常工作的极大值，极小值进行区间拟合，得到拟合区间。对于附件三，使用描述性表格中的均值与拟合均值使用模型计算，得到 ，进行判断。以拟合均值作为 D、E 两种正常工作环境的均值。以 ， 作为 D、E 两种工作环境2min1)-( 2max)-(下
26、的阈值，从而确定所给附件三中 D、E 所处的工作状态。A 工作环境正常情况下计算表格（拟合均值）参数 极小值 极大值 拟合均值 增长率平方参数 1 0 1 0.311500077 1 4.885302687参数 2 0 1 0.311500077 1 4.885302687参数 3 0 68 12.65514006 1 19.12584683参数 4 0 900 282.5963202 1 4.773153733参数 5 0 832 174.8675402 1 14.12171487参数 10 29 78 58.78264503 0.256701427 0.106878162参数 18 0 3
27、 0.695728915 1 10.96950509参数 60 35 55 51.74684219 0.104736523 0.003952233参数 72 0 1 0.311500077 1 4.885302687参数 83 0.4 0.86 0.727574177 0.202705141 0.033127663求和 7.564143091 63.79008665算术平方根 2.750298728 7.98686964增长率区间为（2.75029872，7.986869640）表 7：A 工作环境正常情况下计算表格（拟合均值）B 工作环境正常情况下计算表格（拟合均值）参数 极小值 极大值 拟
28、合均值 增长率平方参数 1 0 1 0.311500077 1 4.885302687参数 2 0 1 0.311500077 1 4.885302687参数 3 0 66 12.65514006 1 17.76851963参数 4 0 900 282.5963202 1 4.773153733参数 5 0 992 174.8675402 1 21.83567007参数 10 55 101 58.78264503 0.004140883 0.515802915参数 18 0 4 0.695728915 1 22.55647511参数 60 55 70 51.74684219 0.0039522
29、33 0.12442519参数 72 0 1 0.311500077 1 4.885302687参数 83 0.76 0.99 0.727574177 0.00198622 0.130094394求和 7.010079336 82.360049117算术平方根 2.647655441 9.075243749增长率区间为（2.64765，9.07524374）表 8：B 工作环境正常情况下计算表格（拟合均值）AB 工作环境正常情况下增长率拟合区间区间 A 区间 B 区间 拟合区间上限 2.647655441 2.750298728 2.698592153下限 9.075243749 7.9868
30、6964 8.535138306表 9：AB 工作环境正常情况下增长率拟合区间由此得到拟合区间（2.698592153，8.535138306）进行 D、E 环境的判断。D 工作环境的计算表格参数 D 均值 拟合均值 增长率平方参数 1 0.59 0.308499923 0.799344231参数 2 1 0.308499923 4.885302687参数 3 29.35 12.55485994 1.740330166参数 4 573.8 279.8436798 1.061843988参数 5 134.65 173.2924598 0.052894755参数 10 58.44 58.48735
31、497 3.40E-05参数 18 0.771 0.689271085 0.01170513参数 60 28.24 51.56315781 0.206357795参数 72 1 0.308499923 4.885302687参数 83 0.5571 0.725525823 0.054898775求和 13.69801419算术平方根 3.70108284注：此值在拟合区间判断为正常工作表 10：D 工作环境的计算表格E 工作环境的计算表格参数 D 均值 拟合均值 增长率平方参数 1 0.48 0.308499923 0.292605915参数 2 0.48 0.308499923 0.2926
32、05915参数 3 27.63 12.55485994 1.400205007参数 4 431.67 279.8436798 0.278271634参数 5 288.64 173.2924598 0.423307432参数 10 66.96 58.48735497 0.019352071参数 18 1.14 0.689271085 0.407770676参数 60 48.45 51.56315781 0.004059089参数 72 0.48 0.308499923 0.292605915参数 83 0.8444 0.725525823 0.0257823888求和 3.436566042算术
33、平方根 1.853797735注：此值不在拟合区间判断为故障表 11：E 工作环境的计算表格通过以上结果的分析，我们认为环境 D 工作参数为正常工作参数，环境 E 工作参数为故障工作参数。4.4 问题四4.41 问题四的分析经过模型分析，认为会出现误判，原因是我们计算只能建立在 A、B 两种环境下正常工作的参数，具有局限性，使用所有工作环境以出现误判，将故障判断为正常更应该避免。因此嵌入影响因子，通过结合更多环境下正常工作参数进行异常数据处理和主成分分析，得到更为广泛意义上的参数选取。之后使用拟合矩阵均值以拟合区间思想确定一个故障判断区间。4.4.2 问题四的解答1、求解每个参数的拟合均值第
34、i 个参数总拟合均值 MBAiiii nn.2、求解该环境下的拟合上下限A 环境下的拟合下限 21min)(iiAA 环境下的拟合下限 21ax2 )(iiii3、利用多种环境的拟合上下限来求解总拟合区间的上下限总拟合区间下限 MBAnn.111 总拟合区间的上限 .222得出总拟合区间的上下限范围之后，我们就确定了在任何环境下电器正常工作的一个整体范围，从而得出故障判断依据。4.5 问题五4.51 问题五的分析在实际生活中，家用电器的计算能力是有限的。因此我们的出发点就是在保证数据完整可反映问题的前提下有三种方法对问题进行处理。1、分层抽样法分层抽样法分为按五取样和按十取样，它能解决时钟周期
35、小的问题 。2、再选取参数再选去参数就是选取增长率排序前五的并集，再用这些参数做拟合区间，它能解决 CPU 计算能力小的问题。3、分层抽样法+再选取参数这两种方法同时结合就能同时解决这两种问题，通过验证 D、E 环境下的参数来证明此方法具有一定的可行性。94.5.2 问题五的解答1、分层抽样法在 D、E 两种工作环境下采取分层抽样的方法每五个和每十个抽取一个样本。分层抽样就是先将总体的单位按某种特征分为若干次级总体，然后再从每一层内进行单纯随机抽样，组成一个样本，提高总体指标估计值的精确度。将抽取的样本利用 SPSS 软件得到各自的实际均值 ，计算增长率 ，并判xiix断增长率是否在区间范围。
36、工作环境D分层抽样（5）描述统计量N 极小值 极大值 均值 标准差 方差参数1 351 0 1 .59 .493 .243参数2 351 1 1 1.00 .000 .000参数3 351 0 60 29.20 25.574 654.046参数4 351 0 900 571.79 428.455 183573.626参数5 351 0 288 133.47 125.318 15704.484参数10 351 36 76 58.42 9.470 89.673参数18 351 .0 1.5 .771 .7197 .518参数60 351 25 30 28.25 2.389 5.707参数72 35
37、1 1 1 1.00 .000 .000参数83 351 .55 .58 .5571 .00950 .000有效的 N （列表状态） 351表 12：工作环境 D 分层抽样（5）描述统计量工作环境D分层抽样（5）计算表格参数 D抽样均值 拟合均值 增长率平方参数1 0.59 0.311500077 0.799344231参数2 1 0.311500077 4.885302687参数3 29.2 12.65514006 1.709197615参数4 571.79 282.5963202 1.047236064参数5 133.47 174.8675402 0.0560442参数10 58.42 5
38、8.78264503 3.81E-05参数18 0.771 0.695728915 0.01170513参数60 28.25 51.74684219 0.20618226参数72 1 0.311500077 4.885302687参数83 0.5571 0.727574177 0.054898775求和 13.65525171算术平方根 3.69530130110注：此值在拟合区间判断为正常工作表 13：工作环境 D 分层抽样（5）计算表格工作环境E 分层抽样（5）描述统计量N 极小值 极大值 均值 标准差 方差参数1 699 0 1 .48 .500 .250参数2 699 0 1 .48
39、.500 .250参数3 699 0 60 27.59 29.060 844.475参数4 699 0 900 431.33 449.074 201667.425参数5 699 0 640 288.32 307.485 94546.785参数10 699 50 92 66.94 15.650 244.937参数18 699 .0 2.5 1.137 1.2110 1.467参数60 699 45 50 48.45 2.312 5.346参数72 699 0 1 .48 .500 .250参数83 699 .83 .86 .8444 .00719 .000有效的 N （列表状态） 699表 14
40、：工作环境 E 分层抽样（5）描述统计量工作环境E分层抽样（5）计算表格参数 E抽样均值 拟合均值 增长率平方参数1 0.48 0.311500077 0.292605915参数2 0.48 0.311500077 0.292605915参数3 27.59 12.65514006 1.392734701参数4 431.33 282.5963202 0.277003745参数5 288.32 174.8675402 0.420929565参数10 66.94 58.78264503 1.93E-02参数18 1.137 0.695728915 0.402282217参数60 48.45 51.7
41、4684219 0.004059089参数72 0.48 0.311500077 0.292605915参数83 0.8444 0.727574177 0.025782388求和 3.419866975算术平方根 1.849288235注：此值在拟合区间判断为故障表 15：工作环境 E 分层抽样（5）计算表格11工作环境D分层抽样（10）描述统计量N 极小值 极大值 均值 标准差 方差参数1 176 0 1 .58 .495 .245参数2 176 1 1 1.00 .000 .000参数3 176 0 60 28.85 25.628 656.805参数4 176 0 900 565.91 4
42、31.313 186031.169参数5 176 0 288 131.27 124.997 15624.245参数10 176 36 76 58.38 9.512 90.476参数18 176 .0 1.5 .764 .7210 .520参数60 176 25 30 28.24 2.395 5.737参数72 176 1 1 1.00 .000 .000参数83 176 .55 .58 .5570 .00946 .000有效的 N （列表状态） 176表 16：工作环境 D 分层抽样（10）描述统计量工作环境D分层抽样（10）的计算表格参数 D抽样均值 拟合均值 增长率平方参数1 0.58 0
43、.311500077 0.7429713参数2 1 0.311500077 4.8853027参数3 28.85 12.65514006 1.6376477参数4 565.91 282.5963202 1.0050834参数5 131.27 174.8675402 0.0621592参数10 58.38 58.78264503 0.0000469参数18 0.764 0.695728915 0.0096293参数60 28.24 51.74684219 0.2063578参数72 1 0.311500077 4.8853027参数83 0.557 0.727574177 0.0549632求和
44、 13.4894641算术平方根 3.6728006注：此值在拟合区间判断为正常工作表 17：工作环境 D 分层抽样（10）的计算表格12工作环境E分层抽样(10)描述统计量N 极小值 极大值 均值 标准差 方差参数1 350 0 1 .48 .500 .250参数2 350 0 1 .48 .500 .250参数3 350 0 60 27.59 29.072 845.153参数4 350 0 900 430.29 449.065 201658.944参数5 350 0 640 288.73 307.734 94700.392参数10 350 50 92 66.95 15.665 245.40
45、4参数18 350 .0 2.5 1.136 1.2122 1.469参数60 350 45 50 48.46 2.313 5.349参数72 350 0 1 .48 .500 .250参数83 350 .83 .86 .8445 .00723 .000有效的 N （列表状态） 350表 18：工作环境 E 分层抽样(10)描述统计量工作环境E分层抽样（10）的计算表格参数 E抽样均值 拟合均值 增长率平方参数1 0.48 0.311500077 0.2926059参数2 0.48 0.311500077 0.2926059参数3 27.59 12.65514006 1.3927347参数4
46、430.29 282.5963202 0.2731435参数5 288.73 174.8675402 0.4239774参数10 66.95 58.78264503 0.0193048参数18 1.136 0.695728915 0.4004610参数60 48.46 51.74684219 0.0040345参数72 0.48 0.311500077 0.2926059参数83 0.8445 0.727574177 0.0258265求和 3.4173001算术平方根 1.8485941注：此值在拟合区间判断为故障表 19：工作环境 E 分层抽样（10）的计算表格由此可说明分层抽样法，对模型
47、简化，数据处理复杂度有意义，可作为简化模型的一种方法。2、再选取参数根据工作环境 A、B 中故障相对于正常均值增长率分别排序各取前五，然后取前五个参数的并集，最后确定这几个参数为 1、2、4、5、10、18、83 作为主要参数。将取得的参数再利用 SPSS 得出他们各自的实际均值，然后计算增长率13。ix工作环境D去参数描述统计量N 极小值 极大值 均值 标准差 方差参数1 1752 0 1 .59 .492 .242参数2 1752 1 1 1.00 .000 .000参数4 1752 0 900 573.80 427.741 182962.583参数5 1752 0 288 134.65
48、125.047 15636.833参数10 1752 36 76 58.44 9.439 89.099参数18 1752 .0 1.5 .771 .7172 .514参数83 1752 .55 .58 .5571 .00944 .000有效的 N （列表状态） 1752表 20：工作环境 D 去参数描述统计量工作环境D去参数计算表格参数 E抽样均值 拟合均值 增长率平方参数1 0.59 0.311500077 0.799344231参数2 1 0.311500077 4.885302687参数4 573.8 12.65514006 1.061843988参数5 134.65 282.59632
49、02 0.052894755参数10 58.44 174.8675402 3.40E-05参数18 0.771 58.78264503 1.17E-02参数83 0.5571 0.695728915 0.054898775求和 6.866023543算术平方根 2.620309818注：此值在拟合区间判断为正常工作表 21：工作环境 D 去参数计算表格14工作环境E 去参数 描述统计量N 极小值 极大值 均值 标准差 方差参数1 3495 0 1 .48 .500 .250参数2 3495 0 1 .48 .500 .250参数4 3495 0 900 431.67 448.888 201500.775参数5 3495 0 640 288.64 307.391 94489.526参数10 3495 50 92 66.96 15.650 244.920参数18 3495 .0 2.5 1.140 1.2122 1.469参数83 3495 .83 .86 .8444 .00723 .000有效的 N （列表状态） 3495表 22：工作环境 E 去参数 描述统计量工作环境E去参数的计算表格参数 E抽样
