4、数据采集与预处理：台架试验设计、数据清洗与滤波、特征工程与归一化
各位工程师朋友，大家好。今天我们聊聊轨压传感器老化预测中最基础、也最容易被忽视的一环——数据采集与预处理。
说实话，我见过不少项目，算法模型选得挺高级，结果因为数据没处理好，最后预测精度一塌糊涂。你想想看，垃圾进垃圾出，这个道理在传感器领域尤其明显。今天我就把我在台架试验和数据清洗上踩过的坑，跟大家好好掰扯掰扯。
4.1 台架试验设计：别让数据骗了你
台架试验，说白了就是模拟轨压传感器在真实发动机上的工作状态。但这里有个关键问题：你怎么模拟老化？
我个人习惯把老化试验分成两类：
- 加速老化试验：通过高温、高压、高频振动，让传感器在短时间内走完几年的寿命。我曾在某项目中用150°C的油温连续跑1000小时，等效于实际使用10年。
- 自然老化对照试验：保留一组传感器在正常工况下运行，作为基准参考。这个对照组特别重要，能帮你区分「真正的老化」和「试验条件带来的漂移」。
核心要点：台架试验必须覆盖传感器全生命周期，从出厂状态到失效状态。只测新传感器和坏传感器，中间那段退化过程才是建模的关键。
我建议的试验参数设置如下：
| 参数 | 加速老化条件 | 自然老化条件 | 采样频率 |
|---|---|---|---|
| 油温 | 130-150°C | 80-100°C | 1 Hz |
| 轨压 | 1800-2200 bar | 800-1600 bar | 10 Hz |
| 振动频率 | 200-500 Hz | 50-100 Hz | 连续记录 |
| 试验时长 | 500-1500 小时 | 3000-5000 小时 | 每10分钟存一次均值 |
⚠️ 我曾经踩过的坑：加速老化试验的温度不能超过传感器封装材料的极限。有一次我为了赶进度，把温度提到了180°C，结果传感器外壳直接变形了。这种数据不能用，白跑了500小时。
4.2 数据清洗与滤波：把脏数据挡在门外
台架跑出来的原始数据，那叫一个乱。电磁干扰、油压波动、温度瞬变……各种噪声混在里面。如果不做清洗，模型学到的全是噪声模式。
我的清洗流程一般分三步：
- 异常值剔除：用3σ原则或者IQR方法。轨压信号如果突然跳变超过正常范围的5倍，基本可以判定是传感器接触不良或者数据采集卡丢包。
- 缺失值处理：对于短时间（< 1秒）的缺失，用线性插值；长时间缺失，直接丢弃该段数据。
- 滤波降噪：这里我推荐使用中值滤波+低通滤波的组合。中值滤波对付尖峰噪声特别有效，低通滤波则能平滑掉高频振动。
下面是我常用的滤波代码片段，Python实现：
import numpy as np
from scipy.signal import medfilt, butter, filtfilt
def clean_pressure_signal(raw_signal, fs=10):
# 第一步：中值滤波，窗口大小5
median_filtered = medfilt(raw_signal, kernel_size=5)
# 第二步：低通滤波，截止频率0.5 Hz
b, a = butter(4, 0.5/(fs/2), btype='low')
clean_signal = filtfilt(b, a, median_filtered)
return clean_signal💡 小技巧：滤波器的截止频率怎么选？我一般先看轨压信号的功率谱密度。如果发动机怠速时轨压波动频率在0.1-0.3 Hz，那截止频率设在0.5 Hz就够用了。太高了滤不干净，太低了把真实信号也滤掉了。
4.3 特征工程：从原始信号里挖出老化指纹
数据洗干净了，接下来就是特征工程。这一步决定了模型能看到什么信息。说白了，轨压传感器的老化特征藏在哪些地方？
我总结了三类核心特征：
- 时域特征：均值、方差、峰峰值、均方根值。这些特征反映传感器输出信号的统计特性。随着老化，传感器的响应会变慢，方差会增大。
- 频域特征：通过FFT提取特定频段的能量。老化后，传感器在100-200 Hz频段的响应会衰减，这个我实测过多次。
- 动态特征：轨压从低到高变化的响应时间、超调量。老化传感器响应变慢，超调量也会变化。
举个例子，我曾在某项目中提取了32维特征，最后发现最有用的其实是三个：
| 特征名称 | 物理含义 | 老化趋势 |
|---|---|---|
| 零漂均值 | 轨压为0时的输出值 | 随老化逐渐增大 |
| 响应时间 | 从10%到90%满量程的时间 | 随老化逐渐变长 |
| 高频段能量比 | 100-200 Hz能量/总能量 | 随老化逐渐下降 |
关键提醒：特征不是越多越好。我见过有人提取了100多个特征，结果模型过拟合得一塌糊涂。记住，特征工程的目标是找到与老化强相关、且相互独立的特征。
4.4 归一化：让所有特征站在同一起跑线
归一化这一步，很多人觉得简单，其实最容易出问题。轨压传感器的输出范围可能是0-5V，而响应时间可能是几十毫秒，量纲完全不同。如果不归一化，模型会天然偏向数值大的特征。
我常用的归一化方法有两种：
- Min-Max归一化：将数据映射到[0,1]区间。适合数据分布比较均匀的情况。
- Z-score标准化：减去均值除以标准差。适合数据有异常值的情况。
这里有个坑：归一化的参数（最大值、最小值、均值、标准差）必须从训练集计算，然后应用到测试集。千万不能用整个数据集计算归一化参数，那会造成数据泄露，模型评估结果会虚高。
from sklearn.preprocessing import MinMaxScaler
# 正确做法：只从训练集学习参数
scaler = MinMaxScaler()
train_scaled = scaler.fit_transform(train_features)
test_scaled = scaler.transform(test_features) # 注意这里用transform，不是fit_transform⚠️ 我曾经犯过的错：有一次做寿命预测，我用全部数据计算了归一化参数，结果模型在验证集上精度高达98%。我当时还挺高兴，后来发现是数据泄露了。重新做了一遍，精度掉到82%，这才是真实水平。
知识体系总览
下面这张图是我自己整理的，把整个数据采集与预处理流程串起来了。你可以把它当作一个检查清单，做项目时对照着来。
好了，关于数据采集与预处理，我就讲这么多。记住，这部分工作虽然看起来琐碎，但它决定了后面所有建模工作的成败。我见过太多人急着调模型，结果数据没处理好，白白浪费了时间。
做传感器老化预测，耐心比聪明更重要。数据预处理做好了，模型自然就准了。