4、特征工程：时域特征提取、频域特征提取与特征选择方法
大家好，我是你们的老朋友。今天我们来聊聊特征工程——这个在SOH评估中真正决定模型上限的环节。
说实话，我见过太多团队把精力全花在调模型上，结果效果就是上不去。为什么？因为原始数据里藏着大量噪声和冗余信息。你喂进去的是垃圾，模型吐出来的自然也是垃圾。特征工程，说白了就是帮数据“提纯”的过程。
4.1 时域特征提取：电压、电流、温度的统计量
时域特征，就是直接从时间序列里算出来的统计量。我个人习惯，先把电压、电流、温度这三条曲线画出来，肉眼扫一遍，心里就有数了。
常用的统计量包括：
- 均值：反映整体水平。比如充电过程中的平均电压，能间接看出电池的内阻变化。
- 标准差：衡量波动程度。我在项目中遇到过，老化严重的电池，电压波动会明显增大。
- 最大值/最小值：捕捉极端工况。比如放电末端电压跌得特别快，往往是SOH下降的信号。
- 峰度与偏度：描述分布形态。偏度能告诉你数据是左偏还是右偏，对异常检测很有用。
- 斜率：计算某段时间内的变化趋势。比如恒流充电阶段的电压上升速率，跟电池的极化内阻直接相关。
核心经验：不要一股脑把所有统计量都算出来。我建议先做相关性分析，把那些跟SOH相关系数低于0.3的特征直接扔掉。否则特征维度太高，模型容易过拟合。
举个例子，假设我们有一段恒流充电的电压数据：
import numpy as np
import pandas as pd
# 模拟一段充电电压数据（单位：V）
voltage = np.array([3.50, 3.52, 3.55, 3.58, 3.62, 3.65, 3.68, 3.72, 3.75, 3.78])
# 计算时域特征
features = {
'mean': np.mean(voltage),
'std': np.std(voltage),
'max': np.max(voltage),
'min': np.min(voltage),
'range': np.ptp(voltage),
'slope': (voltage[-1] - voltage[0]) / len(voltage)
}
print(pd.Series(features))
你看，就这么几行代码，就能把一段原始电压信号浓缩成几个关键数字。这些数字背后，其实就藏着电池健康状态的密码。
4.2 频域特征提取：FFT与小波变换
时域特征虽然直观，但有些信息它抓不住。比如电池内部的电化学反应，往往会在特定频率上表现出特征。这时候就需要频域分析登场了。
FFT（快速傅里叶变换）
FFT能把时域信号转换到频域，告诉你信号里包含哪些频率成分。我记得有一次做电池内阻分析，时域上看不出什么异常，但一跑FFT，发现某个频率段的幅值明显偏高——后来排查发现是接触不良导致的。
from scipy.fft import fft
# 对电压信号做FFT
N = len(voltage)
freq_domain = fft(voltage)
amplitudes = np.abs(freq_domain[:N//2]) # 取幅值
# 提取频域特征：主频、幅值均值等
main_freq = np.argmax(amplitudes) # 主频位置
mean_amplitude = np.mean(amplitudes)
小波变换
FFT有个缺点——它只能告诉你信号里有哪些频率，但不知道这些频率出现在什么时间。小波变换就解决了这个问题。它既能看频率，又能看时间，特别适合处理电池这种非平稳信号。
我曾经用db4小波对电池放电电压做分解，提取了高频细节系数。你猜怎么着？这些细节系数的能量值，跟电池的SOH居然有0.85以上的相关性。比直接用原始电压强太多了。
我的建议：如果数据量不大（比如只有几百个样本），优先用FFT，简单高效。如果数据量大且信号非平稳（比如实际跑车数据），小波变换是更好的选择。别问我怎么知道的——都是踩坑踩出来的。
4.3 特征选择方法：过滤式、包裹式、嵌入式
特征造了一大堆，接下来就是做减法。特征选择的目的，是去掉冗余和无关的特征，让模型更轻、更快、更准。
过滤式（Filter）
这种方法不依赖任何模型，纯粹靠统计指标来筛选特征。常用的有皮尔逊相关系数、卡方检验、互信息等。
- 优点：速度快，适合高维数据。
- 缺点：不考虑特征之间的交互作用。
我个人习惯先用过滤式做一轮粗筛，把明显没用的特征干掉。比如相关系数低于0.1的，直接扔掉，不心疼。
包裹式（Wrapper）
这种方法把特征选择当成一个搜索问题，用模型的性能来评价特征子集的好坏。典型的算法有递归特征消除（RFE）、前向选择、后向消除。
- 优点：考虑了特征之间的组合效果，效果通常更好。
- 缺点：计算量大，容易过拟合。
我在一个项目中用过RFE，每次迭代都训练一次模型，跑了整整一个晚上。但效果确实好，最终只保留了8个特征，模型精度反而提升了3%。
嵌入式（Embedded）
这种方法把特征选择嵌入到模型训练过程中。最典型的就是Lasso回归（L1正则化）和树模型的特征重要性。
- 优点：效率高，效果好。
- 缺点：依赖模型本身。
我现在做SOH评估，最常用的就是嵌入式方法。LightGBM训练完，直接看feature_importance，把重要性低于某个阈值的特征砍掉。简单粗暴，但真的管用。
避坑指南：我曾经犯过一个错误——用过滤式选完特征后，直接拿去训练模型，结果效果很差。后来才发现，过滤式选出来的特征虽然各自跟SOH相关，但它们之间高度共线。所以我现在都是过滤式+嵌入式结合使用，先粗筛再精筛。
4.4 本章知识体系总览
下面这张图，是我自己总结的特征工程全流程。你可以把它当成一个检查清单，做项目时对着走一遍，基本不会漏掉关键步骤。
嗯，这张图基本把特征工程的脉络理清了。从原始数据出发，先做时域和频域的特征提取，然后通过三种特征选择方法筛选出最优子集，最后喂给模型。每一步都有讲究，每一步也都有坑。
好了，这一章的内容就到这里。特征工程是个细活，急不得。你多花点时间在特征上，模型会回报你的。