特征工程：从原始数据到高价值特征
各位同学，欢迎来到第四讲。前面我们聊了数据怎么来、怎么清洗，但说实话，原始数据就像一堆没加工的矿石——你得提炼才有价值。特征工程，就是干这个的。
我个人习惯把特征分成四大类：时域的、频域的、统计的，还有基于物理模型的。这四类特征组合起来，基本能覆盖风机载荷预测的绝大部分场景。咱们一个一个来看。
4.1 时域特征：最直观的信号描述
时域特征，说白了就是看信号随时间怎么变。你想想看，风机叶片上的载荷信号，本质上就是个时间序列。我们最常用的三个指标：均值、方差、峰值因子。
均值（Mean）
均值反映的是信号的直流分量。在风机载荷里，均值通常对应着稳态风载。比如叶片挥舞弯矩的均值，基本就代表了当前风速下的平均受力。
计算公式：
μ = (1/N) * Σ x_i其中 x_i 是采样点，N 是窗口长度。
我在项目中遇到过一个问题：有个风场的载荷报警老是误报。查了半天，发现是均值窗口设得太短了，把阵风波动也算进去了。后来把窗口从1秒拉到10秒，误报率直接降了80%。
方差（Variance）
方差衡量的是信号围绕均值的波动程度。载荷波动越大，方差越大。这对疲劳载荷评估特别重要——波动大的信号，更容易让材料产生疲劳裂纹。
小技巧： 我建议用标准差（方差的平方根）代替方差做特征，因为量纲和原始信号一致，更容易解释。
峰值因子（Crest Factor）
峰值因子 = 峰值 / 有效值。这个指标专门用来捕捉冲击性载荷。比如叶片遇到极端阵风时，峰值因子会突然飙升。
# Python 计算峰值因子
import numpy as np
def crest_factor(signal):
peak = np.max(np.abs(signal))
rms = np.sqrt(np.mean(signal**2))
return peak / rms注意： 峰值因子对异常值非常敏感。如果传感器有毛刺噪声，记得先做滤波。我曾经吃过这个亏，一个坏掉的传感器让整个模型的预测偏差大了30%。
4.2 频域特征：藏在频率里的秘密
时域特征只能看到信号的整体统计量，但有些信息是藏在频率里的。比如叶片通过频率（1P、3P）、塔筒共振频率，这些在时域里根本看不出来。
FFT频谱
快速傅里叶变换（FFT）能把时域信号转换到频域。每个频率点上的幅值，就代表了该频率成分的能量大小。
# FFT 频谱计算
from scipy.fft import fft, fftfreq
def get_spectrum(signal, fs):
n = len(signal)
fft_vals = fft(signal)
freqs = fftfreq(n, 1/fs)
# 只取正频率部分
positive_freqs = freqs[:n//2]
magnitude = np.abs(fft_vals[:n//2]) * 2 / n
return positive_freqs, magnitude我记得有个项目，风机在8m/s风速时塔筒振动异常。时域信号看着就是正常的正弦波，但一做FFT，发现0.5Hz附近有个明显的尖峰——那是塔筒的固有频率被激发了。后来调整了控制策略，问题就解决了。
功率谱密度（PSD）
PSD 比 FFT 更进一步，它描述的是信号功率在频率上的分布。对于随机载荷（比如湍流风引起的载荷），PSD 比 FFT 更稳定、更有物理意义。
常用方法： Welch 法。把信号分段、加窗、做FFT、再平均。这样得到的PSD估计方差小，更可靠。
from scipy import signal
freqs, psd = signal.welch(
signal_data,
fs=50, # 采样频率50Hz
nperseg=1024, # 每段1024个点
window='hann' # 汉宁窗
)4.3 统计特征：高阶矩的魅力
均值和方差只能描述信号的一阶和二阶特性。但载荷信号往往是非高斯的——它有厚尾、有偏斜。这时候就需要高阶统计量了。
偏度（Skewness）
偏度衡量的是信号分布的不对称性。正偏度意味着右尾更长，负偏度则相反。在风机载荷里，偏度能反映极端载荷的方向性。
举个例子：叶片挥舞弯矩的偏度如果是正的，说明向塔筒方向的极端载荷更多。这对塔筒安全评估很有价值。
峭度（Kurtosis）
峭度衡量的是信号分布的"尖峭"程度。正态分布的峭度是3。峭度大于3，说明信号有更多的极端值——也就是"厚尾"分布。
我的经验： 峭度是故障检测的好帮手。轴承早期故障时，振动信号的峭度会明显升高。我在一个齿轮箱故障诊断项目里，就是用峭度作为早期预警指标，提前两周发现了问题。
from scipy.stats import skew, kurtosis
skewness = skew(load_signal)
kurt = kurtosis(load_signal, fisher=True) # Fisher定义，正态分布为04.4 基于物理模型的特征：让数据说话，也让物理说话
纯数据驱动的特征有个问题：它不知道物理规律。而风机载荷是受物理定律约束的。把物理模型引入特征工程，往往能事半功倍。
叶尖速比（Tip Speed Ratio, TSR）
叶尖速比 = 叶尖线速度 / 风速。这是风力机最核心的无量纲参数之一。它直接决定了风轮的运行状态——是失速、最优、还是过速。
计算公式：
λ = ω * R / V其中 ω 是风轮转速（rad/s），R 是风轮半径（m），V 是风速（m/s）。
最优叶尖速比通常在7-9之间。低于这个范围，叶片容易失速；高于这个范围，推力会急剧增加。我建议把TSR作为一个关键特征输入到载荷预测模型里——它比单独用风速或转速要稳定得多。
推力系数（Thrust Coefficient, Ct）
推力系数描述的是风轮从风中提取能量的效率。它和叶尖速比、桨距角都有关系。
# 推力系数近似计算（基于BEM理论简化版）
def thrust_coefficient(tsr, pitch_angle):
# 这是一个经验公式，实际项目中需要查表或BEM计算
ct = 0.5 * (1 + np.cos(2 * (tsr - 8) / 10))
return np.clip(ct, 0, 1)注意： 推力系数不是常数。不同风速、不同桨距角下，Ct 变化很大。我见过有人直接用固定Ct值做载荷预测，结果模型在低风速段完全失效。一定要把Ct作为动态特征来处理。
4.5 特征组合与选择
好了，现在我们有了一大堆特征。但特征不是越多越好。我个人的经验是：
- 时域特征：适合做稳态工况的载荷评估
- 频域特征：适合做共振分析和疲劳载荷评估
- 统计特征：适合做异常检测和早期故障预警
- 物理特征：适合做跨工况泛化，让模型更鲁棒
实际项目中，我通常先用物理特征（TSR、Ct）做基础，再补充时域和频域特征。统计特征作为辅助，只在需要检测异常时才加入。
一个实用的特征组合：
| 特征类别 | 推荐特征 | 适用场景 |
|---|---|---|
| 时域 | 均值、标准差、峰值因子 | 稳态载荷评估 |
| 频域 | 1P/3P幅值、PSD低频段能量 | 共振分析、疲劳 |
| 统计 | 偏度、峭度 | 异常检测 |
| 物理 | 叶尖速比、推力系数 | 跨工况泛化 |
4.6 本章知识体系
下面这张图总结了本章的核心逻辑。你可以看到，四类特征从不同角度描述了载荷信号，最终汇聚到载荷预测模型中。
嗯，以上就是特征工程的核心内容。四类特征各有各的用处，关键是根据你的具体问题来选。别贪多，也别太少——找到那个"甜点"区域，模型效果自然就上去了。
公众号:蓝海资料掘金营，微信deep3321