臭氧发生器的故障检测方法介绍

　　对于国内技术较为落后的臭氧发生器系统而言，若能找到隐藏于众多数据中的潜在联系并加以利用，将可大大提高生产效率。本文通过对臭氧发生器历史数据进行大量的数据挖掘工作，以对系统故障进行检测。

　　数据预处理是指在数据挖掘以前对数据进行的一些处理。现实环境中的数据大体上都是不完整、不一致的脏数据，无法直接进行数据挖掘，或挖掘结果不尽如人意。为了提高数据挖掘质量，发展出了数据预处理技术，其有多种方法，包括数据清理、数据集成、数据变换等。

　　臭氧发生器数据主要包含水路、气路的传感器数据和臭氧发生器电源及放电室的相关数据，由于数据来源于较为复杂的工业现场，海量数据中可能会存在测量仪器异常及通信线路干扰等产生的异常数据，这些异常数据与在臭氧发生器正常运行状态下映射关系是不同的。并且在工业现场臭氧发生器设备大部分时间均在正常情况下运行，因此会产生大量重复数据，这些数据我们统称为冗余数据，如果不将这些数据进行删除，会显著降低数据挖掘速度以及模型的准确度，因此在对数据进行挖掘前应根据数据集特征进行合理的预处理。

　　经过上述操作后可知每日设备数据量大多数相近，但也有一些时间段数据量显著低于其他时间，经过分析，该时间段服务器程序为关闭状态，导致并未储存当天的全部数据，但是由于每条数据均具有时间戳作为索引，对之后的数据特征分析和模型训练不会产生影响。并且经过去重复值操作后的数据减少比例，去除异常值之后的数据量变化较不明显，由此表明数据集中重复数据较多，而异常数据较为较少。而在去除未起振值后有两个时间段数据量几乎降至为零，经过查看工作日志发现该段时间设备出现硬件损坏，上传的数据多为调试时的未起振数据。