張嘉澍

摘 要 隨著科學(xué)技術(shù)的發(fā)展，電力系統(tǒng)自動(dòng)化的程度越來(lái)越高，對(duì)安全運(yùn)行的要求也越來(lái)越高，設(shè)備運(yùn)行狀態(tài)的監(jiān)測(cè)因此受到了前所未有的重視。在這種情況下，傳統(tǒng)的故障診斷技術(shù)已經(jīng)不能滿(mǎn)足現(xiàn)階段的要求，一旦電器發(fā)生故障將會(huì)造成巨大的經(jīng)濟(jì)損失和人員傷亡。對(duì)于家用電器來(lái)說(shuō)，故障的維護(hù)和診斷也是日益趨于復(fù)雜化。于是，如何讓對(duì)家用電器進(jìn)行有效的實(shí)時(shí)監(jiān)測(cè)與判別就成為了一個(gè)重要課題。在這個(gè)前提下，如果能夠達(dá)成目標(biāo)，將不僅僅能夠做到保護(hù)用戶(hù)的生命安全，同時(shí)能夠加強(qiáng)品牌的售后服務(wù)口碑，進(jìn)一步提高品牌的公信力，從而減輕了企業(yè)在其他方面的壓力。于是，我們借助某匿名電器商的一款家用電器的數(shù)據(jù)，運(yùn)用spss和matlab使用多元線(xiàn)性回歸的辦法對(duì)其進(jìn)行建模，從而得到能夠?qū)崟r(shí)監(jiān)測(cè)家用電器而達(dá)成我們目標(biāo)的辦法。

關(guān)鍵詞 家用電器；商業(yè)價(jià)值；多元線(xiàn)性回歸；相關(guān)性分析

中圖分類(lèi)號(hào) TM9 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2095-6363（2017）11-0018-02

首先，電器在復(fù)雜的工作環(huán)境中，會(huì)受到不同的溫度、濕度、高壓強(qiáng)以及異常人為影響因素的影響，我們的傳感器也容易在這種情況下產(chǎn)生異常數(shù)據(jù)。我們可以選用簡(jiǎn)單易行的spss軟件對(duì)數(shù)據(jù)進(jìn)行極端值和異常值的批量處理。在此之前，還可以在測(cè)量數(shù)據(jù)的環(huán)境中排除上述干擾來(lái)減輕工作量。

其次，根據(jù)在環(huán)境1和2中的不同數(shù)據(jù)，以及它們表現(xiàn)出來(lái)的故障與無(wú)故障結(jié)果，分別使用spss進(jìn)行數(shù)據(jù)的相關(guān)性分析來(lái)得到他們對(duì)故障判別的重要程度。同時(shí)，我們繼續(xù)對(duì)數(shù)據(jù)使用spss和matlab進(jìn)行多元線(xiàn)性回歸從而根據(jù)相關(guān)系數(shù)得到初步模型，隨后對(duì)環(huán)境A與B里的數(shù)據(jù)進(jìn)行檢驗(yàn)來(lái)基本確定模型的正確性。

同時(shí)，我們不成熟的模型或多或少會(huì)出現(xiàn)誤判的情況。因此，在失誤肯定會(huì)有一定幾率發(fā)生的情況下，將故障判斷為正常的錯(cuò)誤，因此，當(dāng)出現(xiàn)模型無(wú)法判斷出此電器為故障或正常的搖擺數(shù)據(jù)時(shí)，我們將嵌入相關(guān)的影響因子將此電器判定為故障，從而減少危險(xiǎn)事件的發(fā)生。

最后，對(duì)于不太成熟的模型，由于受到控制器計(jì)算能力的限制不太容易直接投入應(yīng)用，我們決定采用指令cache和數(shù)據(jù)cache分離的方法對(duì)模型進(jìn)行優(yōu)化從而顯著降低了模型的計(jì)算復(fù)雜度，使得模型向解決實(shí)際問(wèn)題的終點(diǎn)更近了一步。

1 模型的建立與求解

1.1 異常數(shù)據(jù)的解決

為了解決首要的問(wèn)題，同時(shí)為后續(xù)建模工作打下堅(jiān)實(shí)的基礎(chǔ)，我們決定使用spss來(lái)進(jìn)行剔除異常數(shù)據(jù)的工作。首先，我們進(jìn)行替換變量，因?yàn)槲淖謘pss無(wú)法識(shí)別，然后再整理排序表格，然后通過(guò)“分析”下“描述統(tǒng)計(jì)“下“頻率”的”繪制頻率表格，看圖找頻數(shù)出現(xiàn)最少的值和極大極小值，就可能是異常值。在這種模式下，我們對(duì)不同環(huán)境中的所有數(shù)據(jù)都進(jìn)行了異常數(shù)據(jù)的剔除。于是在以后的建模過(guò)程中，我們不再會(huì)受到異常數(shù)據(jù)的干擾。在解決了異常數(shù)據(jù)對(duì)建模分析的影響之后，以及在我們問(wèn)題假設(shè)的前提條件下，我們可以基本確保在今后的過(guò)程中不會(huì)再有異常數(shù)據(jù)的出現(xiàn)，從而避免了該因素對(duì)參數(shù)之間分析的影響，并且使得模型的準(zhǔn)確性更高。

1.2 相關(guān)性分析

我們?cè)趕pss中輸入數(shù)據(jù)以及分析，步驟1：我們生成變量，首先，打開(kāi)spss，之后點(diǎn)擊variable view標(biāo)簽，再進(jìn)行spss中生成97個(gè)變量同時(shí)刪除沒(méi)有數(shù)據(jù)的變量，將字符串?dāng)?shù)據(jù)變?yōu)閕nt數(shù)據(jù)。步驟2：輸入數(shù)據(jù)，將文件導(dǎo)入spss。步驟3：分析數(shù)據(jù)，在系數(shù)表格中觀察顯著性這一欄，其中<0.05的說(shuō)明其與結(jié)果有相

關(guān)性。

23 參數(shù)24 參數(shù)25 參數(shù)26 參數(shù)27 參數(shù)28 參數(shù)29 參數(shù)30 參數(shù)31 參數(shù)32 參數(shù)33 參數(shù)34 參數(shù)35 參數(shù)36 參數(shù)37 參數(shù)38 參數(shù)39 參數(shù)40 參數(shù)41 參數(shù)42 參數(shù)43 參數(shù)44 參數(shù)45 參數(shù)46 參數(shù)47 參數(shù)48 參數(shù)49 參數(shù)50

參數(shù)51 參數(shù)52 參數(shù)53 參數(shù)54 參數(shù)55 參數(shù)56 參數(shù)57 參數(shù)58 參數(shù)59 參數(shù)60 參數(shù)61 參數(shù)62 參數(shù)63 參數(shù)64 參數(shù)70 參數(shù)71 參數(shù)72 參數(shù)73 參數(shù)74 參數(shù)75 參數(shù)76 參數(shù)77 參數(shù)78 參數(shù)79 參數(shù)80 參數(shù)81 參數(shù)82 參數(shù)83 參數(shù)84 參數(shù)85 參數(shù)86 參數(shù)87 參數(shù)88 參數(shù)89 參數(shù)90 參數(shù)91 參數(shù)92 參數(shù)93 參數(shù)94 參數(shù)95 參數(shù)96。

1.3 判別重要程度以及模型的建立

根據(jù)系數(shù)表中B建立多元線(xiàn)性回歸函數(shù)，如此一來(lái)可以預(yù)測(cè)故障與否來(lái)得到了新的模型，并經(jīng)過(guò)檢驗(yàn)后可以很好的吻合附件二中的數(shù)據(jù)。

新的模型：Y=18123.432-317.641x1-1.847x2+10.149x3-0.256x4-0.514x5-0.751x6-3.017x7-56.779x9+29.657x10-112.526x11-910.814x43+608.334x72+1055.327x72-1055.327x73-313.793x77+16.478x80-29.747x83.

1.4 模型的誤判解決

我們的手段和分析都是基礎(chǔ)的，因此，建立的模型也比較容易出現(xiàn)誤判的現(xiàn)象。在這種情況下，如果故障的電器被判斷為正常，在實(shí)際中將會(huì)發(fā)生很?chē)?yán)重的問(wèn)題。所以說(shuō)我們寧愿將正常的電器判斷為故障，也不能讓故障的電器被判斷為正常。因此，我們將嵌入影響因子，如果發(fā)生當(dāng)前模型無(wú)法判定的情況，優(yōu)先將電器判斷為故障。

1.5 加入影響因子

加入循環(huán)校驗(yàn)碼CRC，即加入K個(gè)變量，通過(guò)給定的多項(xiàng)式，可以確定K個(gè)變量的值，循環(huán)冗余校驗(yàn)同其他差錯(cuò)檢測(cè)方式一樣，通過(guò)在要傳輸?shù)膋比特?cái)?shù)據(jù)D后添加（n-k）比特冗余位（又稱(chēng)幀檢驗(yàn)序列，F(xiàn)rame Check Sequence，F(xiàn)CS）F形成n比特的傳輸幀T，再將其發(fā)送出去。

校驗(yàn)碼格式

特別的，循環(huán)冗余校驗(yàn)提供一個(gè)預(yù)先設(shè)定的（n-k+1）比特整數(shù)P，并且要求添加的（n-k）比特F滿(mǎn)足：

T mod P==0 （1）

T= 2n-kD+F （2）

其中，要用到模二除法：模二運(yùn)算采用無(wú)進(jìn)位的二進(jìn)制加法，恰好為異或（XOR）操作。

由于我們最終目的是（1）式，根據(jù)（2）式，有

（2n-kD+F）/P=2n-kD/P+F/P （3）

現(xiàn)在，我們令

2n-kD/P=Q+R/P （4）

于是，我們有

（2n-kD+F）/P=Q+R/P+F/P （5）

由于采用無(wú)進(jìn)位的二進(jìn)制加法（等價(jià)于XOR操作），因此當(dāng)我們令F=R時(shí)，即T=2n-kD+R，有

（2n-kD+F）/P=Q+R/P+F/P=Q （6）

此時(shí)便有（1）式成立。

因此，利用模二加法可知，需要添加的幀檢驗(yàn)序列F為：

F=2n-kD modP （7）

通過(guò)這種方法我們可以有效的嵌入影響因子從而對(duì)模型進(jìn)行優(yōu)化。

1.6 降低計(jì)算復(fù)雜度

為了降低模型運(yùn)算過(guò)程中的復(fù)雜度以及一系列問(wèn)題，其中包括時(shí)間長(zhǎng)度、訪(fǎng)存時(shí)間、缺頁(yè)次數(shù)、CPU利用率。我們要進(jìn)行指令cache與數(shù)據(jù)cache分離，它可以幫助我們解決其中一個(gè)問(wèn)題。除此以外，還要增加快表TLB，這樣可以降低訪(fǎng)存次數(shù)。最后，還可以在CPU中采用多總線(xiàn)結(jié)構(gòu)，控制器則可以使用組合邏輯電路，同時(shí)使用精簡(jiǎn)指令集。

2 結(jié)論

運(yùn)用數(shù)學(xué)建模的相關(guān)知識(shí)，得到了一個(gè)簡(jiǎn)單的能夠?qū)υ擃?lèi)型家用電器進(jìn)行實(shí)時(shí)監(jiān)控的模型。這不僅大大地降低了家用電器在運(yùn)行過(guò)程中可能發(fā)生致命性問(wèn)題的幾率，同時(shí)還防止了小型故障轉(zhuǎn)化為重大故障而用戶(hù)不知情繼續(xù)使用的情況，從而側(cè)面減輕了家用電器售后服務(wù)的壓力。在這種情況下，我們的模型很好的加強(qiáng)了商業(yè)品牌售后服務(wù)和整體口碑，今后或許會(huì)有更加優(yōu)化的模型來(lái)深刻研究這個(gè)主題。

參考文獻(xiàn)

[1]茆詩(shī)松，程依明，濮曉龍.概率論與數(shù)理統(tǒng)計(jì)教程[M].北京：高等教育出版社，2011.

[2]楊桂元，朱家明.數(shù)學(xué)建模競(jìng)賽優(yōu)秀論文評(píng)析[M].合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2013.

[3]吳建國(guó)，等.數(shù)學(xué)建模案例精編[M].北京：中國(guó)水利水電出版社，2005.

[4]何曉群.多元統(tǒng)計(jì)分析[M].北京：中國(guó)人民大學(xué)出版社，2004.

[5]杜強(qiáng)，賈麗艷.SPSS統(tǒng)計(jì)分析從入門(mén)到精通[M].北京：人民郵電出版社，2011.