DTEmpower流化床故障诊断（分类预测）
背景
流化床是石油化工、煤化工等领域的核心反应装备，其内部气固两相流动复杂，工作状态受温度、压力、流量、物料特性等多因素耦合影响。运行过程中，床层可能出现堵塞、结块等异常工况，若不能及时识别并处置，将导致传热传质效率骤降、设备损坏甚至非计划停车，造成重大经济损失和安全风险。
传统流化床状态监控主要依赖操作人员经验和单一阈值报警，难以从多传感器信号的耦合变化中捕捉早期异常特征。通过数据建模，可以从温度、压力、流量等关键传感器数据中挖掘不同工况的特征模式，构建多分类状态识别模型，实现从"事后报警"到"事前预警"的转变，为流化床的稳定运行和智能运维提供数据驱动的决策支撑。
该数据集来自如图所示的流态化冷模实验装置，分布有四个压力传感器 P1、P2、P3、P4。该案例将根据四个压力传感器的读数，识别流化床的运行状态。
流化床故障诊断：背景
案例数据集
本案例包含训练数据和测试数据：
操作流程
案例功能点概述：
通过本案例操作，用户将学习和了解如何在 DTEmpower 中完成流化床故障诊断分类预测建模的完整流程，包括：
- 了解如何在项目中使用 PostgreSQL 数据库导入训练数据，为后续模型训练准备数据基础；
- 学习如何使用智能数据处理功能对数据进行预处理；
- 学习如何使用分类预测功能，以"缺陷"为目标列，使用自动机器学习模型进行训练；
- 了解如何查看模型评估结果，并通过准确率、特征重要性、ROC 曲线、混淆矩阵等信息判断模型效果；
- 了解如何将评估效果满足要求的模型进行部署；
- 学习如何使用已部署的模型对测试集数据进行类别预测，判断流化床的运行状态。
操作步骤
新建项目
在界面右上角点击【新建项目】按钮，弹出新建项目对话框，输入名称并点击【确定】。项目创建成功后，项目名称会显示在项目列表中。
流化床故障诊断：新建项目
导入训练数据
该案例不再导入本地数据，而使用 PostgreSQL 数据库。
流化床故障诊断：导入训练数据
配置好「数据源」和「数据库配置」，点击【创建】。
流化床故障诊断：导入训练数据
可以看到，数据总共有五列，前四列分别为四个传感器测试得到的数据，最后一列为目标标签。目标标签有”0”、“1”、“2”、“3”四类，分别对应正常、37.5% 堵塞、62.5% 堵塞、10% 结块的异常工况。
流化床故障诊断：导入训练数据
数据预处理
在「流程」画布中点击导入的数据，选择右侧的【智能数据处理】。
流化床故障诊断：数据预处理
训练数据中存在缺失值，需要先进行数据清洗。在对话框输入“清除空值”，回车，等待智能体运行结束。
流化床故障诊断：数据预处理
在「脚本」中可以查看智能体执行的脚本，点击【运行】。
流化床故障诊断：数据预处理
已删除 6 行包含缺失值的数据。
流化床故障诊断：数据预处理
流化床故障诊断：数据预处理
模型训练
回到「流程」画布，画布上将显示预处理后的数据。点击该数据，选择右侧的【分类预测】。
流化床故障诊断：模型训练
目标列名选择”缺陷“。专家模式需要用户自己选择算法，适合已有一定经验的用户。「自动机器学习」下，平台将根据所选模式自动完成算法筛选与参数配置，更适合初学者。「自动机器学习」有三种模式，此处选择「高性能模式」，用户也可测试其他不同模式的效果。点击【确认】。
流化床故障诊断：模型训练
可以在「训练配置」中查看各个目标类别的占比，「自动机器学习」模式下，默认会根据数据特征选择合适的算法，并根据数据量大小自动调整参数，以获得最佳的预测效果。一般无需额外参数配置，直接点击【训练】即可。
流化床故障诊断：模型训练
填写任务名称，并点击【训练】。
流化床故障诊断：模型训练
模型评估
可以看到准确率为 1，表明训练的模型在测试集上的准确率为 100%，即模型完美分类了所有样本。点击【查看详情】。
流化床故障诊断：模型评估
可在「特征重要性排序」中查看模型各个特征的重要性排序。可以看到传感器 1 的重要性最高，重要性越高，表示该特征在模型做出预测时贡献越大。该图可帮助理解模型主要依赖哪些变量进行判断，并辅助进行特征筛选、模型解释和业务分析。
流化床故障诊断：模型评估
ROC 曲线用于评估分类模型在不同阈值下的区分能力。ROC 曲线越靠近左上角，模型的区分能力越好。
流化床故障诊断：模型评估
混淆矩阵用于展示模型预测结果与真实结果之间的对应关系。横轴是预测结果，纵轴是真实标签，在对角线上的数字表示模型正确分类的样本数。侧边的数字则表示模型错误分类的样本数。
流化床故障诊断：模型评估
模型预测
点击右上角的【部署】，点击【确认】完成模型部署。
流化床故障诊断：模型预测
上传测试数据。选择 test 数据集。点击【创建】。
流化床故障诊断：模型预测
流化床故障诊断：模型预测
回到「流程」画布，可见部署的模型，点击该模型后，点击右侧的【预测】。
流化床故障诊断：模型预测
选择要使用的测试集，点击【确认】。
流化床故障诊断：模型预测
点击【运行】。
流化床故障诊断：模型预测
画布中将显示包含预测结果的数据。。
流化床故障诊断：模型预测
流化床故障诊断：模型预测
点击右上角【图表】，进行可视化绘图。选择「饼图」，将 prediction 拖拽至变量区域。可见，预测结果一共存在“0”、“1”、“2”、“3”四类。
流化床故障诊断：模型预测
在「指标」中，选择「计算非空值」。
流化床故障诊断：模型预测
饼图将展示预测结果的分布，用户将鼠标移至对应区域可以查看该类别对应的样本数和占比。
流化床故障诊断：模型预测
案例总结
流化床运行状态受多种因素影响，堵塞、结块等异常工况可能降低生产效率，并带来设备与安全风险。相比依赖人工经验或单一阈值，利用多传感器数据建立分类模型，有助于综合识别不同工况，为设备状态监测和故障诊断提供数据支持。
本案例使用 DTEmpower 对流化床四个压力传感器数据进行处理和建模，实现对正常、不同程度堵塞及结块工况的辅助识别，展示了数据库数据从导入、训练到部署预测的应用过程。该方法可为流化床异常状态识别和智能运维提供参考，实际应用时仍需结合现场工况、传感器数据和运行环境进行验证与优化。