2022华中杯C题矿井提升机钢丝绳的缺陷分析思路讲解

第一自然段:介绍，大概看一下，用这个东西挖。

第二自然段：介绍了磁平衡检测缺陷的方法

以及相关测量判断结果：

场景：对于长960米的钢丝绳，提升10次。要求：对场景数据产生不同程度的噪声，找出所有缺陷的数量、程度和位置。

既然给了数据，我们来看看数字。如果打不开文件，会很尴尬。只需以文本的形式打开它：

数据似乎看不懂，所以看数据描述:

文件格式：
1号电压，2号电压，3号电压，4号电压，5号电压，6号电压，方向， 脉冲， 时间戳
1.61, 1.06, 0.97, 0.95, 0.98, 1.47, 1, 1, 102070423

有六个电压值，对应六根钢丝绳的数据。一行数据是一帧数据。第一列表示第一根绳子的电压值，第二列表示第二根绳子的电压值，…，第六列表示第六根绳子的电压值。

方向0代表下行，方向1代表上行。

基于第一个问题的结果，建立模型并给出钢丝绳性能安全评价方法。

大概是评价模型吧。

说到噪音，你必须先去噪音。你明白什么是数据噪音吗？噪声数据是指数据中存在错误或异常（偏离期望值）的数据，干扰数据分析。
让我们谈谈发动机噪声数据的原因，以便噪声数据的原因可能是硬件故障、编程错误、语音或光学字符识别程序(OCR)识别错误等。

方法如下：

1. 回归
2. 异常值检测
3. MAD 法
4. 箱型图分析
5. 聚类

回归方法：
如果变量之间在依赖关系，即y=f(x)，然后我们可以试着找到依赖关系f，从而根据x进行预测y，这也是回归问题的本质。实际上，更常见的假设是P(y)=N(f(x))，N是正态分布。假设y是观测值和噪音，如果我们能找到x和y它们之间的依赖关系可以根据x更新y的值来去除随机噪声，这就是回归去噪的原理。

异常值检测方法：
数据中可能有两种噪声，一种是随机误差，另一种是错误。例如，我们有一个学生的体重数据，其中一个是20KG，显然，这是一个错误。如果这个样本进入我们的训练数据，可能会对结果产生很大的影响，这也是去噪声中使用异常值检测的意义。

MAD 法：
MAD 又称为绝对值差中位数法。MAD 检测离群值的方法是先计算所有因素与平均值之间的距离总和。

箱型图分析:
箱型图提供了识别异常值的标准，即大于或小于箱型图设定的上下值为异常值，如下图所示

聚类：
将物理或抽象对象的集合分组成由类似对象组成的多个类别。找出并清除掉落在簇之外的值（孤立点），这被视为噪音。有很多聚类方法，这里不详细介绍，看看我的知乎。

以上方法都可以用来去除噪音。我不能说谁好谁坏。你可能只在网上看到一种方法。请不要局限于这样狭隘的想法。去除噪声后，可以清楚地看到主题要求，并根据噪声处理后的数据寻求相关结果。请随后更新知乎。你不能读它。

钢丝绳安全性能量化评价方法： 关键词，评价

以下是几种评价方法：

1. 综合评价之TOPSIS模型，又称优劣解距法。
2. 层次分析AHP模型
3. 灰色综合评价法
4. BP神经网络综合评价法

还请读者自行尝试，以上的评价方法，我的数模专栏只讲过2，3，更新文章确实费时间，大家自行选择尝试吧。