文件结构

GLRDETECT/
├── batch_diagnosis.py          # 主脚本
├── residual_fault_table.json   # 残差故障表（必需）
├── GLR/                        # GLR模块目录
│   ├── glr_residual_diagnosis.py
│   ├── glr_detection.py
│   └── ...其他模块文件
└── 待处理的CSV文件目录/

运行方法

命令行运行

# 进入GLRDETECT目录
cd GLRDETECT

# 运行批量诊断脚本
python batch_diagnosis.py

数据处理流程

原始CSV数据
    ↓
数据加载和预处理
    ↓
时间数据过滤 (Time >= 5)
    ↓
根据正常时段数据进行robust_zscore标准化
    ↓
对每一列残差进行个性化阈值计算和缓存
    ↓
GLR检测执行
    ↓
相对决策值计算
    ↓
Time 150-300范围最大值提取作为threshold_multiplier
    ↓
动态阈值设置 (最大值的1/5)
    ↓
残差变化检测 (跟据每个残差最大GLR检测值与threshold_multiplier作比较，进而进行0/1标记)
    ↓
残差特征模式生成 (r1, r2, r3...)
    ↓
故障类型诊断和匹配
    ↓
结果输出和保存

输出结果说明

输出目录结构

batch_diagnosis_results/
├── batch_processing_summary.txt          # 批量处理摘要报告
├── batch_processing_summary.csv          # 批量处理摘要（CSV格式）
└── results_[文件名]_combined_results/    # 每个文件的处理结果
    ├── diagnosis_report.txt              # 故障诊断报告
    ├── fault_summary.csv                 # 故障摘要
    ├── Timeline_diagnosis.csv            # 时间序列诊断结果
    ├── residual_changes.csv              # 残差变化数据
    ├── max_anomaly_info.csv             # 最大异常信息
    └── relative_decision_functions.png   # 相对决策函数可视化图

主要输出文件说明（只需要看这些文件）

1. diagnosis_report.txt

• 基于最大异常残差特征的诊断: 核心诊断结果

  

• 故障诊断结果: 检测到的具体故障类型和置信度

  

• 置信度越高，故障诊断结果越可靠，并且允许‘或’的情况存在

• 置信度计算方法：

  置信度 = 匹配的残差数量 / 故障定义中要求的残差总数
  

2. 相对决策函数图 (relative_decision_functions.png)

• 可视化显示各残差的相对决策函数
• 帮助分析残差变化趋势和异常检测效果

补充

根据“正常数据段”(Time<early_threshold)确定的每列个性化阈值，用来把各列的 GLR 决策值标准化成“相对决策值”relative_decision = decision_function / threshold。 随后“残差变化”的判定不是直接用原始 GLR 值，而是比较 relative_decision 与一个“阈值倍数”threshold_multiplier：relative_decision > threshold_multiplier 即置1。 因而，正常段阈值的作用是提供一个“列间可比的标尺”，削弱量纲/幅值差异，使不同残差列在统一的相对尺度上做变化判定；这既影响普通逐时刻判定，也影响“最大异常残差特征”模式下的最大相对值与阈值倍数的设定。