基于ARMA模型的在线油液监测故障预警研究

论文摘要

建立设备平稳状态下在线油液监测数据的自回归滑动平均(Auto Regression Moving Average,ARMA)模型,根据模型残差进行故障检测和预警。运用K均值将故障发生之前一段时间内的模型残差分类为平稳期和故障潜伏期,设定两类中心点的均值为残差界限值,越界即报警。运用实际的在线油液监测数据进行验证,结果表明:ARMA模型对在线监测数据有较好的拟合效果;设定残差界限值可有效提前报警,在设备进入故障潜伏期而未发生故障之前即可及时报警。

论文目录

文章来源

类型: 期刊论文

作者: 李美威,谢小鹏,冯伟,贺石中

关键词: 故障检测,在线油液监测,模型,残差,故障潜伏期

来源: 润滑与密封 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学

专业: 数学,机械工业

单位: 华南理工大学机械与汽车工程学院,广州机械科学研究院有限公司设备状态检测研究所

基金: 国家重点研发计划项目(2018YFB2001604),国机集团重大科技专项(SINOMAST-ZDZX-2017-01-05),国机智能战略技术专项(17300050)

分类号: O212.1;TH17

页码: 108-113

总页数: 6

文件大小: 579K

下载量: 256

相关论文文献

标签：故障检测论文;  在线油液监测论文;  模型论文;  残差论文;  故障潜伏期论文;