Print

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

  • 1 ARMA模型
  •   1.1 模型定义
  •   1.2 模型定阶和参数估计
  •   1.3 模型检验与优化
  •   1.4 故障潜伏期界限值设定
  • 2 实验验证与分析
  •   2.1 实验数据
  •   2.2 平稳序列建模
  •     2.2.1 对序列进行平稳性检验和非白噪声检验
  •     2.2.2 模型定阶与参数估计
  •     2.2.3 模型检验
  • 3 残差序列分析
  •   3.1 对残差序列进行统计分析
  •   3.2 对残差进行K均值聚类
  • 4 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/2b23917a5adfc767c6937f71.html