基于ARMA模型的在线油液监测故障预警研究

• 作者: 冯伟 李美威 谢小鹏 贺石中
• 来源期刊: 润滑与密封
• 学科: 工学
• 关键词: 故障检测 在线油液监测 ARMA模型 残差 故障潜伏期
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 开发应用
• 页码范围: 108-113
• 页数: 6页
• 分类号: TH117
• 字数: 3766字
• 语种: 中文
• DOI: 10.3969/j.issn.0254-0150.2019.12.019

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺石中	广州机械科学研究院有限公司设备状态检测研究所	42	239	8.0	14.0
2	谢小鹏	华南理工大学机械与汽车工程学院	119	716	14.0	20.0
3	冯伟	广州机械科学研究院有限公司设备状态检测研究所	25	134	6.0	10.0
4	李美威	华南理工大学机械与汽车工程学院	2	0	0.0	0.0