基于ARIMA的往复式压缩机气缸振动故障预测.pdfVIP

第41卷第9期自动化仪表Vol.41No.9

2020年9月PROCESSAUTOMATIONINSTRUMENTATIONSep.2020

基于ARIMA的往复式压缩机气缸振动故障预测

刘喜梅，曲鹏程

（青岛科技大学自动化与电子工程学院，山东青岛266100）

摘要：以中国石油青岛石化厂的P301A往复式压缩机气缸的振动速度数据为研究对象，使用自回归积分滑动平均模型（ARIMA）,

对其振动故障进行了预测。首先，使用单位根检验法，对设备的振动数据进行序列平稳性判定;然后，对通过平稳性判定检验的数据

进行白噪声检验，绘制其自相关函数图及偏自相关函数图，并通过模型拟合确定最佳P、g参数值;最后，对序列进行预测，得到30组预

测数据。对比实际数据与预测数据,两者相差很小，说明该方法在往复式压缩机气缸振动故障上预测效果良好。该研究将大数据分

析与生产设备的故障预测相结合，相比于传统的设备参数在线监测来判断故障，在保证较高准确率的前提下可以提前预判设备故障，

极大地提高了技术人员的工作效率，减少了设备因故障所带来的损失。

关键词：往复式压缩机；故障预测；时间序列；自回归积分滑动模型；大数据；振动速度；化工设备

中图分类号：TH-45文献标志码：ADOI:10.16086/j.cnki.issn1000-0380.2019120021

PredictionofCylinderVibrationFaultofReciprocatingCompreor

BasedonARIMA

LIUXimei,QUPengcheng

(CollegofAutomationandElectronicEnginring,QingdaoUniversityofSciencandTechnology,Qingdao266100,China)

Abstract:TakingthvibrationvelocitydataofP301AreciprocatingcompressorcylinderinQingdaoPetrochemicalPlantof

PetroChinaasthresearchobject,thvibrationfailurofP301AreciprocatingcompressorcylinderispredictedbyusingARIMA.

Firstly,thunitroottestmethodisusedtodeterminthsequencstabilityofthvibrationdataofthequipment,andthenth

whitnoistestiscarriedoutforthdatapassingthstabilitytest.Thenthautoregressivfunctiondiagramandpartial

autoregressivfunctiondiagramardrawn,andthbestpandqparametersardeterminedbymodelfitting.Finally,thsequenc

ispredicted,and30groupsofpredictiondataarobtained.Comparedwiththactualdataandthpredicteddata,thdi