刘喜梅(1961—)，女，博士，教授，博士生导师，主要研究方向为智能控制、复杂系统的建模及优化控制、软测量技术，E-mail:;

曲鹏程(通信作者)，男，在读硕士研究生，主要研究方向为智能控制，E-mail:

0 引言

故障预测历来是设备安全保障中重要的一环。近年来，各种故障预测方法层出不穷，大致可归为两大类。一类是基于设备参数的在线监测，凭借专家系统经验或技术人员现场维护实现故障类型的诊断预警。另一类则是通过数据驱动预测，应用大数据技术对故障进行预警。

在设备参数监测方面，国内石化行业有着成熟的实践经验。如：①实时监测外输泵机组的油温、转速以及振动等参数，从而有效地对故障进行诊断[1]；②利用振动趋势、频谱图、时域波形图等分析手段，对参数进行实时监测，进而实现故障诊断预警[2]；③采用Internet传输形式，通过分析常用内燃机监测技术，最终实现内燃机的性能监测、故障诊断和油液在线分析[3]等。

在数据驱动预测方面，高帆等应用机器学习算法对设备运行大数据进行数据挖掘，建立专家知识库，获得与故障有关的诊断规则，实现了设备故障在线预警[4]。另外，模糊C均值聚类分析算法[5]、长短期记忆(long short-term memory,LSTM)网络[6]、支持向量机(support vector machine,SVM)[7]以及整合移动平均自回归模型(auto regressive integrated moving average model,ARIMA)算法在故障预测方面都有着不错的应用效果。其中，ARIMA算法在时间序列数据预测上有着广泛的应用。

黎瑜春提出了一种基于ARIMA和反向传播(back propagation，BP)神经网络的组合预测方法[8]。该组合预测算法分别对振动序列的线性相关部分和非线性相关部分进行预测，充分利用了各单一模型的优点，提高了预测精度。李志军等则结合核主成分分析(k principal components analysis,KPCA)方法，应用ARIMA算法，以田纳西-伊斯曼(tennessee eastman，TE)过程作为研究对象，得到了较为满意的预测效果[9]。刘颖等根据汽轮机典型故障构造模拟信号，建立其ARIMA预测模型，通过聚类分析得出标准信号及待测信号的特征向量，取得了很好的预测效果[10]。周建民等运用最小二乘法估计参数建立ARIMA模型，将轴承同工况与类工况下的数据输入已建立的ARIMA模型中，对轴承故障进行预测分析，效果良好[11]。

本文选取中国石油青岛石化厂P301A往复式压缩机的气缸振动数据，通过ARIMA算法，对其机械性能故障中的振动故障进行预测预警。

1 ARIMA算法

ARIMA算法来自BOX和Jenkins的著作《时间序列分析、预测和控制》。随着其在金融、证券、航空班次、设备故障预警方面的广泛应用，逐渐形成了一整套时间序列识别、估计、建模、预测及控制的理论和方法[12]。

1.1 基本介绍

ARIMA(p，d，q)算法基于时间序列数据进行预测，包括自回归(auto regressive,AR)模型、移动平均(moving average,MA)模型、自回归移动平均(auto regressive moving average,ARMA)模型、差分(integrated,I)运算。该算法的目的是将时间序列变为平稳序列。在获取到设备的振动数据后，对数据依次进行数据预处理、时间序列平稳，然后通过自相关函数(auto correlation function,ACF)与偏自相关函数(partial auto correlation function,PACF)寻找p、q最优值，建立模型、检验模型、模型预测。

ACF用来衡量yt与yt-k之间的相关性；PACF是在去除yt-1，yt-2,...，yt-k+1之后，衡量yt与yt-k之间的相关性。

1.2 模型结构

ARIMA(p，d，q)模型包括序列的平稳性处理与ARMA(p，q)模型预测。

①平稳性处理。

ARIMA算法要求所预测的时间序列必须是平稳序列。所谓平稳，就是要求经过样本时间序列得到的拟合曲线，在未来的一段时间内仍能按照现有的形态“惯性”延续。在数学表达上，就是其均值和方差不发生明显的变化。如果不平稳，则必须进行差分处理，使之变为平稳序列。具体处理过程如下。

式中：xt为t时刻数据；xt-1为t-1时刻数据；L为常数滞后算子；d为差分次数。

令wt=(1-L)dxt，此时，wt变为平稳序列。将变换后的时间序列wt代入ARMA模型中，即可进行预测。由于预测序列为差分变换后的序列，因此，在预测结束后要进行预测值还原。

②ARMA模型。

ARMA(p,q)模型可表述为：

式中：γi为自相关系数；θi为移动平均系数；p为自回归阶数；q为移动平均阶数；wt为当前值；μ为常数值；{εt}为白噪声，即误差值。

文章来源：《石油和化工设备》 网址: http://www.syhhgsb.cn/qikandaodu/2021/0301/616.html

上一篇：石油企业新时期维稳信访工作方式研究
下一篇：欢迎订阅年湿法冶金