ARIMA算法在工业控制器故障预测的应用

作者：冯剑; 姚罕琦; 黄啸虎; 胡钦炫

来源：自动化仪表, 2022, 43(11): 62-67.

DOI：10.16086/j.cnki.issn1000-0380.2021120034

• 自回归积分滑动平均模型
• k-medoids
• 故障预测
• 控制器
• 机器学习
• 时序分析
• 大数据
• 工业智能

提出了一种基于k-medoids算法的自回归积分滑动平均模型(ARIMA)的工业控制器硬件故障预测方法。首先，将控制器每秒的CPU电压、输入/输出(I/O)管脚电压、电源电压这3个特征的实时值作为1个特征向量，用k-medoids算法对每30 s的特征向量进行聚2类操作，求得聚类样本较多的那类聚类中心向量。接着，按照时序将获得的多个聚类中心特征向量作为学习样本，求得每个特征的ARIMA的p、d、q参数，并建立ARIMA。最后，采用每个特征的ARIMA预测其未来的值，并与其阈值比较，进行故障预测。使用一个嵌入了老化电阻的中控ECS700控制器，进行了24 h的试验。试验结果表明，该方法有效，为实现控制器故障预测提供了思路。