典型文献
ARIMA算法在工业控制器故障预测的应用
文献摘要：
提出了一种基于k-me doids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.
文献关键词：
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
中图分类号：
作者姓名：
冯剑;姚罕琦;黄啸虎;胡钦炫
作者机构：
浙江中控技术股份有限公司,浙江 杭州 310053
文献出处：
引用格式：
[1]冯剑;姚罕琦;黄啸虎;胡钦炫-.ARIMA算法在工业控制器故障预测的应用)[J].自动化仪表,2022(11):62-67
A类：
doids,硬件故障预测,ECS700
B类：
ARIMA,工业控制器,自回归积分滑动平均模型,每秒,CPU,管脚,电源电压,时值,特征向量,medoids,类聚,聚类中心,心向,阈值比较,中控,时序分析,工业智能
AB值：
0.255359
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
