基于机器学习的大型挤压造粒机组故障诊断预测技术研究

Research on fault diagnosis and prediction technology of large extrusion granulator based on machine learning

大型挤压造粒机是石油化工类企业的核心设备,每年由于其突发运行故障造成的非计划停车,给相关企业带来巨大的经济损失,如何及早的对故障进行诊断和预测,避免非计划停车,是设备管理的首要目标,而由于挤压造粒机组结构复杂,故障原因涉及齿轮箱、螺杆、轴承、电机、油液等多方面因素,对其故障的诊断和预测一直是石化类企业管理的痛点和难点。目前常规的管理手段是设备的运行状态监控与人工巡检相结合,但受限于监控数据的不完整性、人工巡检的滞后性以及人工经验的有限性,对设备故障的在线诊断和预测一直未取得明显的效果。随着计算机算力、大数据、人工智能等技术的发展,通过机器学习的方式对设备故障进行在线诊断预测成为业内公认的研究方向,本文即以挤压造粒机组的机理模型为基础,研究基于机器学习的故障诊断及预测技术,并结合某石化企业的实际运行数据进行验证,为相关研究成果的实际应用奠定基础。