ARIMA算法在工业控制器故障预测的应用

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。