王奎生

（中国石化青岛石油化工有限责任公司，山东青岛 266043）

0 前言

某石化公司生产的产品包括石脑油、船用燃料油、溶剂油、92#和95#车用汽油等近20种石油制品和化工产品；拥有生产设施装置共计21套，装置中转动设备779台，包括辐射进料泵、常底油泵、减底油泵等高温、高危、关键机泵80多台。由于班组操作人员数量逐年减少，而且装置运行要求达到“四年一修”甚至“五年一修”的标准，完全靠人工手动检测数据很难满足巡检频次和质量的要求。为了解决这一问题，公司于2012年上线运行了机泵状态监测与分析预警系统，不仅省却了人工巡回检测，而且设备状态的检测频次与质量也大大提高，从而保障了生产装置的安、稳、长、满、优运行。

随着系统的深入应用，系统原有的单一阈值报警算法缺陷日渐显现。为弥补阈值报警算法的不足，针对设备失效的渐进性与过程性，趋势报警是最好的弥补措施。虽然在状态监测领域多采用基于神经网络的智能诊断和预示方法，该方法具有逼近复杂非线性系统的能力和分类能力，但需要大量的典型故障数据样本和先验知识作为基础，知识库积累难度大、时间长，无法快速投入应用。然而以传感器所采集的海量数据为基础，使用统计学的方法探索、研究趋势报警识别算法，则是一个难度小、易于执行的方案。

1 系统简介与问题剖析

1.1 监测系统工作原理

机泵状态监测与分析预警系统是基于物联网技术，通过振动与温度二合一的无线传感器对设备状态进行自动监测、自动传输存储的监测预警系统。……