转动设备是石化工业生产中的基础设施之一,广泛应用于石化生产中的各个环节,其运转的可靠性和稳定性直接影响石化企业生产的社会和经济效益。因此,充分利用转动设备的各种数据,及时发现转动设备的异常,对于石化企业生产具有重要的意义。本文针对国内石化企业中小型转动设备的故障预警方法准确性差,预警系统落后等问题,基于LSTM神经网络,提出了一种中小型石化转动设备故障预警方法。以此预警方法为基础,结合国内石化企业的实际业务流程和需求,开发了“石化转动设备故障预警系统”,主要研究内容和成果如下:(1)梳理分析了石化企业转动设备的巡检和预警业务,构建了相关业务流程模型及转动设备故障预警系统的功能模型,在此基础上完成了“石化转动设备故障预警系统”的系统架构设计、静态结构设计与数据库设计。(2)针对石化企业现有预警方法依赖人工经验、预警准确率低等问题,设计了一个基于LSTM的设备故障预警模型,并以此为基础提出了一种中小型石化转动设备故障预警方法。该预警方法利用滑动窗口将离散的转动设备运行状态参数、维修历史记录等信息转化为时序数据,并将其标准化后,通过LSTM网络从中提取设备异常的特征,最终使用sigmoid激活函数输出设备故障的概率。实验结果表明:该预警方法的异常样本召回率达到了76.06%,f2-score达到了 65.98%,较石化企业目前使用的预警方法更有效。(3)以系统总体设计和故障预警方法为基础,利用Web服务应用开发、AndroidApp开发等软件开发技术,完成了“石化转动设备故障预警系统”的详细设计与实现。该系统拥有数据采集、数据存储、数据查看、故障预警、预警方法自优化等功能,实现了巡检过程中对设备故障的超前预警,可辅助设备检修人员及时发现并排除设备异常。在青岛石化检修安装工程有限责任公司的实际应用结果表明,本文所开发的“石化转动设备故障预警系统”能够帮助石化企业更早发现设备异常,对提高转动设备的可靠性和稳定性,降低设备故障带来的风险与维保成本,实现设备由事后维修到预知性维修的转变等方面具有重要理论和现实意义。