韓章明

冀中能源股份有限公司盛鑫煤業(yè)有限責(zé)任公司 內(nèi)蒙古鄂爾多斯 017000

大數(shù)據(jù)技術(shù)在礦山領(lǐng)域的應(yīng)用起步不久，發(fā)展勢(shì)頭較好，但是大數(shù)據(jù)技術(shù)應(yīng)用總體還處于發(fā)展初期，本文以煤炭洗選加工為研究背景，以機(jī)電設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)采集為切入點(diǎn)，提出了基于多傳感器和LoRaWAN遠(yuǎn)程接入網(wǎng)設(shè)計(jì)數(shù)據(jù)采集系統(tǒng)，通過(guò)構(gòu)建云計(jì)算服務(wù)中心的技術(shù)方案，詳細(xì)闡述了礦山大數(shù)據(jù)技術(shù)平臺(tái)的構(gòu)建和數(shù)據(jù)處理流程，對(duì)機(jī)電設(shè)備工作數(shù)據(jù)和其它各類(lèi)數(shù)據(jù)進(jìn)行分析和研究，以機(jī)電設(shè)備運(yùn)行數(shù)據(jù)采集源為例，對(duì)大數(shù)據(jù)分析做了一些嘗試，并對(duì)存在的問(wèn)題作了簡(jiǎn)要說(shuō)明，為礦山大數(shù)據(jù)應(yīng)用起到一個(gè)拋磚引玉的推動(dòng)作用[1]。

1 礦山機(jī)電設(shè)備管理中存在的問(wèn)題

在我國(guó)的礦山生產(chǎn)過(guò)程當(dāng)中，機(jī)電設(shè)備得到了大規(guī)模應(yīng)用。為了保障礦山生產(chǎn)的效率，就必須對(duì)這些機(jī)電設(shè)備進(jìn)行有效管理，使其能夠在生產(chǎn)過(guò)程當(dāng)中正常運(yùn)行，減少相關(guān)的安全隱患，提升生產(chǎn)安全性。但是從目前的發(fā)展?fàn)顩r來(lái)看，相關(guān)工作人員雖然進(jìn)行了機(jī)電設(shè)備管理工作，但是并沒(méi)有達(dá)到應(yīng)有的效果。在設(shè)備管理的過(guò)程當(dāng)中仍存在一些問(wèn)題，需要管理人員進(jìn)行優(yōu)化改善，提高管理工作的效率。我國(guó)的礦山機(jī)電設(shè)備管理工作存在著管理理念不先進(jìn)的問(wèn)題，我國(guó)礦山機(jī)電設(shè)備管理工作人員對(duì)于設(shè)備管理工作并不重視，其管理的理念較為落后。在實(shí)際的管理工作當(dāng)中，只是簡(jiǎn)單地對(duì)設(shè)備進(jìn)行檢查，并沒(méi)有將機(jī)電設(shè)備管理工作放在重要的位置上，這就導(dǎo)致了設(shè)備管理工作人員對(duì)機(jī)電設(shè)備的管理認(rèn)識(shí)不到位，降低了機(jī)電設(shè)備管理的效果，不利于礦山開(kāi)采過(guò)程當(dāng)中對(duì)機(jī)電設(shè)備的使用。相對(duì)于國(guó)外的機(jī)電設(shè)備管理而言，我國(guó)的機(jī)電設(shè)備管理理念還需要進(jìn)一步提升，讓管理工作人員高度重視機(jī)電設(shè)備管理工作，不斷引進(jìn)國(guó)外先進(jìn)的經(jīng)驗(yàn)，學(xué)習(xí)先進(jìn)的管理理念和管理技術(shù)，從而提升機(jī)電設(shè)備的管理效果。我國(guó)礦山機(jī)電設(shè)備的管理工作人員也存在個(gè)人綜合素養(yǎng)不足的問(wèn)題。

2 礦山機(jī)電設(shè)備運(yùn)行大數(shù)據(jù)應(yīng)用

2.1 云計(jì)算服務(wù)應(yīng)用系統(tǒng)

礦山云計(jì)算服務(wù)平臺(tái)采用大數(shù)據(jù)分布式集群技術(shù)，基于Hadoop和NoSQL技術(shù)為構(gòu)建大數(shù)據(jù)計(jì)算平臺(tái)體系，實(shí)現(xiàn)海量數(shù)據(jù)的高效處理與存儲(chǔ)。以機(jī)電設(shè)備狀態(tài)數(shù)據(jù)應(yīng)用為例說(shuō)明大數(shù)據(jù)應(yīng)用系統(tǒng)，基于對(duì)機(jī)電設(shè)備溫度、振動(dòng)、電機(jī)電流、啟動(dòng)裝置功率等實(shí)時(shí)狀態(tài)數(shù)據(jù)采集，構(gòu)成統(tǒng)一的IPO（Input－Process－Output）運(yùn)行模式，設(shè)備狀態(tài)數(shù)據(jù)采集系統(tǒng)產(chǎn)生并積累海量原始數(shù)據(jù)，這些數(shù)據(jù)包括參數(shù)變化和工況變化規(guī)律，結(jié)合運(yùn)維信息數(shù)據(jù)庫(kù)，利用大數(shù)據(jù)技術(shù)研究設(shè)備故障診斷模型和判據(jù)，對(duì)存儲(chǔ)的海量數(shù)據(jù)，在線(xiàn)或離線(xiàn)方式進(jìn)行數(shù)據(jù)挖掘與分析，實(shí)現(xiàn)機(jī)電設(shè)備故障診斷、可靠性和穩(wěn)定性評(píng)估、故障類(lèi)型分析和預(yù)測(cè)預(yù)警等。依據(jù)機(jī)電設(shè)備故障和隱患預(yù)測(cè)預(yù)警，建立應(yīng)急實(shí)時(shí)聯(lián)動(dòng)機(jī)制，實(shí)現(xiàn)維護(hù)和管理人員的實(shí)時(shí)移動(dòng)報(bào)警提醒，通過(guò)可視化顯示技術(shù)及時(shí)對(duì)外發(fā)布，實(shí)現(xiàn)機(jī)電設(shè)備實(shí)時(shí)健康狀態(tài)顯示和調(diào)度服務(wù)。應(yīng)用系統(tǒng)功能模塊有：系統(tǒng)配置、數(shù)據(jù)存儲(chǔ)與信息查詢(xún)、故障診斷與預(yù)測(cè)、健康度評(píng)估、危險(xiǎn)度評(píng)估等。

2.2 大數(shù)據(jù)分析技術(shù)

大數(shù)據(jù)分析的核心涉及模型建立和算法應(yīng)用二個(gè)方面，這二方面也是礦山大數(shù)據(jù)技術(shù)應(yīng)用的關(guān)鍵和難點(diǎn)所在。礦山機(jī)電設(shè)備大數(shù)據(jù)動(dòng)態(tài)監(jiān)測(cè)與診斷系統(tǒng)是礦山大數(shù)據(jù)分析平臺(tái)的核心應(yīng)用系統(tǒng)[2]?；诖髷?shù)據(jù)技術(shù)，以礦山各類(lèi)各型設(shè)備生產(chǎn)規(guī)范規(guī)程為依據(jù)，結(jié)合綜合自動(dòng)化、在線(xiàn)監(jiān)測(cè)以及礦山生產(chǎn)日常獲取的動(dòng)態(tài)和靜態(tài)數(shù)據(jù)開(kāi)展數(shù)據(jù)分析，利用設(shè)備狀態(tài)、運(yùn)行環(huán)境等海量多源數(shù)據(jù)進(jìn)行深度融合分析，實(shí)現(xiàn)設(shè)備狀態(tài)評(píng)估、故障診斷和預(yù)測(cè)預(yù)知，提高對(duì)礦山機(jī)電設(shè)備科學(xué)管理和使用壽命。礦山大數(shù)據(jù)分析的基礎(chǔ)是海量數(shù)據(jù)采集和存儲(chǔ)，通過(guò)傳感器和LoRa遠(yuǎn)程傳輸平臺(tái)構(gòu)建的機(jī)電設(shè)備狀態(tài)數(shù)據(jù)采集系統(tǒng)采集海量數(shù)據(jù)，結(jié)合監(jiān)控、環(huán)境、管理和各類(lèi)日志數(shù)據(jù)的獲取，通過(guò)ETL的各種數(shù)據(jù)處理工具，整理合并歸整填補(bǔ)后統(tǒng)一存儲(chǔ)在云服務(wù)中心。大數(shù)據(jù)分析需構(gòu)建數(shù)據(jù)分析模型，可以構(gòu)建3類(lèi)分析模型：一是通過(guò)關(guān)聯(lián)分析、時(shí)間序列分析、回歸分析、多維統(tǒng)計(jì)分析、聚類(lèi)等方法分析各類(lèi)狀態(tài)數(shù)據(jù)，發(fā)現(xiàn)它們之間的關(guān)聯(lián)關(guān)系及變化規(guī)律，建立歷史知識(shí)模型；二是通過(guò)多維統(tǒng)計(jì)和挖掘分析的手段，構(gòu)建設(shè)備狀態(tài)評(píng)價(jià)、故障診斷和預(yù)測(cè)預(yù)知模型；三是隨著認(rèn)知的深入，通過(guò)智能學(xué)習(xí)和迭代，對(duì)各類(lèi)模型（狀態(tài)評(píng)價(jià)和故障診斷模型）進(jìn)行修正、補(bǔ)充和完善。針對(duì)機(jī)電設(shè)備，應(yīng)用系統(tǒng)設(shè)計(jì)了設(shè)備動(dòng)態(tài)診斷及風(fēng)險(xiǎn)評(píng)估預(yù)控、重大危險(xiǎn)源預(yù)測(cè)預(yù)警、設(shè)備壽命預(yù)測(cè)評(píng)估、生產(chǎn)加工效能評(píng)估決策等主要模塊，依據(jù)各自特點(diǎn)建立相應(yīng)分析模型，采用回歸樹(shù)算法、貝葉斯算法、決策樹(shù)算法等多類(lèi)算法進(jìn)行解算處理。以機(jī)電設(shè)備振動(dòng)信號(hào)采集為例來(lái)分析研究，機(jī)電設(shè)備故障很大部分原因是由于振動(dòng)造成的，在分析模型中主要考慮對(duì)采集的振動(dòng)信號(hào)進(jìn)行時(shí)域和頻域分析，通過(guò)計(jì)算出絕對(duì)均值、偏態(tài)指標(biāo)、峰值、有效值等多個(gè)特征指標(biāo)來(lái)開(kāi)展評(píng)價(jià)分析。對(duì)正常狀態(tài)和待評(píng)估狀態(tài)的振動(dòng)信號(hào)進(jìn)行預(yù)處理，各計(jì)算得出多參數(shù)特征指標(biāo)，利用投影尋蹤法對(duì)正常狀態(tài)的特征指標(biāo)進(jìn)行投影，實(shí)現(xiàn)早期故障預(yù)警和預(yù)知維護(hù)的功能。

2.3 煤礦機(jī)電設(shè)備健康智能化關(guān)鍵技術(shù)

智能化礦上充分運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)以及云計(jì)算等技 術(shù)，從而可以構(gòu)建良性智能化工作平臺(tái)，能夠有效地提高礦 山智能化水平，同時(shí)也可以推動(dòng)煤礦智能化健康管理。

（1）基于互聯(lián)網(wǎng)+的物聯(lián)網(wǎng)平臺(tái)。智能化礦山可以借助互聯(lián)網(wǎng)以及物聯(lián)網(wǎng)實(shí)現(xiàn)數(shù)據(jù)的傳輸以及采集，能夠較好地促進(jìn)智能化煤礦開(kāi)采的穩(wěn)定性。與此同時(shí)，該物聯(lián)網(wǎng)必須借助各種協(xié)調(diào)系統(tǒng)實(shí)現(xiàn)對(duì)各個(gè)子系統(tǒng)進(jìn)行綜合管理，同時(shí)可以對(duì)各個(gè)生產(chǎn)工藝進(jìn)行協(xié)調(diào)，進(jìn)而可以將礦下的信息實(shí)施傳輸給井上的工作人員，最大限度的提高了作業(yè)人員的安全性。

（2）大數(shù)據(jù)處理及人工智能技術(shù)。在對(duì)煤礦進(jìn)行開(kāi)采的過(guò)程中，往往出現(xiàn)各種作業(yè)面狹小以及設(shè)備擁擠的現(xiàn)象，因此在作業(yè)時(shí)將會(huì)產(chǎn)生大量的數(shù)據(jù)，最終導(dǎo)致信息處理與管理方面帶來(lái)困難。由此可以看出，智 能化煤礦設(shè)備在開(kāi)采的過(guò)程中，能夠借助大數(shù)據(jù)技術(shù)對(duì)傳感器傳輸?shù)臄?shù)據(jù)進(jìn)行全面的分析與處理，從而可以找到數(shù)據(jù)所反映的問(wèn)題，進(jìn)而能夠?qū)﹂_(kāi)采工藝進(jìn)行優(yōu)化。通常情況下，采煤工作面所對(duì)應(yīng)的數(shù)據(jù)包括如下幾個(gè)：第一，采煤工作時(shí)的速度、傾斜角以及截割阻力等；第二，對(duì)于刮板輸送機(jī)而言，主要涉及鏈條的張力，運(yùn)輸速度以及支護(hù)阻力等。人工智能設(shè)備可以對(duì)大數(shù)據(jù)技術(shù)進(jìn)行分析，并且可以依據(jù)數(shù)據(jù)結(jié)果找到最佳的分析策略，與此同時(shí)將數(shù)據(jù)以圖表的形式展現(xiàn)給管理人員，因此可以起到智能化的效果。

2.4 洗選設(shè)備與數(shù)據(jù)采集傳輸

煤炭洗選設(shè)備在二化融合的推進(jìn)下，朝著互聯(lián)互通、自動(dòng)診斷、無(wú)人值守的方向發(fā)展。選煤設(shè)備一般是指直接用于和輔助用于煤炭洗選的所有設(shè)備，如重介質(zhì)旋流器、浮選機(jī)、濃縮機(jī)、加壓過(guò)濾機(jī)等，以選煤機(jī)械為例，主要涉及分選、破碎、煤泥水處理、干燥、篩分、產(chǎn)品運(yùn)輸?shù)仍O(shè)備，這些設(shè)備的顯著特點(diǎn)是類(lèi)型繁雜、設(shè)備多、連續(xù)生產(chǎn)、大型化、重型化和結(jié)構(gòu)復(fù)雜。通常情況下，對(duì)設(shè)備故障診斷一般是在少量參數(shù)和數(shù)據(jù)的基礎(chǔ)上，依賴(lài)專(zhuān)家的經(jīng)驗(yàn)開(kāi)展設(shè)備診斷，隨著設(shè)備大型化、自動(dòng)化的發(fā)展，設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)爆發(fā)式增長(zhǎng)，因此采用自動(dòng)化監(jiān)測(cè)手段對(duì)其工作參數(shù)監(jiān)測(cè)是保障設(shè)備可靠安全運(yùn)行的前提和基礎(chǔ)，基于大數(shù)據(jù)分析可以評(píng)估設(shè)備故障狀態(tài)，診斷發(fā)生原因，做到及時(shí)維護(hù)保養(yǎng)和維修，提高設(shè)備使用壽命。

煤炭洗選廠(chǎng)涉及電機(jī)、帶式輸送機(jī)、洗選設(shè)備、篩分設(shè)備、泵等多類(lèi)型設(shè)備，洗選加工設(shè)備大多是大功率重型加工設(shè)備，往往對(duì)設(shè)備沖擊很大，相對(duì)容易損壞[3]。洗選設(shè)備長(zhǎng)期處在飽和運(yùn)行狀態(tài)，機(jī)械磨損、疲勞、振動(dòng)、高溫、過(guò)載、超重等多方面原因，導(dǎo)致設(shè)備中的零部件變形、破損和發(fā)生故障，如軸承、振動(dòng)篩橫梁斷裂和損壞側(cè)板，或者燒壞電機(jī)、減速器損壞、輸送帶變形和斷裂等。通過(guò)分析研究，洗選設(shè)備故障診斷和預(yù)知維護(hù)涉及多類(lèi)因素，主要有電機(jī)電流、CST啟動(dòng)裝置功率、聲音、振動(dòng)和溫度等，但以振動(dòng)和溫度影響最大，設(shè)備其它運(yùn)行環(huán)境也會(huì)造成不同程度影響，如室溫、粉塵、濕度、人員安全、原煤等。煤炭洗選設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)對(duì)象主要包括電機(jī)、減速器、激振器等，設(shè)備的監(jiān)測(cè)對(duì)象和監(jiān)測(cè)點(diǎn)多，有的采樣頻率較高，而且需要持久連續(xù)不斷地監(jiān)測(cè)，因此產(chǎn)生大量的數(shù)據(jù)，通過(guò)對(duì)設(shè)備狀態(tài)數(shù)據(jù)監(jiān)測(cè)可為設(shè)備的運(yùn)行和維護(hù)分析提供高價(jià)值數(shù)據(jù)。

設(shè)備狀態(tài)數(shù)據(jù)采集系統(tǒng)基于LoRa遠(yuǎn)程低功耗通信技術(shù)開(kāi)發(fā)，采用LoRa國(guó)際聯(lián)盟推出的LoRaWAN協(xié)議標(biāo)準(zhǔn)和系統(tǒng)架構(gòu)。煤炭洗選廠(chǎng)規(guī)模一般都較大，涉及設(shè)備多，單設(shè)備所需監(jiān)測(cè)點(diǎn)和參數(shù)對(duì)象多，設(shè)備布設(shè)在工廠(chǎng)各個(gè)角落，覆蓋區(qū)域較廣，通信環(huán)境比較復(fù)雜，特別是洗選設(shè)備大多是大功率設(shè)備，會(huì)產(chǎn)生各種無(wú)線(xiàn)干擾，煤炭洗選廠(chǎng)自然環(huán)境較差，各種粉塵和物品較多，因此對(duì)數(shù)據(jù)采集系統(tǒng)在數(shù)據(jù)傳輸和信號(hào)采集提出較高的要求。基于LoRa技術(shù)的遠(yuǎn)程數(shù)據(jù)采集系統(tǒng)具有遠(yuǎn)距離、大規(guī)模、低功耗、低成本和抗干擾性強(qiáng)、穿透性好的優(yōu)勢(shì)，這些技術(shù)優(yōu)勢(shì)恰恰是洗選廠(chǎng)設(shè)備監(jiān)測(cè)系統(tǒng)所需。

2.5 知識(shí)庫(kù)

建立基于大數(shù)據(jù)的在線(xiàn)故障診斷知識(shí)庫(kù)。智能化網(wǎng)關(guān)采 集現(xiàn)場(chǎng)設(shè)備并將其寫(xiě)入數(shù)據(jù)庫(kù)，當(dāng)有設(shè)備發(fā)生故障時(shí)，就生 成故障信息單并保存在數(shù)據(jù)庫(kù)中，其中，故障設(shè)備的型號(hào)、 狀態(tài)詳情（例如設(shè)備的電流電壓信息）等關(guān)鍵信息會(huì)作為故 障原因知識(shí)庫(kù)的輸入信息，查詢(xún)（預(yù)測(cè)）并推薦最有可能的 幾種故障原因，默認(rèn)選擇可能性最大的故障原因。建立基于線(xiàn)下運(yùn)維的故障診斷知識(shí)庫(kù)。人員對(duì)設(shè)備進(jìn)行日常巡檢，如果設(shè)備狀態(tài)正常，工作人員就掃碼填寫(xiě)巡檢單（保存在數(shù)據(jù)庫(kù)中，包括巡檢人員、巡檢站點(diǎn)、巡檢設(shè)備和巡檢時(shí)間等）。如果設(shè)備出現(xiàn)異常狀況，工作人員就手動(dòng)填寫(xiě) 故障信息單，其中，故障原因可以是現(xiàn)有知識(shí)庫(kù)根據(jù)填寫(xiě)的 相關(guān)數(shù)據(jù)調(diào)用故障原因進(jìn)行默認(rèn)選擇，也可以是巡檢人員進(jìn) 行人工判斷；故障處理結(jié)束后，拍攝現(xiàn)場(chǎng)處理圖片，填寫(xiě)任務(wù)詳情單（保存在數(shù)據(jù)庫(kù)中，包括處理人、通知人、任務(wù)內(nèi) 容、現(xiàn)場(chǎng)處理過(guò)程的圖片文字標(biāo)注、任務(wù)完成狀況以及故障 原因等信息），根據(jù)現(xiàn)場(chǎng)故障的處理狀況確認(rèn)故障原因，填寫(xiě)完成并上傳寫(xiě)入知識(shí)庫(kù)。

3 結(jié)語(yǔ)

以礦山機(jī)電設(shè)備運(yùn)行數(shù)據(jù)采集為切入點(diǎn)，采用多傳感器基于LoRa物聯(lián)網(wǎng)遠(yuǎn)程通信接入平臺(tái)實(shí)現(xiàn)數(shù)據(jù)采集系統(tǒng)，實(shí)現(xiàn)了對(duì)礦山機(jī)電設(shè)備溫度、振動(dòng)等數(shù)據(jù)的實(shí)時(shí)采集，為礦山大數(shù)據(jù)提供了關(guān)鍵性數(shù)據(jù)?；诖髷?shù)據(jù)技術(shù)研究礦山機(jī)電設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)，提出了礦山大數(shù)據(jù)技術(shù)應(yīng)用平臺(tái)和數(shù)據(jù)處理流程，在云計(jì)算服務(wù)平臺(tái)支持下，實(shí)現(xiàn)礦山機(jī)電設(shè)備各種異常狀態(tài)和故障的預(yù)測(cè)與判別以及多參數(shù)之間相互關(guān)系的分析與預(yù)測(cè)，為大數(shù)據(jù)技術(shù)在礦山領(lǐng)域的應(yīng)用提供借鑒。