矿山机电设备运行大数据应用研究

韩章明

冀中能源股份有限公司盛鑫煤业有限责任公司 内蒙古鄂尔多斯 017000

大数据技术在矿山领域的应用起步不久，发展势头较好，但是大数据技术应用总体还处于发展初期，本文以煤炭洗选加工为研究背景，以机电设备运行状态数据采集为切入点，提出了基于多传感器和LoRaWAN远程接入网设计数据采集系统，通过构建云计算服务中心的技术方案，详细阐述了矿山大数据技术平台的构建和数据处理流程，对机电设备工作数据和其它各类数据进行分析和研究，以机电设备运行数据采集源为例，对大数据分析做了一些尝试，并对存在的问题作了简要说明，为矿山大数据应用起到一个抛砖引玉的推动作用[1]。

1 矿山机电设备管理中存在的问题

在我国的矿山生产过程当中，机电设备得到了大规模应用。为了保障矿山生产的效率，就必须对这些机电设备进行有效管理，使其能够在生产过程当中正常运行，减少相关的安全隐患，提升生产安全性。但是从目前的发展状况来看，相关工作人员虽然进行了机电设备管理工作，但是并没有达到应有的效果。在设备管理的过程当中仍存在一些问题，需要管理人员进行优化改善，提高管理工作的效率。我国的矿山机电设备管理工作存在着管理理念不先进的问题，我国矿山机电设备管理工作人员对于设备管理工作并不重视，其管理的理念较为落后。在实际的管理工作当中，只是简单地对设备进行检查，并没有将机电设备管理工作放在重要的位置上，这就导致了设备管理工作人员对机电设备的管理认识不到位，降低了机电设备管理的效果，不利于矿山开采过程当中对机电设备的使用。相对于国外的机电设备管理而言，我国的机电设备管理理念还需要进一步提升，让管理工作人员高度重视机电设备管理工作，不断引进国外先进的经验，学习先进的管理理念和管理技术，从而提升机电设备的管理效果。我国矿山机电设备的管理工作人员也存在个人综合素养不足的问题。

2 矿山机电设备运行大数据应用

2.1 云计算服务应用系统

矿山云计算服务平台采用大数据分布式集群技术，基于Hadoop和NoSQL技术为构建大数据计算平台体系，实现海量数据的高效处理与存储。以机电设备状态数据应用为例说明大数据应用系统，基于对机电设备温度、振动、电机电流、启动装置功率等实时状态数据采集，构成统一的IPO（Input－Process－Output）运行模式，设备状态数据采集系统产生并积累海量原始数据，这些数据包括参数变化和工况变化规律，结合运维信息数据库，利用大数据技术研究设备故障诊断模型和判据，对存储的海量数据，在线或离线方式进行数据挖掘与分析，实现机电设备故障诊断、可靠性和稳定性评估、故障类型分析和预测预警等。依据机电设备故障和隐患预测预警，建立应急实时联动机制，实现维护和管理人员的实时移动报警提醒，通过可视化显示技术及时对外发布，实现机电设备实时健康状态显示和调度服务。应用系统功能模块有：系统配置、数据存储与信息查询、故障诊断与预测、健康度评估、危险度评估等。

2.2 大数据分析技术

大数据分析的核心涉及模型建立和算法应用二个方面，这二方面也是矿山大数据技术应用的关键和难点所在。矿山机电设备大数据动态监测与诊断系统是矿山大数据分析平台的核心应用系统[2]。基于大数据技术，以矿山各类各型设备生产规范规程为依据，结合综合自动化、在线监测以及矿山生产日常获取的动态和静态数据开展数据分析，利用设备状态、运行环境等海量多源数据进行深度融合分析，实现设备状态评估、故障诊断和预测预知，提高对矿山机电设备科学管理和使用寿命。矿山大数据分析的基础是海量数据采集和存储，通过传感器和LoRa远程传输平台构建的机电设备状态数据采集系统采集海量数据，结合监控、环境、管理和各类日志数据的获取，通过ETL的各种数据处理工具，整理合并归整填补后统一存储在云服务中心。大数据分析需构建数据分析模型，可以构建3类分析模型：一是通过关联分析、时间序列分析、回归分析、多维统计分析、聚类等方法分析各类状态数据，发现它们之间的关联关系及变化规律，建立历史知识模型；二是通过多维统计和挖掘分析的手段，构建设备状态评价、故障诊断和预测预知模型；三是随着认知的深入，通过智能学习和迭代，对各类模型（状态评价和故障诊断模型）进行修正、补充和完善。针对机电设备，应用系统设计了设备动态诊断及风险评估预控、重大危险源预测预警、设备寿命预测评估、生产加工效能评估决策等主要模块，依据各自特点建立相应分析模型，采用回归树算法、贝叶斯算法、决策树算法等多类算法进行解算处理。以机电设备振动信号采集为例来分析研究，机电设备故障很大部分原因是由于振动造成的，在分析模型中主要考虑对采集的振动信号进行时域和频域分析，通过计算出绝对均值、偏态指标、峰值、有效值等多个特征指标来开展评价分析。对正常状态和待评估状态的振动信号进行预处理，各计算得出多参数特征指标，利用投影寻踪法对正常状态的特征指标进行投影，实现早期故障预警和预知维护的功能。

2.3 煤矿机电设备健康智能化关键技术

智能化矿上充分运用物联网、大数据以及云计算等技 术，从而可以构建良性智能化工作平台，能够有效地提高矿 山智能化水平，同时也可以推动煤矿智能化健康管理。

（1）基于互联网+的物联网平台。智能化矿山可以借助互联网以及物联网实现数据的传输以及采集，能够较好地促进智能化煤矿开采的稳定性。与此同时，该物联网必须借助各种协调系统实现对各个子系统进行综合管理，同时可以对各个生产工艺进行协调，进而可以将矿下的信息实施传输给井上的工作人员，最大限度的提高了作业人员的安全性。

（2）大数据处理及人工智能技术。在对煤矿进行开采的过程中，往往出现各种作业面狭小以及设备拥挤的现象，因此在作业时将会产生大量的数据，最终导致信息处理与管理方面带来困难。由此可以看出，智 能化煤矿设备在开采的过程中，能够借助大数据技术对传感器传输的数据进行全面的分析与处理，从而可以找到数据所反映的问题，进而能够对开采工艺进行优化。通常情况下，采煤工作面所对应的数据包括如下几个：第一，采煤工作时的速度、倾斜角以及截割阻力等；第二，对于刮板输送机而言，主要涉及链条的张力，运输速度以及支护阻力等。人工智能设备可以对大数据技术进行分析，并且可以依据数据结果找到最佳的分析策略，与此同时将数据以图表的形式展现给管理人员，因此可以起到智能化的效果。

2.4 洗选设备与数据采集传输

煤炭洗选设备在二化融合的推进下，朝着互联互通、自动诊断、无人值守的方向发展。选煤设备一般是指直接用于和辅助用于煤炭洗选的所有设备，如重介质旋流器、浮选机、浓缩机、加压过滤机等，以选煤机械为例，主要涉及分选、破碎、煤泥水处理、干燥、筛分、产品运输等设备，这些设备的显著特点是类型繁杂、设备多、连续生产、大型化、重型化和结构复杂。通常情况下，对设备故障诊断一般是在少量参数和数据的基础上，依赖专家的经验开展设备诊断，随着设备大型化、自动化的发展，设备状态监测数据爆发式增长，因此采用自动化监测手段对其工作参数监测是保障设备可靠安全运行的前提和基础，基于大数据分析可以评估设备故障状态，诊断发生原因，做到及时维护保养和维修，提高设备使用寿命。

煤炭洗选厂涉及电机、带式输送机、洗选设备、筛分设备、泵等多类型设备，洗选加工设备大多是大功率重型加工设备，往往对设备冲击很大，相对容易损坏[3]。洗选设备长期处在饱和运行状态，机械磨损、疲劳、振动、高温、过载、超重等多方面原因，导致设备中的零部件变形、破损和发生故障，如轴承、振动筛横梁断裂和损坏侧板，或者烧坏电机、减速器损坏、输送带变形和断裂等。通过分析研究，洗选设备故障诊断和预知维护涉及多类因素，主要有电机电流、CST启动装置功率、声音、振动和温度等，但以振动和温度影响最大，设备其它运行环境也会造成不同程度影响，如室温、粉尘、湿度、人员安全、原煤等。煤炭洗选设备运行状态监测对象主要包括电机、减速器、激振器等，设备的监测对象和监测点多，有的采样频率较高，而且需要持久连续不断地监测，因此产生大量的数据，通过对设备状态数据监测可为设备的运行和维护分析提供高价值数据。

设备状态数据采集系统基于LoRa远程低功耗通信技术开发，采用LoRa国际联盟推出的LoRaWAN协议标准和系统架构。煤炭洗选厂规模一般都较大，涉及设备多，单设备所需监测点和参数对象多，设备布设在工厂各个角落，覆盖区域较广，通信环境比较复杂，特别是洗选设备大多是大功率设备，会产生各种无线干扰，煤炭洗选厂自然环境较差，各种粉尘和物品较多，因此对数据采集系统在数据传输和信号采集提出较高的要求。基于LoRa技术的远程数据采集系统具有远距离、大规模、低功耗、低成本和抗干扰性强、穿透性好的优势，这些技术优势恰恰是洗选厂设备监测系统所需。

2.5 知识库

建立基于大数据的在线故障诊断知识库。智能化网关采 集现场设备并将其写入数据库，当有设备发生故障时，就生 成故障信息单并保存在数据库中，其中，故障设备的型号、 状态详情（例如设备的电流电压信息）等关键信息会作为故 障原因知识库的输入信息，查询（预测）并推荐最有可能的 几种故障原因，默认选择可能性最大的故障原因。建立基于线下运维的故障诊断知识库。人员对设备进行日常巡检，如果设备状态正常，工作人员就扫码填写巡检单（保存在数据库中，包括巡检人员、巡检站点、巡检设备和巡检时间等）。如果设备出现异常状况，工作人员就手动填写 故障信息单，其中，故障原因可以是现有知识库根据填写的 相关数据调用故障原因进行默认选择，也可以是巡检人员进 行人工判断；故障处理结束后，拍摄现场处理图片，填写任务详情单（保存在数据库中，包括处理人、通知人、任务内 容、现场处理过程的图片文字标注、任务完成状况以及故障 原因等信息），根据现场故障的处理状况确认故障原因，填写完成并上传写入知识库。

3 结语

以矿山机电设备运行数据采集为切入点，采用多传感器基于LoRa物联网远程通信接入平台实现数据采集系统，实现了对矿山机电设备温度、振动等数据的实时采集，为矿山大数据提供了关键性数据。基于大数据技术研究矿山机电设备运行状态数据，提出了矿山大数据技术应用平台和数据处理流程，在云计算服务平台支持下，实现矿山机电设备各种异常状态和故障的预测与判别以及多参数之间相互关系的分析与预测，为大数据技术在矿山领域的应用提供借鉴。