CN110889087A - 一种基于综采工作面的矿压大数据实时预测系统及方法 - Google Patents
一种基于综采工作面的矿压大数据实时预测系统及方法 Download PDFInfo
- Publication number
- CN110889087A CN110889087A CN201911035238.7A CN201911035238A CN110889087A CN 110889087 A CN110889087 A CN 110889087A CN 201911035238 A CN201911035238 A CN 201911035238A CN 110889087 A CN110889087 A CN 110889087A
- Authority
- CN
- China
- Prior art keywords
- pressure
- prediction
- probability
- support
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于综采工作面的矿压大数据实时预测系统及方法,涉及矿山压力技术领域,包括来压分析模块、统计计算模块、预测模块和显示模块,来压分析模块根据矿压大数据,分析支架工作循环,对工作面支架划分区域,进行工作面来压划分,计算支架处顶板的来压步距或稳定步距;统计计算模块用于统计支架位置顶板的全部稳定步距或来压步距,并拟合来压概率曲线;预测模块根据来压概率曲线预测支架处顶板来压概率,并预测顶板的来压强度;显示模块用于显示支架处及支护区域顶板来压预测结果,生产预测报表,包括单架分析预测综合图、区域分析预测综合图和矿压预测表等,其利用工作面支架矿压监测大数据准确预测开采矿压,从而指导顶板管理。
Description
技术领域
本发明涉及矿山压力技术领域,尤其是一种基于综采工作面的矿压大数据实时预测系统及方法。
背景技术
近年来,煤矿开采中,工作面自动化、信息化进程加快,尤其是综采工作面的自动化程度和信息化程度提升,带动了工作面的安全性和生产效率的提高。在综采工作面的开采过程中,由于受到顶板矿压影响,冒顶、压架等事故仍时有发生。另外由于反映综采工作面矿压的液压支架工作阻力监测设备日趋智能化,基于电液控制液压支架的非测站式支架工作阻力等监测系统,数据量大,工作面支架工作阻力监测已经进入大数据时代,但是对于监测数据的处理和应用明显不能满足监测数据处理的需求,而监测数据的挖掘对采煤生产过程中的顶板控制,以及顶板控制设计具有重要意义。
通常矿压监测分站每6s采集一个数,一台支架一天的数据量就达到14400条或更多,对于工作面海量的支架工作阻力等监测数据,目前并没有有效的手段进行深度的挖掘、处理,无法及时对工作面来压进行明确指示,传统的人工计算预测方法由于受到不同煤矿特定开采环境的影响,预测准确率低,耗时多,效率低。因此,充分利用监测到的大数据资源,实时提供工作面矿压规律预测结果,并及时指导生产,综采工作面矿压观测数据的处理,是综采工作面安全生产和顶板控制中亟需解决的问题。
发明内容
为了利用工作面支架矿压监测大数据准确预测开采矿压,从而指导顶板管理,本发明提供了一种基于综采工作面的矿压大数据实时预测系统及方法,具体技术方案如下。
一种基于综采工作面的矿压大数据实时预测系统,包括来压分析模块、统计计算模块、预测模块和显示模块;所述来压分析模块根据监测的矿压大数据,分析综采工作面液压支架工作循环,对工作面的支架划分区域,进行工作面来压划分,计算支架处顶板的来压步距或稳定步距;所述统计计算模块用于统计各支架位置顶板的全部稳定步距或来压步距,并拟合来压概率曲线;所述预测模块根据来压概率曲线预测支架处顶板来压概率,并预测顶板的来压强度;所述显示模块用于显示支架处及支护区域顶板来压预测结果,并生成预测报表,包括单架分析预测综合图、区域分析预测综合图和矿压预测表;所述来压分析模块接收来自综采工作面液压支架的监测数据,监测数据包括移架时间、移架路线、支架末阻力;来压分析模块对监测数据进行处理,处理后的数据由统计计算模块统计处理,预测模块根据统计计算模块统计处理的结果进行预测,计算区域的来压概率,预测结果数据传输至显示模块。
优选的,综采工作面液压支架设置有在线观测系统,工作面基本数据和液压支架监测数据通过数据接口导入来压分析模块。
为了解决煤矿工作面矿压规律预测不准,预测效率低下,以及预测结果无法及时指导生产的技术问题,提供了一种基于综采工作面的矿压大数据实时预测方法。
一种基于综采工作面的矿压大数据实时预测方法,利用上述的基于综采工作面的矿压大数据实时预测系统,步骤包括:
步骤一.获取矿压大数据,确定支架工作循环,提取支架有效工作阻力,进行区域划分和来压划分,计算支架处顶板的来压步距和稳定步距;
步骤二.统计所有稳定步距或来压步距,绘制柱状图,拟合来压概率曲线,更新来压概率曲线;
步骤三.计算支架处顶板来压概率,设定支架处顶板来压概率界限值,预测支架处顶板来压强度,计算各区域的来压概率,设定区域来压概率界限值,预测区域的来压强度;
步骤四.显示单架分析预测综合图、区域分析预测综合图和矿压预测表。
还优选的,步骤一中,具体是,从获取的矿压大数据中分析、筛选、提取移架时间点,确定支架的移架路线,提取支架末阻力;所述区域划分是沿工作面面长,以5~8个支架为1个区域,将工作面所有支架分别划分至各个区域,计算区域末阻力;所述来压划分是从获得的每个支架工作循环中提取末阻力,设定来压判定值,进行工作面来压划分,计算支架的来压步距和稳定步距。
还优选的,步骤二中,具体是,当前支架状态若为来压,则统计稳定步距;当前支架状态若为不来压,则统计来压步距;采用核密度估计算法计算采煤机割刀数及连续割刀后发生来压的概率,拟合来压概率曲线;随着统计数据的不断录入,更新来压概率曲线。
还优选的,步骤三中,具体是,根据统计计算模块更新的来压概率曲线,预测开采区域内任意位置割煤三刀后的来压概率;所述来压概率大于等于50%判断为来压,当来压概率小于50%判断为不来压;当判断为来压时,取支架前三个周期的来压强度平均值作为预测来压强度;当判断为不来压时,取前三个周期的稳定区间的来压强度平均值作为预测来压强度。
还优选的,步骤三中,具体是,各区域的来压概率是计算各区域内半数支架预测为来压的概率,当区域的来压概率大于等于50%判断为区域来压,当区域的来压概率小于50%判断为区域不来压;当判断为区域来压时,取区域前三个周期的来压强度平均值作为预测区域来压强度;当判断为区域不来压时,取区域前三个周期的稳定区间来压强度的平均值作为预测区域来压强度。
本发明的有益效果是,本发明对综采工作面生产过程中全部的矿压观测数据都进行了处理,数据分析根据合理,预测效率更高,并且拟合得到了来压概率曲线,从而预测任意位置的来压概率;划分区域通过区域内的支架预测来预测区域来压概率,预测的准确率更好;另外还可以将预测结果及时准确的显示。利用该方法还可以整合全部的矿压监测数据,自动总结矿压观测规律,实现对综采工作面回采过程的实时跟踪,随着采煤机和支架的推进,自动生成预测报告,指导工作面安全生产。
附图说明
图1为基于综采工作面的矿压大数据实时预测系统流程示意图;
图2为来压分析流程图;
图3为来压概率曲线求解流程图;
图4为预测支架处顶板来压强度流程图;
图5为预测区域处顶板来压强度流程图;
图6为某矿单架处顶板分析预测综合图;
图7为某矿区域分析预测综合图。
具体实施方式
结合图1至图7所示,本发明提供的一种基于综采工作面的矿压大数据实时预测系统及方法,具体实施方式如下。
一种基于综采工作面的矿压大数据实时预测系统其包括来压分析模块、统计计算模块、预测模块和显示模块,该系统中利用储存器存储计算机程序和统计数据,利用处理器用于执行计算机程序,实现各个模块的工作。来压分析模块根据监测的矿压大数据,矿压大数据是开采过程中对支架及顶板来压的观测数据集合,可以包括移架时间、移架路线、支架末阻力等。来压分析模块分析综采工作面液压支架工作循环,对工作面的支架划分区域,进行工作面来压划分,计算支架处顶板的来压步距或稳定步距。统计计算模块用于统计各支架位置顶板的全部稳定步距或来压步距,并拟合来压概率曲线,并且随着割煤的继续,不断更新来压概率曲线。预测模块根据来压概率曲线预测支架处顶板来压概率,并预测顶板的来压强度。显示模块用于显示支架处及支护区域顶板来压预测结果,并生成预测报表,包括单架分析预测综合图、区域分析预测综合图和矿压预测表。实现根据综采工作面支架矿压监测大数据预测开采过程中的来压强度,为煤矿顶板安全管理提供有效的参考。
综采工作面液压支架设置有在线观测系统,工作面基本数据和液压支架监测数据通过数据接口导入来压分析模块。其中,来压分析模块接收来自综采工作面液压支架的监测数据,监测数据包括移架时间、移架路线、支架末阻力;来压分析模块对监测数据进行处理,主要是进行分析、筛选、提取,处理后的数据由统计计算模块统计处理,预测模块根据统计计算模块统计处理的结果进行预测,计算区域的来压概率,预测结果数据传输至显示模块。
为了解决煤矿工作面矿压规律预测不准,预测效率低下,以及预测结果无法及时指导生产的技术问题,提供了一种基于综采工作面的矿压大数据实时预测方法。
一种基于综采工作面的矿压大数据实时预测方法,利用上述的基于综采工作面的矿压大数据实时预测系统,步骤包括:
步骤一.
获取矿压大数据,确定支架工作循环,提取支架有效工作阻力,进行区域划分和来压划分,计算支架处顶板的来压步距和稳定步距。
如图2所示,具体是,从获取的矿压大数据中分析、筛选、提取移架时间点,确定支架的移架路线,提取支架末阻力;区域划分是沿工作面面长,以5~8个支架为1个区域,将工作面所有支架分别划分至各个区域,计算区域末阻力;来压划分是从获得的每个支架工作循环中提取末阻力,设定来压判定值,进行工作面来压划分,计算支架的来压步距和稳定步距。
步骤二.
统计所有稳定步距或来压步距,绘制柱状图,拟合来压概率曲线,更新来压概率曲线。
步骤二中,如图3所示,具体是,当前支架状态若为来压,则统计稳定步距;当前支架状态若为不来压,则统计来压步距;采用核密度估计算法计算采煤机割刀数及连续割刀后发生来压的概率,拟合来压概率曲线;随着统计数据的不断录入,更新来压概率曲线。核密度估计算法是根据数据本身的特点、性质来拟合分布,这样能比参数估计方法得出更好的模型,核密度估计是非参数估计中的一种,基于数据集密度函数聚类算法提出修订的核密度估计方法。
步骤三.计算支架处顶板来压概率,设定支架处顶板来压概率界限值,预测支架处顶板来压强度,计算各区域的来压概率,设定区域来压概率界限值,预测区域的来压强度。
步骤三中,如图4和5所示,具体是,根据统计计算模块更新的来压概率曲线,预测开采区域内任意位置割煤三刀后的来压概率。来压概率大于等于50%判断为来压,当来压概率小于50%判断为不来压。当判断为来压时,取支架前三个周期的来压强度平均值作为预测来压强度;当判断为不来压时,取前三个周期的稳定区间的来压强度平均值作为预测来压强度。
各区域的来压概率是计算各区域内半数支架预测为来压的概率,当区域的来压概率大于等于50%判断为区域来压,当区域的来压概率小于50%判断为区域不来压。当判断为区域来压时,取区域前三个周期的来压强度平均值作为预测区域来压强度;当判断为区域不来压时,取区域前三个周期的稳定区间来压强度的平均值作为预测区域来压强度。
步骤四.显示单架的分析预测综合图、区域分析预测综合图和矿压预测表。
包括显示单个支架的分析预测综合图、区域的分析预测综合图和矿压预测表,单个支架的分析预测综合图及区域的分析预测综合图是左侧为历史区,中部为当前压力,右侧为预测区,人为设定等值线阈值,以支架末阻力为划分依据,将工作面所有支架及区域来压划分为不来压、明显来压、强烈来压及超强来压四个等级,并以不同颜色及图例显示,具体如图6和图7所示。其中图6和图7是基于综采工作面的矿压大数据实时预测方法在实际矿井中的应用,基于此说明该方法带来的可视化预测结果,根据预测结果可以更好的指导安全生产。矿压预测表是整合所有挖掘到的支架及区域压力有用数据,自动总结矿压规律,用以指导生产的报告。系统实时跟踪工作面回采,在每一割刀前,自动给出矿压预测报告,实时预测顶板压力状况,并对超强来压及强烈来压突出显示,对工作面生产进行预测。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (7)
1.一种基于综采工作面的矿压大数据实时预测系统,其特征在于,包括来压分析模块、统计计算模块、预测模块和显示模块;所述来压分析模块根据监测的矿压大数据,分析综采工作面液压支架工作循环,对工作面的支架划分区域,进行工作面来压划分,计算支架处顶板的来压步距或稳定步距;所述统计计算模块用于统计各支架位置顶板的全部稳定步距或来压步距,并拟合来压概率曲线;所述预测模块根据来压概率曲线预测支架处顶板来压概率,并预测顶板的来压强度;所述显示模块用于显示支架处及支护区域顶板来压预测结果,并生成预测报表,包括单架分析预测综合图、区域分析预测综合图和矿压预测表;
所述来压分析模块接收来自综采工作面液压支架的监测数据,监测数据包括移架时间、移架路线、支架末阻力;来压分析模块对监测数据进行处理,处理后的数据由统计计算模块统计处理,预测模块根据统计计算模块统计处理的结果进行预测,计算区域的来压概率,预测结果数据传输至显示模块。
2.根据权利要求1所述的一种基于综采工作面的矿压大数据实时预测系统,其特征在于,所述综采工作面液压支架设置有在线观测系统,工作面基本数据和液压支架监测数据通过数据接口导入来压分析模块。
3.一种基于综采工作面的矿压大数据实时预测方法,利用权利要求1或2所述的基于综采工作面的矿压大数据实时预测系统,其特征在于,步骤包括:
步骤一.获取矿压大数据,确定支架工作循环,提取支架有效工作阻力,进行区域划分和来压划分,计算支架处顶板的来压步距和稳定步距;
步骤二.统计所有稳定步距或来压步距,绘制柱状图,拟合来压概率曲线,更新来压概率曲线;
步骤三.计算支架处顶板来压概率,设定支架处顶板来压概率界限值,预测支架处顶板来压强度,计算各区域的来压概率,设定区域来压概率界限值,预测区域的来压强度;
步骤四.显示单架分析预测综合图、区域分析预测综合图和矿压预测表。
4.根据权利要求3所述的一种基于综采工作面的矿压大数据实时预测方法,其特征在于,所述步骤一中,具体是,从获取的矿压大数据中分析、筛选、提取移架时间点,确定支架的移架路线,提取支架末阻力;所述区域划分是沿工作面面长,以5~8个支架为1个区域,将工作面所有支架分别划分至各个区域,计算区域末阻力;所述来压划分是从获得的每个支架工作循环中提取末阻力,设定来压判定值,进行工作面来压划分,计算支架的来压步距和稳定步距。
5.根据权利要求3所述的一种基于综采工作面的矿压大数据实时预测方法,其特征在于,所述步骤二中,具体是,当前支架状态若为来压,则统计稳定步距;当前支架状态若为不来压,则统计来压步距;采用核密度估计算法计算采煤机割刀数及连续割刀后发生来压的概率,拟合来压概率曲线;随着统计数据的不断录入,更新来压概率曲线。
6.根据权利要求5所述的一种基于综采工作面的矿压大数据实时预测方法,其特征在于,所述步骤三中,具体是,根据统计计算模块更新的来压概率曲线,预测开采区域内任意位置割煤三刀后的来压概率;所述来压概率大于等于50%判断为来压,当来压概率小于50%判断为不来压;当判断为来压时,取支架前三个周期的来压强度平均值作为预测来压强度;当判断为不来压时,取前三个周期的稳定区间的来压强度平均值作为预测来压强度。
7.根据权利要求6所述的一种基于综采工作面的矿压大数据实时预测方法,其特征在于,所述步骤三中,具体是,各区域的来压概率是计算各区域内半数支架预测为来压的概率,当区域的来压概率大于等于50%判断为区域来压,当区域的来压概率小于50%判断为区域不来压;当判断为区域来压时,取区域前三个周期的来压强度平均值作为预测区域来压强度;当判断为区域不来压时,取区域前三个周期的稳定区间来压强度的平均值作为预测区域来压强度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911035238.7A CN110889087A (zh) | 2019-10-29 | 2019-10-29 | 一种基于综采工作面的矿压大数据实时预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911035238.7A CN110889087A (zh) | 2019-10-29 | 2019-10-29 | 一种基于综采工作面的矿压大数据实时预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110889087A true CN110889087A (zh) | 2020-03-17 |
Family
ID=69746561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911035238.7A Pending CN110889087A (zh) | 2019-10-29 | 2019-10-29 | 一种基于综采工作面的矿压大数据实时预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889087A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460643A (zh) * | 2020-03-26 | 2020-07-28 | 兖矿集团有限公司 | 采煤工作面支架支撑力分布云图表示方法、装置及系统 |
CN111681125A (zh) * | 2020-07-08 | 2020-09-18 | 神华神东煤炭集团有限责任公司 | 顶板压力计算方法、存储介质和电子设备 |
CN111678683A (zh) * | 2020-06-08 | 2020-09-18 | 中国矿业大学 | 煤矿智能化综采工作面顶板来压预测方法和装置 |
CN111828095A (zh) * | 2020-07-09 | 2020-10-27 | 郑州普泽能源科技有限公司 | 一种顶板来压动态预测方法 |
CN112836355A (zh) * | 2021-01-14 | 2021-05-25 | 西安科技大学 | 一种预测采煤工作面顶板来压概率的方法 |
CN113914928A (zh) * | 2021-09-06 | 2022-01-11 | 中煤科工开采研究院有限公司 | 煤矿综采工作面支架支护区域划分及精准支护方法 |
CN114912072A (zh) * | 2022-05-11 | 2022-08-16 | 中煤科工开采研究院有限公司 | 综采工作面压力预测方法、装置、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107559045A (zh) * | 2017-08-24 | 2018-01-09 | 中国矿业大学 | 煤矿井下工作面矿压预测预警系统及方法 |
CN109798149A (zh) * | 2019-01-28 | 2019-05-24 | 辽宁工程技术大学 | 一种坚硬顶板厚煤层采场来压强度分级预测方法 |
-
2019
- 2019-10-29 CN CN201911035238.7A patent/CN110889087A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107559045A (zh) * | 2017-08-24 | 2018-01-09 | 中国矿业大学 | 煤矿井下工作面矿压预测预警系统及方法 |
CN109798149A (zh) * | 2019-01-28 | 2019-05-24 | 辽宁工程技术大学 | 一种坚硬顶板厚煤层采场来压强度分级预测方法 |
Non-Patent Citations (3)
Title |
---|
屈世甲,李 鹏: "基于支架工作阻力大数据的工作面顶板矿压 预测技术研究" * |
庞军林;: "基于统计分析法的工作面来压预测研究" * |
赵吉玉: "基于支架工作阻力的工作面矿压显现规律自动分析技术研究" * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460643A (zh) * | 2020-03-26 | 2020-07-28 | 兖矿集团有限公司 | 采煤工作面支架支撑力分布云图表示方法、装置及系统 |
CN111460643B (zh) * | 2020-03-26 | 2023-12-19 | 兖矿集团有限公司 | 采煤工作面支架支撑力分布云图表示方法、装置及系统 |
CN111678683A (zh) * | 2020-06-08 | 2020-09-18 | 中国矿业大学 | 煤矿智能化综采工作面顶板来压预测方法和装置 |
CN111678683B (zh) * | 2020-06-08 | 2022-05-13 | 中国矿业大学 | 煤矿智能化综采工作面顶板来压预测方法和装置 |
CN111681125A (zh) * | 2020-07-08 | 2020-09-18 | 神华神东煤炭集团有限责任公司 | 顶板压力计算方法、存储介质和电子设备 |
CN111828095A (zh) * | 2020-07-09 | 2020-10-27 | 郑州普泽能源科技有限公司 | 一种顶板来压动态预测方法 |
CN111828095B (zh) * | 2020-07-09 | 2021-11-19 | 郑州普泽能源科技有限公司 | 一种顶板来压动态预测方法 |
CN112836355A (zh) * | 2021-01-14 | 2021-05-25 | 西安科技大学 | 一种预测采煤工作面顶板来压概率的方法 |
CN112836355B (zh) * | 2021-01-14 | 2023-04-18 | 西安科技大学 | 一种预测采煤工作面顶板来压概率的方法 |
CN113914928A (zh) * | 2021-09-06 | 2022-01-11 | 中煤科工开采研究院有限公司 | 煤矿综采工作面支架支护区域划分及精准支护方法 |
CN114912072A (zh) * | 2022-05-11 | 2022-08-16 | 中煤科工开采研究院有限公司 | 综采工作面压力预测方法、装置、设备和存储介质 |
CN114912072B (zh) * | 2022-05-11 | 2023-04-07 | 中煤科工开采研究院有限公司 | 综采工作面压力预测方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889087A (zh) | 一种基于综采工作面的矿压大数据实时预测系统及方法 | |
CN107977749B (zh) | 一种油田开发指标的预测分析方法 | |
CN109918822B (zh) | 基于随机森林回归的盾构掘进参数偏差计算方法及系统 | |
CN110648480B (zh) | 一种基于变化速率的单变量报警系统及方法 | |
CN110929384A (zh) | 一种基于综采工作面的矿压大数据实时分析系统及方法 | |
CN103106542A (zh) | 一种数据分析及处理系统 | |
CN113369979B (zh) | 一种基于云计算的在线监测数控车床冷却系统 | |
CN109213810B (zh) | 一种盾构tbm掘进参数的数据挖掘方法 | |
CN111197500B (zh) | 适用于tbm掘进隧道围岩等级实时判别方法及系统 | |
CN115358494B (zh) | 一种地铁盾构下穿施工的危险预警方法 | |
CN112145231A (zh) | 一种液压支架工况的预警方法 | |
CN108470095A (zh) | 基于数据驱动径向基函数模型的tbm推进力预测方法 | |
CN104899681A (zh) | 防突动态管理与分析方法及系统 | |
US10517234B2 (en) | Method, arrangement and user interface for presenting data describing forest work unit operation | |
CN110847968A (zh) | 一种基于支架循环最大工作阻力曲线的周期来压划分方法 | |
CN112417141A (zh) | 一种国产工控系统曲线数据查询处理方法 | |
CN115481530A (zh) | 一种基于区域划分的煤矿工作面来压预测系统及方法 | |
CN115420233A (zh) | 采煤机位置传感器异常识别方法 | |
CN106199421A (zh) | 一种基于工业大数据的预警方法和系统 | |
CN113847027A (zh) | 综采设备三角煤刀的自动分类方法及采煤刀信息提取方法 | |
CN111734492B (zh) | 基于u型区特征参数提取的智能化工作面冒顶预警方法 | |
IT201600103594A1 (it) | Procedimento e sistema per il calcolo del livello di rischio in prossimita’ del fronte di scavo di un’opera sotterranea | |
ZA202307568B (en) | A shield abnormal data detection method and a system based on a z-score model | |
CN104378219A (zh) | 路由器流量数据智能分析的方法和装置 | |
CN107679330B (zh) | 一种tbm刀盘系统破岩性能损耗程度的实时评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |