CN112160750A - 采煤机状态控制、预测的系统及方法 - Google Patents

采煤机状态控制、预测的系统及方法 Download PDF

Info

Publication number
CN112160750A
CN112160750A CN202010994397.6A CN202010994397A CN112160750A CN 112160750 A CN112160750 A CN 112160750A CN 202010994397 A CN202010994397 A CN 202010994397A CN 112160750 A CN112160750 A CN 112160750A
Authority
CN
China
Prior art keywords
coal mining
mining machine
data
state
dynamic
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.)
Granted
Application number
CN202010994397.6A
Other languages
English (en)
Other versions
CN112160750B (zh
Inventor
尹忠奇
樊后世
郭健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sany Heavy Equipment Co Ltd
Original Assignee
Sany Heavy Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sany Heavy Equipment Co Ltd filed Critical Sany Heavy Equipment Co Ltd
Priority to CN202010994397.6A priority Critical patent/CN112160750B/zh
Publication of CN112160750A publication Critical patent/CN112160750A/zh
Application granted granted Critical
Publication of CN112160750B publication Critical patent/CN112160750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21C—MINING OR QUARRYING
    • E21C35/00—Details of, or accessories for, machines for slitting or completely freeing the mineral from the seam, not provided for in groups E21C25/00 - E21C33/00, E21C37/00 or E21C39/00
    • E21C35/24—Remote control specially adapted for machines for slitting or completely freeing the mineral
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本申请公开了一种采煤机状态控制、预测的系统及方法，涉及煤矿技术领域，可以解决目前采煤机控制系统，随着设备使用时间推移，难以对设备进行最优控制及对运行状态发展趋势进行预测的问题。该系统包括：云服务端、数据互传模块；云服务端，用于接收各个采煤机的运行状态数据，保存并处理历史状态数据，根据运行状态数据更新各个采煤机的动态模型参数，并基于动态模型参数及历史运行数据分析结果对各个采煤机的运行状态进行预测；数据互传模块安装于各个采煤机上，用于在符合预设传输条件时向云服务端上传各个采煤机的运行状态数据，并接收云服务端发送的更新后的动态模型参数以及对采煤机运行状态的预测结果。

Description

采煤机状态控制、预测的系统及方法
技术领域
本申请涉及煤矿技术领域，尤其涉及到一种采煤机状态控制、预测的系统及方法。
背景技术
在采煤机实际工作过程中，若需要对采煤机实行最优控制或预测、预报实际系统的某些状态的发展趋势，都要建立相应的控制及预测系统。
目前，采煤机控制及预测系统，通常通过在本地控制器或服务器中建立模型，模型参数或固定不变，或者仅通过本地的设备更新模型参数，数据量小，建立的模型不具有普遍适用性。以此种方式建立的控制及预测系统，难以对设备进行最优控制或状态发展趋势进行预测。
发明内容
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
有鉴于此，本申请提供一种采煤机状态控制、预测的系统及方法，主要目的在于解决目前采煤机控制系统，难以对设备进行最优控制或对状态发展趋势进行精准预测的问题。
根据本申请的一个方面，提供了一种采煤机状态控制、预测的系统，该系统包括：
云服务端、数据互传模块；
所述云服务端，用于接收各个采煤机的运行状态数据，保存并处理历史状态数据，根据所述运行状态数据更新各个所述采煤机的动态模型参数，并基于所述动态模型参数及历史运行数据分析结果对各个所述采煤机的运行状态进行预测；
所述数据互传模块安装于各个所述采煤机上，用于在符合预设传输条件时向所述云服务端上传各个所述采煤机的运行状态数据，并接收所述云服务端发送的更新后的动态模型参数以及对采煤机运行状态的预测结果。
优选地，所述云服务端包括云数据库、动态控制模型、动态预测模型；
所述云数据库，用于根据采煤机产品编号存储各个采煤机的运行状态数据、动态模型参数以及运行状态的预测结果；
所述动态控制模型，用于根据接收到的采煤机运行状态数据，实时修正动态控制模型参数，并基于所述数据互传模块将所述动态控制模型参数发送至所述采煤机，以实现对所述采煤机的控制参数的更新；
所述动态预测模型，用于根据所述云数据库中存储的各个采煤机在全生命周期内的运行状态数据，预测各个采煤机的运行状态。
优选地，所述动态控制模型包括：定位模块以及计算模块；
所述定位模块，用于对采煤机的各运动机构进行定位，并反馈运动机构的定位精度信息；
所述计算模块，用于根据各个运动机构的定位信息，修正动态模型参数，并将修正的动态模型参数基于所述数据互传模块发送至所述采煤机，以实现对所述采煤机中控制参数的更新。
优选地，所述动态预测模型包括：状态曲线拟合模块、预测计算模块；
所述状态曲线拟合模块，用于在所述云数据库中存储的多机历史运行状态数据中，提取与采煤机状态和性能对应的特征参数，并基于所述特征参数拟合采煤机状态变化趋势曲线；
所述预测计算模块，用于对比所述接收到的采煤机运行状态数据与所述采煤机状态变化趋势曲线，获取采煤机状态的预测结果。
优选地，所述云服务端与所述数据互传模块通过网络传输模块建立数据传输连接。
优选地，所述网络传输模块包括网络诊断单元、网络分配单元；
所述网络诊断单元，用于实时监测网络状态，获取最新网络速度；
所述网络分配单元，用于在判定所述最新网络速度达到预设阈值时，向所述云服务端或所述数据互传模块提供数据传输服务。
优选地，根据接收到的各个采煤机的运行状态数据，所述曲线拟合模块实时更新所述采煤机状态变化趋势曲线。
根据本申请的另一个方面，提供了一种采煤机状态控制、预测的方法，该方法包括：
接收各个采煤机的运行状态数据；
根据所述运行状态数据，实时修正动态模型参数，并将所述动态模型参数更新至所述采煤机，以便基于所述动态模型参数控制各个所述采煤机的运行状态；
利用所述多个采煤机在全生命周期内的运行状态数据，确定并输出各个所述采煤机的运行状态预测结果。
借由上述技术方案，本申请提供的一种采煤机状态控制、预测的系统及方法，可通过在同一类型采煤机产品上安装一个数据互传模块，该数据互联模块可以采集采煤机运行状态数据，并存储到自带的存储单元中。条件允许时通过5G通讯基站，将采集的产品数据上传到云服务器中。在云服务器中，建立采煤机的最优控制模型、状态预测模型等动态模型，通过上传的海量状态数据，实时更新动态模型参数，最后将更新的动态模型参数重新应用到采煤机产品中，采煤机产品数据时刻保持实时上传，云服务器实时更新动态模型，实现采煤机动态模型实时更新，实时应用。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本地申请的不当限定。在附图中：
图1为本发明实施例提供的采煤机状态控制、预测的系统的结构示意图；
图2为本发明实施例提供的动态控制模型的结构示意图；
图3为本发明实施例提供的动态预测模型的结构示意图；
图4为本发明实施例提供的网络传输模块的结构示意图；
图5为本发明实施例提供的采煤机状态控制、预测的方法的流程示意图。
图中：1、云服务端，2、数据互传模块，3、网络传输模块，11、云数据库，12、动态控制模型，13、动态预测模型，121、定位模块，122、计算模块，131、状态曲线拟合模块，132、预测计算模块，31、网络诊断单元、32、网络分配单元。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
第一方面，根据本发明的实施例，提供了一种采煤机状态控制、预测的系统，如图1所示，该系统，包括：云服务端1、数据互传模块2；云服务端1，用于接收并存储各个采煤机的运行状态数据，保存并处理历史状态数据，通过对运行状态数据计算分析，更新各个采煤机的动态模型参数，并基于动态模型参数及历史运行数据分析结果对各个采煤机的运行状态进行预测；数据互传模块2安装于各个采煤机上，用于在符合预设传输条件时向云服务端1上传各个采煤机的运行状态数据，并接收云服务端1发送的更新后的动态模型参数以及对采煤机运行状态的预测结果。对于本实施例，在具体的应用场景中，通过给产品安装数据互联模块，上传所有相关采煤机的产品运行状态数据，为模型建立提供了海量的数据支撑。
其中，采煤机的运行状态数据可包括：采煤机的静态数据和运动状态数据。静态数据具体可包括：工作时间、供电电压、冷却水压力、液压管路压力、油箱油温、截割电机温度、牵引电机温度、油泵电机温度等。运动状态数据具体可包括：截割电机电流、牵引电机电流、油泵电机电流、牵引速度、牵引加\减速时间、摇臂升降加\减速时间、摇臂倾角、采煤机位置、机身姿态倾角等。
在本实施例中，云服务端1可包括云数据库11、动态控制模型12、动态预测模型13；云数据库11，用于根据采煤机产品编号存储各个采煤机的运行状态数据、动态模型参数以及运行状态的预测结果；动态控制模型12，用于根据接收到的采煤机运行状态数据，实时修正动态控制模型参数，并基于数据互传模块2将动态控制模型参数发送至采煤机，以实现对采煤机的控制参数的更新；动态预测模型13，用于根据云数据库11中存储的各个采煤机在全生命周期内的运行状态数据，预测各个采煤机的运行状态。对于本实施例，在具体的应用场景中，使用云服务器代替传统的本地服务器，其中，云计算是集合了一系列计算机的资源进行计算，大有可能超过超级计算机的计算能力，可以解决海量数据的处理及存储问题。动态控制模型具体可包括动态控制模型和动态预测模型，动态控制模型参数可包括定位算法参数及截割算法参数等控制参数。动态预测模型参数可包括历史曲线表达式系数，预测算法参数等。通过实时上传状态数据，实时拟合新的状态曲线，不断更新的历史状态曲线，随着历史状态曲线的更新，控制及预测参数均根据历史状态曲线变化趋势更新。
在本实施例中，如图2所示，动态控制模型12可包括：定位模块121以及计算模块122；定位模块121，用于对采煤机的各运动机构进行定位，并反馈运动机构的定位精度信息；计算模块122，用于根据各个运动机构的定位信息，修正动态模型参数，并将修正的动态模型参数基于数据互传模块2发送至采煤机，以实现对采煤机中控制参数的更新。
在具体的应用场景中，在利用动态控制模型12对采煤机中控制参数的更新时，以摇臂升降定位控制为例说明，摇臂升降的精确定位，需要采用定位算法来实现。而一般定位算法都需要调试合适的参数。随着采煤机使用时间的增加，采煤机各运动机构的状态会发生改变，那么初始的控制算法的参数可能会变得不适合。云服务器根据监控的所有采煤机控制参数的历史数据，实时修正控制参数，并发送到采煤机，更新控制参数。
在本实施例中，如图3所示，动态预测模型13可包括：状态曲线拟合模块131、预测计算模块132；状态曲线拟合模块131，用于在云数据库11中存储的预设历史时间段内的运行状态数据中，提取与采煤机状态和性能对应的特征参数，并基于特征参数拟合采煤机状态变化趋势曲线；预测计算模块132，用于对比接收到的采煤机运行状态数据与采煤机状态变化趋势曲线，获取采煤机状态的预测结果。
在具体的应用场景中，在利用动态预测模型13对采煤机状态发展趋势进行预测时，可在多机历史运行状态数据中，提取与采煤机状态和性能对应的特征参数，提取出的表征采煤机状态和性能的特征参数x1,x2,…,xn，它们是时间的函数，可写为xi(t)。采煤机正常状态和性能能力是n个特征参数的集合。记录采煤机n个特征参数的历史数据，存储到云服务器中，曲线拟合为n个特征参数的变化趋势曲线。通过将当前状态量不断与历史数据拟合曲线做对比，达到预测采煤机状态发展趋势的目的。
在本实施例中，云服务端1与数据互传模块2通过网络传输模块3建立数据传输连接。其中，如图4所示，网络传输模块3包括网络诊断单元31、网络分配单元32；网络诊断单元31，用于实时监测网络状态，获取最新网络速度；网络分配单元32，用于在判定最新网络速度达到预设阈值时，向云服务端1或数据互传模块2提供数据传输服务。在具体的应用场景中，在利用网络传输模块传输数据时，可预先对网络传输状态进行判定，通过判定当前网络状态是否能达到预设传输的速度，当判定达到预设传输速度时，实现云服务端与数据互传模块之间的数据传输。
在具体的应用场景中，网络传输模块在进行网络传输时，可优选5G网络，5G网络的主要优势在于，数据传输速率远远高于以前的蜂窝网络，最高可达10Gbit/s，比当前的有线互联网要快，比先前的4G LTE蜂窝网络快100倍。另一个优点是较低的网络延迟(更快的响应时间)，低于1毫秒，而4G为30-70毫秒。应用5G技术传输采煤机状态数据，可以解决传输的实时性需求。故在数据传输之前，可预先对网络进行判定，可设置只允许在识别到5G网络时进行数据的传输，或设置在5G网络时优先进行某项数据的传输，进而可保证数据的传输效率。
对于本实施例，根据接收到的各个采煤机的运行状态数据，曲线拟合模块131会实时更新采煤机状态变化趋势曲线，以实现对采煤机状态的精准预测。
通过本实施例中提供的采煤机状态控制、预测的系统，可通过在同一类型采煤机产品上安装一个数据互传模块，该数据互联模块可以采集采煤机运行状态数据，并存储到自带的存储单元中。条件允许时通过5G通讯基站，将采集的产品数据上传到云服务器中。在云服务器中，建立采煤机的最优控制模型、状态预测模型等动态模型，通过上传的海量状态数据，实时更新动态模型参数，最后将更新的动态模型参数重新应用到采煤机产品中，采煤机产品数据时刻保持实时上传，云服务器实时更新动态模型，可实现采煤机动态模型实时更新，实时应用。
第二方面，根据本发明的实施例，提供了一种采煤机状态控制、预测的方法，应用于上述的采煤机状态控制、预测系统中，包括：
101、接收各个采煤机的运行状态数据。
对于本实施例，在具体的应用场景中，可通过在每个类型的采煤机产品上均安装一个数据互传模块，可实时采集到采煤机的运行状态数据，并将采煤机数据发送至云服务器中进行数据分析，以实现对采煤机控制参数的更新以及运行状态的预测。
102、根据运行状态数据，实时修正动态模型参数，并将动态模型参数更新至采煤机，以便基于动态模型参数控制各个采煤机的运行状态。
对于本实施例，在具体的应用场景中，实施例步骤102具体可以包括：根据采煤机运行状态数据对采煤机的各运动机构进行定位，并反馈运动机构的定位精度信息；根据各个运动机构的定位信息，修正动态模型参数，并将修正的动态模型参数基于数据互传模块发送至采煤机，以实现对采煤机中控制参数的更新。
103、利用多个采煤机在全生命周期内的运行状态数据，确定并输出各个采煤机的运行状态预测结果。
对于本实施例，在具体的应用场景中，实施例步骤103具体可以包括：在云数据库中存储的多机历史运行状态数据中，提取与采煤机状态和性能对应的特征参数，并基于特征参数拟合采煤机状态变化趋势曲线；对比接收到的采煤机运行状态数据与采煤机状态变化趋势曲线，获取采煤机状态的预测结果。
通过本实施例中采煤机状态控制、预测的方法，可在接收到各个采煤机的运行状态数据后，根据运行状态数据，实时修正动态模型参数，并将动态模型参数更新至采煤机，以便基于动态模型参数控制各个采煤机的运行状态。此外，还可利用采煤机的多机历史运行状态数据，确定并输出各个采煤机的运行状态预测结果。对于本实施例，可通过为各个采煤机配置数据互传模块，使采煤机具备数据实时上传功能，获取得到海量的数据样本，可以尽可能多的囊括采煤机产品的运行状态信息。并且还可采用云服务器解决海量数据的存储及处理问题。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的采煤机状态控制、预测中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (8)

1.一种采煤机状态控制、预测的系统，其特征在于，包括：云服务端(1)、数据互传模块(2)；
所述云服务端(1)，用于接收各个采煤机的运行状态数据，保存并处理历史状态数据，根据所述运行状态数据更新各个所述采煤机的动态模型参数，并基于所述动态模型参数及历史运行数据分析结果对各个所述采煤机的运行状态进行预测；
所述数据互传模块(2)安装于各个所述采煤机上，用于在符合预设传输条件时向所述云服务端(1)上传各个所述采煤机的运行状态数据，并接收所述云服务端(1)发送的更新后的动态模型参数以及对采煤机运行状态的预测结果。
2.根据权利要求1所述的系统，其特征在于，所述云服务端(1)包括云数据库(11)、动态控制模型(12)、动态预测模型(13)；
所述云数据库(11)，用于根据采煤机产品编号存储各个采煤机的运行状态数据、动态模型参数以及运行状态的预测结果；
所述动态控制模型(12)，用于根据接收到的采煤机运行状态数据，实时修正动态控制模型参数，并基于所述数据互传模块(2)将所述动态控制模型参数发送至所述采煤机，以实现对所述采煤机的控制参数的更新；
所述动态预测模型(13)，用于根据所述云数据库(11)中存储的各个采煤机在全生命周期内的运行状态数据，预测各个采煤机的运行状态。
3.根据权利要求2所述的系统，其特征在于，所述动态控制模型(12)包括：定位模块(121)以及计算模块(122)；
所述定位模块(121)，用于对采煤机的各运动机构进行定位，并反馈运动机构的定位精度信息；
所述计算模块(122)，用于根据各个运动机构的定位信息，修正动态模型参数，并将修正的动态模型参数基于所述数据互传模块(2)发送至所述采煤机，以实现对所述采煤机中控制参数的更新。
4.根据权利要求3所述的系统，其特征在于，所述动态预测模型(13)包括：状态曲线拟合模块(131)、预测计算模块(132)；
所述状态曲线拟合模块(131)，用于在所述云数据库(11)中存储的多机历史运行状态数据中，提取与采煤机状态和性能对应的特征参数，并基于所述特征参数拟合采煤机状态变化趋势曲线；
所述预测计算模块(132)，用于对比所述接收到的采煤机运行状态数据与所述采煤机状态变化趋势曲线，获取采煤机状态的预测结果。
5.根据权利要求1所述的系统，其特征在于，所述云服务端(1)与所述数据互传模块(2)通过网络传输模块(3)建立数据传输连接。
6.根据权利要求5所述的系统，其特征在于，所述网络传输模块(3)包括网络诊断单元(31)、网络分配单元(32)；
所述网络诊断单元(31)，用于实时监测网络状态，获取最新网络速度；
所述网络分配单元(32)，用于在判定所述最新网络速度达到预设阈值时，向所述云服务端(1)或所述数据互传模块(2)提供数据传输服务。
7.根据权利要求4所述的系统，其特征在于，根据接收到的各个采煤机的运行状态数据，所述曲线拟合模块(131)实时更新所述采煤机状态变化趋势曲线。
8.一种采煤机状态控制、预测的方法，应用于权利要求1-7任一项所述的采煤机控制及状态预测系统中，其特征在于，包括：
接收各个采煤机的运行状态数据；
根据所述运行状态数据，实时修正动态模型参数，并将所述动态模型参数更新至所述采煤机，以便基于所述动态模型参数控制各个所述采煤机的运行状态；
利用多个采煤机在全生命周期内的运行状态数据，确定并输出各个所述采煤机的运行状态预测结果。
CN202010994397.6A 2020-09-21 2020-09-21 采煤机状态控制、预测的系统及方法 Active CN112160750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010994397.6A CN112160750B (zh) 2020-09-21 2020-09-21 采煤机状态控制、预测的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010994397.6A CN112160750B (zh) 2020-09-21 2020-09-21 采煤机状态控制、预测的系统及方法

Publications (2)

Publication Number Publication Date
CN112160750A true CN112160750A (zh) 2021-01-01
CN112160750B CN112160750B (zh) 2022-08-16

Family

ID=73863085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010994397.6A Active CN112160750B (zh) 2020-09-21 2020-09-21 采煤机状态控制、预测的系统及方法

Country Status (1)

Country Link
CN (1) CN112160750B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160404A (zh) * 2021-04-23 2021-07-23 陕西陕煤黄陵矿业有限公司 采煤机截割曲线规划方法、系统、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104153816A (zh) * 2014-09-04 2014-11-19 中国矿业大学(北京) 一种基于黑匣子的采煤机状态监测方法
CN105807707A (zh) * 2016-03-02 2016-07-27 华北科技学院 一种采煤机的远程控制系统
CN107505884A (zh) * 2017-07-31 2017-12-22 新奥泛能网络科技股份有限公司 泛能站设备的诊断方法、云服务器及系统
CN108374659A (zh) * 2018-03-12 2018-08-07 中国矿业大学 一种用于采煤机的动态辨识及控制参量再修正系统及方法
CN111173510A (zh) * 2020-03-14 2020-05-19 天地科技股份有限公司 一种用于复杂条件工作面的综采装备智能控制方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104153816A (zh) * 2014-09-04 2014-11-19 中国矿业大学(北京) 一种基于黑匣子的采煤机状态监测方法
CN105807707A (zh) * 2016-03-02 2016-07-27 华北科技学院 一种采煤机的远程控制系统
CN107505884A (zh) * 2017-07-31 2017-12-22 新奥泛能网络科技股份有限公司 泛能站设备的诊断方法、云服务器及系统
CN108374659A (zh) * 2018-03-12 2018-08-07 中国矿业大学 一种用于采煤机的动态辨识及控制参量再修正系统及方法
CN111173510A (zh) * 2020-03-14 2020-05-19 天地科技股份有限公司 一种用于复杂条件工作面的综采装备智能控制方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160404A (zh) * 2021-04-23 2021-07-23 陕西陕煤黄陵矿业有限公司 采煤机截割曲线规划方法、系统、设备及存储介质
CN113160404B (zh) * 2021-04-23 2024-04-23 陕西陕煤黄陵矿业有限公司 采煤机截割曲线规划方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN112160750B (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
CN107589695B (zh) 一种列车组故障预测与健康管理系统
EP3037901A2 (en) Cloud-based emulation and modeling for automation systems
EP3361450B1 (en) Vehicle component failure prevention
EP3151173A1 (en) Machine diagnostics system
US20200342419A1 (en) Intelligent management of one or more machines of a vehicle service center
CN105487500A (zh) 在过程控制系统中流式传输用于分析的数据
CN104864548A (zh) 一种空调运行的控制方法及系统
CN106406253B (zh) 控制和/或分析工业过程的系统和方法
CN112929187B (zh) 网络切片管理方法、装置和系统
CN109961196B (zh) 用于服务数控机床的方法及相应装置
CN112160750B (zh) 采煤机状态控制、预测的系统及方法
US20190188581A1 (en) Switching from calendar-based to predictive maintenance: a leaner and faster software-based solution orchestrating data-driven forecasting models
CN110989403A (zh) 综合能源调控系统及其控制方法、服务器
WO2016155996A1 (en) Production system and method for controlling same
CN116449771B (zh) 一种数控机床的数字孪生建模方法
CN115437339A (zh) 远程诊断方法及装置、电子设备和存储介质
CN104615067A (zh) 控制装置以及控制方法
CN110632910B (zh) 一种实现全面诊断多种设备的远程诊断装置及方法
CN116227248B (zh) 重力储能系统的数字孪生体构建方法、装置及电子设备
CN103442087A (zh) 一种基于响应时间趋势分析的Web服务系统访问量控制装置和方法
KR20220042928A (ko) 복수의 액세스 네트워크 장치들에 대한 자동 구성 네트워크를 구현하는 방법 및 이를 수행하는 전자 장치
CN113632132A (zh) 计算机辅助的能量管理方法和能量管理系统
CN111967667B (zh) 一种轨道交通分布式运维方法及系统
CN113703394A (zh) 一种基于边缘计算的刀具监测管理方法及系统
CN113282307A (zh) ansible服务端对软件进行批量安装的方法、服务端及系统

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
GR01 Patent grant
GR01 Patent grant