CN112576312B - 智能化综采工作面电液控支架数据收集及处理方法 - Google Patents

Abstract

本发明公开了一种智能化综采工作面电液控支架数据收集及处理方法，属于智能化综采工作面装备技术领域。本发明包括：步骤一，建立支架信息采集的监测数据库；步骤二，将支架信息放入关系型联机数据库；步骤三，完成支架信息收集及派发。本发明能够准确及时的对电液控液压支架数据进行采集，避免漏传，重传和传输不及时的现象，为后续数据分析工作提供可靠支撑。

Description

智能化综采工作面电液控支架数据收集及处理方法

技术领域

本发明涉及一种电液控支架数据收集及处理方法，属于智能化综采工作面装备技术领域。

背景技术

近年来，随着智能化煤矿建设的发展与推进，综采工作面基本普及装备了电液控支架。综采工作面支架围岩耦合自适应控制、初撑力等支护参数自适应调整、顶板来压超前预报、冒顶/压架事故超前预警及支架群组自组织协调控制等是制约综采工作面智能化开采水平提高的重要难题，而解决这些问题的基础是实现对支架与顶板状态的智能感知。覆盖综采工作面所有支架的立柱压力传感器所采集的数据为实现支架与顶板状态的智能感知提供了重要契机，但是在所收集数据规模庞大，且存在重传、漏传和传输不及时的问题。

为了实现准确且可靠地对电液控液压支架数据进行采集，需要开发一种稳定且有效的采集方法，为技术人员及时高效的完成后续数据分析工作提供可靠支撑。

发明内容

为了克服上述现有技术的不足之处，本发明提供一种智能化综采工作面电液控支架数据收集及处理方法，该方法能够准确及时的对电液控液压支架数据进行采集，避免漏传，重传和传输不及时的现象，为后续数据分析工作提供可靠支撑。

本发明是通过如下技术方案实现的：一种智能化综采工作面电液控支架数据收集及处理方法，包括井下监测分站软件、分区监测总站软件、矿山地面观测站三个部分：

所述井下监测分站软件负责将传感器模拟信号进行A/D转换并存加上位置信息至自身压力，位移传感器缓存中定时上报；所述分区监测总站软件负责收集区域内传感器数据加上位置信息后定时上报至地面站服务器系统；所述矿山地面站软件负责通过将大规模的数据筛选处理格式化操作后插入MySQL数据库中，供后端只能工作面大数据分析平台使用；

数据收集及处理方法包括以下步骤：

步骤一：建立支架信息采集的监测数据库

采用关系型联机分析处理结构模式，构成液压支架信息采集和数据存储的关系型数据库，关系型数据模型进行大数据分析，构成使用开源数据库组件MySQL作为数据库平台而搭建的关系型联机分析数据库，建立支架信息采集的监测数据库；

步骤二：将支架信息存储到构建的MySQL数据库系统中；

采集到的支架信息作为分析支架状态的数据源，输入到中央处理机中，通过总线调度将上述采集到的支架信息输入到上述关系型联机分析数据库中，用于存储相关指标和维关键字；

步骤三：完成电液控支架信息收集及派发

在该采集和分析系统设计中，采用三层体系结构模型将其设计为数据采集层、中间层和应用层，使用关系型存储数据库对采集到的电液控制数据、外加数据、支架位移数据、采煤机位置等数据通过外键和主键形成MySQL数据库中事实表和多个维表的对应关系模型，并通过数据仓库层向数据分析层提供监测报警所需数据，并在应用层中进行优化数据检索，实现支架信息的收集和智能派发。

进一步的，所述步骤三中包括如下子步骤：

S1:采用决策树信息融合方法进行用支架信息采集后的信息融合，并采用相空间特征组合与基向量重构方法，构建支架信息采集的监测决策树模型；

S2:采用Windows平台下的DLL批处理文件或者Linux下的Shell批处理文件进行支架信息的监测和信息采集，在数据分析层和数据处理层之间进行功能融合；

S3:对支架信息采集过程中的数据缺失，数据值异常各类异常处理时限进行自适应调整，配合分布式多层次信息挖掘方法进行支架信息的数据关系相似度分组；

S4:采用关联规则挖掘算法进行支架信息的特征挖掘，对支架信息采集的异常数据进行谱分析，通过对异常数据的关联规则挖掘，进行数据支架情况的故障判断和定位；

S5:通过多输入特征过滤方法对采集的支架信息进行自组织神经网络映射，通过数据采集、数据清理、数据存储三层大数据处理模式，得到支架监测的联机分析处理模型即支架特征信息处理建模；

S6:采用自回归滑动平均模型进行关联规则挖掘，构建支架信息采集的学习映射；

S7:对支架采集信息进行傅里叶变换，实现时域向频域的特征再转换，得到支架信息采集监测的关联规则时序，在决策树和自组织神经网络映射训练下，通过结构化查询语言对数据进行多层次分布式重组，得到异常支架信息的关联规则特征挖掘结果；

S8:对挖掘到的支架信息关联规则特征进行数据分类，结合优化目标函数即时间加权工作阻力函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对电液控支架压力样本数据进行分类的目的进行电液控支架信息采集监测的大数据分类处理；

S9:对筛选分类后的支架信息数据使用MySQL数据库进行存储，在压力数据处理层采集监测多维度特征，使用规范的软件通信接口实现大量监测数据和系统历史数据的并行调度和数据分析，实现模块之间的功能融合，完成支架信息采集系统的构建。

本发明的有益效果是：

本发明能够准确及时的对电液控液压支架数据进行采集，避免漏传，重传和传输不及时的现象，为后续数据分析工作提供可靠支撑。通过应用本本发明，煤矿相关部门能够做到“掌握情况、摸清规律、系统诊断、合理用能”，大大提升管理水平，降低运行成本，使得数据采集准确性效果和用数据分析更加科学化、可视化。

附图说明

下面根据附图和实施例对本发明进一步说明。

图1是本发明实施步骤图；

图2是本发明技术架构图。

图3是实施例附图。

具体实施方式

下面将结合说明书附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有开展创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

对于本领域技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

如图1-图2所示的是一种智能化综采工作面电液控支架数据收集及处理方法，包括井下监测分站软件、分区监测总站软件、矿山地面观测站三个部分：

所述井下监测分站软件负责将传感器模拟信号进行A/D转换并存加上位置信息至自身压力，位移传感器缓存中定时上报；所述分区监测总站软件负责收集区域内传感器数据加上位置信息后定时上报至地面站服务器系统；所述矿山地面站软件负责通过将大规模的数据筛选处理格式化操作后插入MySQL数据库中，供后端只能工作面大数据分析平台使用；

数据收集及处理方法包括以下步骤：

步骤一：建立电液控支架信息采集的监测数据库

采用经典关系型联机分析处理结构模式，构成液压支架信息采集和数据存储的关系型数据库，关系型数据模型进行大数据分析，构成使用开源数据库组件MySQL作为数据库平台而搭建的关系型联机分析数据库，建立支架信息采集的监测数据库；

步骤二：将支架信息存储到构建的MySQL数据库系统中；

采集到的电液控支架信息作为分析支架状态的数据源，输入到地面储存分析服务器集群中，通过简单文件传输通信协议和调度将上述采集到的支架信息输入到上述关系型联机分析数据库中，用于存储相关指标和维关键字；

步骤三：完成电液控支架信息收集及派发

在该智能化综采工作面数据采集和分析系统设计中，采用三层体系结构模型将其设计为数据采集层、中间层和应用层，使用MySQL存储数据库对采集到的电液控制数据、外加数据、电液控支架位移数据、采煤机位置等数据通过外键和主键连接形成数据库中事实表和多个维表的对应关系模型，并通过数据仓库层向数据分析层提供监测报警所需数据，并在应用层中进行优化数据检索，实现支架信息的收集和智能派发。

所述步骤三中包括如下子步骤：

S1:采用决策树信息融合方法进行用支架信息采集后的信息融合，并采用相空间特征组合与基向量重构方法，构建支架信息采集的监测决策树模型；

S2:采用Windows平台下的DLL批处理文件或者Linux下的Shell批处理文件进行支架信息的监测和信息采集，在数据分析层和数据处理层之间进行功能融合；

S3:对支架信息采集过程中的数据缺失，数据值异常各类异常处理时限进行自适应调整，配合分布式多层次信息挖掘方法进行支架信息的数据关系相似度分组；

S4:采用关联规则挖掘算法进行支架信息的特征挖掘，对支架信息采集的异常数据进行谱分析，通过对异常数据的关联规则挖掘，进行数据支架情况的故障判断和定位；

S5:通过多输入特征过滤方法对采集的支架信息进行自组织神经网络映射，通过数据采集、数据清理、数据存储三层大数据处理模式，得到支架监测的联机分析处理模型即支架特征信息处理建模；

S6:采用自回归滑动平均模型进行关联规则挖掘，构建支架信息采集的学习映射；

S7:对支架采集信息进行傅里叶变换，实现时域向频域的特征再转换，得到支架信息采集监测的关联规则时序，在决策树和自组织神经网络映射训练下，通过结构化查询语言对数据进行多层次分布式重组，得到异常支架信息的关联规则特征挖掘结果；

S8:对挖掘到的支架信息关联规则特征进行数据分类，结合优化目标函数即时间加权工作阻力函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对电液控支架压力样本数据进行分类的目的进行电液控支架信息采集监测的大数据分类处理；

S9:对筛选分类后的支架信息数据使用MySQL数据库进行存储，在压力数据处理层采集监测多维度特征，使用规范的软件通信接口实现大量监测数据和系统历史数据的并行调度和数据分析，实现模块之间的功能融合，完成支架信息采集系统的构建。

图3所示的是根据本文所述的技术发明内容，在某公司的智能综采工作面实施项目的应用举例。

在数据采集系统运行之时，数据采集系统会针对其公司不同矿区不同工作面问题不同，支架受力情况不同，设计适合不同综采工作面的数据库表结构，采用三层体系结构模型将其设计为数据采集层、中间层和应用层，使用MySQL存储数据库对采集到的电液控制数据、外加数据、电液控支架位移数据、采煤机位置等数据通过外键和主键连接形成数据库中事实表和多个维表的对应关系模型从而有针对性地设计表字段来体现当前工作面的特点，更好地分析井下工作面状态。系统通过采集井下工作面电液控系统的压力，位移等传感器的实时数据来获取的现场工作面支架压力，位移状态参数，在井下分站汇总每个区域的信息后发送至地面服务器系统进行预处理，筛选掉异常信息，将预处理结果存储到MySQL数据库系统中。通过图2所示的数据采集和处理算法处理流程对数据进行构建液压支架电液控系统的决策树模型，支架状态的实时监测，异常数据的自适应处理，异常数据的支架情况判定和定位，支架监测的联机分析处理模型即支架特征信息处理建模，构建支架信息采集的学习映射，异常支架信息的关联规则特征挖掘结果等任务，从而完成数据采集系统的构建。

本发明中的方法能够准确及时的对电液控液压支架数据进行采集，避免漏传，重传和传输不及时的现象，为后续数据分析工作提供可靠支撑。通过应用本本发明，煤矿相关部门能够做到“掌握情况、摸清规律、系统诊断、合理用能”，大大提升管理水平，降低运行成本，使得数据采集准确性效果和用数据分析更加科学化、可视化。以上所述仅为本发明的示例性实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种智能化综采工作面电液控支架数据收集及处理方法，其特征在于：

包括井下监测分站软件、分区监测总站软件、矿山地面观测站三个部分：所述井下监测分站软件负责将电液控上传压力，位移传感器模拟信号进行A/D转换并存加上位置信息至本地传感器缓存中定时上报；分区监测总站软件负责收集区域内传感器数据加上位置信息后定时上报至矿山地面站软件；矿山地面站软件负责通过将大规模的数据格式化后插入MySQL数据库中，供大数据分析平台使用；

数据收集及处理方法包括以下步骤：

步骤一：建立电液控支架信息采集的监测数据库

采用经典关系型联机分析处理结构模式，构成液压支架信息采集和数据存储的关系型数据库，关系型数据模型进行大数据分析，构成使用开源数据库组件MySQL作为数据库平台而搭建的关系型联机分析数据库，建立支架信息采集的监测数据库；

步骤二：将支架信息存储到构建的MySQL数据库系统中；

采集到的电液控支架信息作为分析支架状态的数据源，输入到地面储存分析服务器集群中，通过简单文件传输通信协议和调度将上述采集到的支架信息输入到上述关系型联机分析数据库中，用于存储相关指标和维关键字；

步骤三：完成电液控支架信息收集及派发

在该智能化综采工作面数据采集和分析系统设计中，采用三层体系结构模型将其设计为数据采集层、中间层和应用层，使用MySQL存储数据库对采集到的电液控制数据、外加数据、电液控支架位移数据、采煤机位置数据通过外键和主键连接形成数据库中事实表和多个维表的对应关系模型，并通过数据仓库层向数据分析层提供监测报警所需数据，并在应用层中进行优化数据检索，实现支架信息的收集和智能派发。

2.根据权利要求1所述的智能化综采工作面电液控支架数据收集及处理方法，其特征在于：所述步骤三中包括如下子步骤：

S1:采用决策树信息融合方法进行用支架信息采集后的信息融合，并采用相空间特征组合与基向量重构方法，构建支架信息采集的监测决策树模型；

S2:采用Windows平台下的DLL批处理文件或者Linux下的Shell批处理文件进行支架信息的监测和信息采集，在数据分析层和数据处理层之间进行功能融合；

S3:对支架信息采集过程中的数据缺失，数据值异常各类异常处理时限进行自适应调整，配合分布式多层次信息挖掘方法进行支架信息的数据关系相似度分组；

S4:采用关联规则挖掘算法进行支架信息的特征挖掘，对支架信息采集的异常数据进行谱分析，通过对异常数据的关联规则挖掘，进行数据支架情况的故障判断和定位；

S5:通过多输入特征过滤方法对采集的支架信息进行自组织神经网络映射，通过数据采集、数据清理、数据存储三层大数据处理模式，得到支架监测的联机分析处理模型即支架特征信息处理建模；

S6:采用自回归滑动平均模型进行关联规则挖掘，构建支架信息采集的学习映射；

S7:对支架采集信息进行傅里叶变换，实现时域向频域的特征再转换，得到支架信息采集监测的关联规则时序，在决策树和自组织神经网络映射训练下，通过结构化查询语言对数据进行多层次分布式重组，得到异常支架信息的关联规则特征挖掘结果；

S8:对挖掘到的支架信息关联规则特征进行数据分类，结合优化目标函数即时间加权工作阻力函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对电液控支架压力样本数据进行分类的目的进行电液控支架信息采集监测的大数据分类处理；

S9:对筛选分类后的支架信息数据使用MySQL数据库进行存储，在压力数据处理层采集监测多维度特征，使用规范的软件通信接口实现大量监测数据和系统历史数据的并行调度和数据分析，实现模块之间的功能融合，完成支架信息采集系统的构建。

Images