CN112798042A - 液压支架工作状态与支护质量的智能诊断方法 - Google Patents
液压支架工作状态与支护质量的智能诊断方法 Download PDFInfo
- Publication number
- CN112798042A CN112798042A CN202011613345.6A CN202011613345A CN112798042A CN 112798042 A CN112798042 A CN 112798042A CN 202011613345 A CN202011613345 A CN 202011613345A CN 112798042 A CN112798042 A CN 112798042A
- Authority
- CN
- China
- Prior art keywords
- support
- resistance
- working
- hydraulic support
- safety valve
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003745 diagnosis Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 230000009467 reduction Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000007812 deficiency Effects 0.000 claims description 2
- 238000010223 real-time analysis Methods 0.000 claims 2
- 238000005065 mining Methods 0.000 abstract description 23
- 239000003245 coal Substances 0.000 abstract description 12
- 230000006872 improvement Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D23/00—Mine roof supports for step- by- step movement, e.g. in combination with provisions for shifting of conveyors, mining machines, or guides therefor
- E21D23/12—Control, e.g. using remote control
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种液压支架工作状态与支护质量的智能诊断方法，属于综采工作面装备技术领域。本发明包括：步骤一，数据采集监测；步骤二，工作循环识别；步骤三，特征参数提取；步骤四，特征参数分析；步骤五，判断问题；步骤六，反馈结果；步骤七，调节检修等。能对电液压支架工作状态进行实时监测，并能对电液压支架的支护质量进行可靠的评估。
Description
技术领域
本发明涉及一种液压支架智能诊断方法，属于综采工作面装备技术领域。
背景技术
近年来，随着煤矿综采装备制造和开采工艺水平的不断提升，我国综采技术得到了迅速发展。但是，综采面因顶板和支架稳定性问题造成的伤亡事故仍不时发生，局部冒顶、压架等仍然是造成此类综采面伤亡事故的主要原因，并且，由此带来的综采面停机率仍然居高不下，造成了大量的经济损失。此外，提高采掘装备的自动化和智能化水平，逐步实现智能化开采是煤炭综采技术发展的重要趋势。智能化综采工作面的重要特征是综采工作面采用了具有充分全面的感知、自学习和决策、自动执行功能的成套综采装备。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。而实现智能感知需要大量的数据来支持，随着煤炭智能化开采的不断进步，越来越多的综采面装备了电液控制液压支架，覆盖综采工作面所有支架的立柱压力传感器采集的海量监测数据为实现支架与顶板状态的智能感知提供了重要契机。
为了实现准确且可靠地智能感知，需要稳定且有效的采集数据进行支撑，而在液压支架工作时，会有各种工况的发生，这些问题都会导致收集的数据不可靠，不可用，从而会引发一连串的错误。这就要求我们要维护好采集数据的来源，也就是做好对电液压支架工作状态的实时监测与支护质量的评估，这样才可以及时的处理数据监测过程中的各种问题从而确保数据的来源可靠。
发明内容
为了克服上述现有技术的不足之处，本发明提供一种液压支架工作状态与支护质量的智能诊断方法，能对电液压支架工作状态进行实时监测，并能对电液压支架的支护质量进行可靠的评估。
本发明是通过如下技术方案实现的：一种液压支架工作状态与支护质量的智能诊断方法，包括以下步骤：
步骤一，数据采集监测：
由分布在各个电控液压支架上的传感器对各个液压支架的压力信息、位置信息、活柱下缩量和位态信息进行收集；通过布置在液压支架上及周围的压力传感器和倾角传感器对液压支架检测前、后支柱及前伸梁的压力值以及检测液压支架水平面X轴和Y轴的倾斜角度值，得到原始工作面液压支架状态信息，传输至控制单元；
步骤二，工作循环识别：
接受传感器原始数据，经过A/D转换及信号处理、数据清洗、数据时序化步骤后，读取预处理之后的传感器数据，将处理后的数据通过最低阈值法(在支架阻力图中记录下低于某一压力值的相邻两个点，作为一个工作循环)进行多个工作循环的识别处理，以得到各个液压支架的各项参数信息；
步骤三，特征参数提取：
将每个工作循环内的参数信息通过设定的判别算法(判别算法就是下文支架漏液问题、支架左右立柱压力差过大问题、初撑力不足问题、安全阀故障问题和传感器故障问题的判定方法)进行判定分类，将其分类成对应各种诊断问题所需的各项参数并提取出来；对传感器数据进行分段处理，设计输入和输出向量，提取分段的特征参数；
步骤四，特征参数分析：
根据不同的诊断问题选取不同项的参数，并对相应参数的变化进行分析；
步骤五，判断问题：
根据各项参数呈现的变化规律与各个诊断问题发生时的参数变化规律建立基于人工神经网络(用正常合格的数据作为训练数据，用模型的输出分布来检测异常)的故障判别模型，通过模型判别问题的种类；
步骤六，反馈结果：
将确定的问题种类作为诊断结果进行反馈；
步骤七，调节检修：
根据反馈结果对电液压支架装置进行检修维护。
在所述步骤三中，所述的诊断问题包括支架漏液问题、支架左右立柱压力差过大问题、安全阀故障问题、初撑力不足和传感器故障问题。
支架漏液问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取并保存该支架每个工作循环各承载阶段降阻特征(降阻量rP：阻力降低后与阻力未降低前的差值、降阻速率rv：降阻量rP与降阻力时间rt的比值；)，然后监测rP、rv，当一个工作循环内rP多次出现并记录、则可推断支架漏液，若同时rv速率大于预设标准值h1时，可推测支架为急速漏液，否则支架轻微漏液。
支架左右立柱压力差过大问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取支架时间加权工作阻力(定义时间加权工作阻力
其中Pn为支架压力，tn为工作循环时间。)，然后分别计算左右立柱时间加权工作阻力差值，连续多个工作循环存在左右立柱时间加权工作阻力压力差大于预设值h2时，可推测支架存在左右立柱压力差过大的问题。
初撑力不足问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取并保存该支架每个工作循环内初撑力Ps与支架承载过程中的增阻量ΔP(ΔP为工作循环末阻力Pe与初撑力Ps的差值)，然后根据保存的数据统计分析初撑力与增阻量的分布状况，当监测到的实时增阻量ΔP显著大于历史增阻量平均值
与此同时这两个值均不位于其所在分布空间的合理范围时，可推测此时该支架初撑力不足。
安全阀故障问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取包含支架工作阻力P，对工作阻力P存在过大或过小的问题的工作循环分布情况进行安全阀状态分析(定义在当安全阀开启时的支架阻力为安全阀开启压力。当液压支架工作阻力达到极大值点后，若液压支架工作阻力开始大幅降落，则极大值点工作阻力值即为安全阀开启压力)如果存在连续多个工作循环工作阻力P过大或过小现象的支架，可以认定存在安全阀故障问题，P小于检测的安全阀开启压力为安全阀未正常开启，P大于检测的安全阀开启压力安全阀过早开启。
传感器故障问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取各个参数，如果连续多个工作循环存在各参数值(各承载阶段增阻速率，时间加权工作阻力Pt，增阻量ΔP，降阻速率rv等值)均不为正常值或显示无值(NaN)的问题的状态，可推断判断传感器故障。
在步骤六中，确定的问题通过报表进行反馈。
本发明的有益效果是：
本发明能对综采工作面监测到的海量数据进行实时的提取，并能选取出反应支架工作状态及支护质量支架漏液相关的参数属性，然后基于这些属性判断支架工作状态及支护质量，以便于及时地对电液压支架进行维护。该方法参对支架工作状态与支护质量进行智能诊断，具体包含支架漏液问题、支架左右立柱压力差过大问题、安全阀故障或不匹配问题和传感器故障等问题的诊断。在步骤六中，确定的问题通过报表进行反馈，能够直观地显示诊断结果。
本发明可对综采工作面液压支架的工作状态及支护质量进行有效监测，以便对电液压支架进行及时的维护，从而能保障数据来源的可靠性及支架的有效工作。
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是本发明的流程示意图。
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授权说明书的一部分。
如图1所示的一种液压支架工作状态与支护质量的智能诊断方法，包括以下步骤：
步骤一，数据采集监测：
由分布在各个电控液压支架上的传感器对各个液压支架的压力信息、位置信息、活柱下缩量和位态信息进行收集；通过布置在液压支架上及周围的压力传感器和倾角传感器对液压支架检测前、后支柱及前伸梁的压力值以及检测液压支架水平面X轴和Y轴的倾斜角度值，得到原始工作面液压支架状态信息，传输至控制单元
步骤二，工作循环识别：
接受传感器原始数据，经过A/D转换及信号处理，数据清洗、数据时序化等步骤后，读取预处理之后的传感器数据，将处理后的数据通过特定算法进行多个工作循环的识别处理，以得到各个液压支架的各项参数信息；
步骤三，特征参数提取：
将每个工作循环内的参数信息通过设定的判别算法(检测公式)进行判定分类，将其分类成对应各种诊断问题所需的各项参数并提取出来；对传感器数据进行分段处理，设计输入和输出向量，提取分段的特征参数。
步骤四，特征参数分析：
根据不同的诊断问题选取不同项的参数，并对相应参数的变化进行分析；
步骤五，判断问题：
根据各项参数呈现的变化规律与各个诊断问题发生时的参数变化规律建立基于机器学习算法的故障判别模型，通过模型判别问题的种类；
步骤六，反馈结果：
将确定的问题种类作为诊断结果进行反馈；
步骤七，调节检修：
根据反馈结果对电液压支架装置进行检修维护。
为了直观地显示诊断结果，在步骤六中，确定的问题通过报表进行反馈。
在步骤三中，所述的诊断问题包括支架漏液问题、支架左右立柱压力差过大问题、安全阀故障问题、初撑力不足和传感器故障问题。其中：
支架漏液问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取并保存该支架每个工作循环各承载阶段降阻特征(降阻量rP：阻力降低后与阻力未降低前的差值、降阻速率rv：降阻量rP与降阻力时间rt的比值；)，然后监测rP、rv，当一个工作循环内rP多次出现并记录、则可推断支架漏液，若同时rv速率大于预设标准值h1时，可推测支架为急速漏液，否则支架轻微漏液。
支架左右立柱压力差过大问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取支架时间加权工作阻力(定义时间加权工作阻力
其中Pn为支架压力，tn为工作循环时间。)，然后分别计算左右立柱时间加权工作阻力差值，连续多个工作循环存在左右立柱时间加权工作阻力压力差大于预设值h2时，可推测支架存在左右立柱压力差过大的问题。
初撑力不足问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取并保存该支架每个工作循环内初撑力Ps与支架承载过程中的增阻量ΔP(ΔP为工作循环末阻力Pe与初撑力Ps的差值)，然后根据保存的数据统计分析初撑力与增阻量的分布状况，当监测到的实时增阻量ΔP显著大于历史增阻量平均值
与此同时这两个值均不位于其所在分布空间的合理范围时，可推测此时该支架初撑力不足。
安全阀故障问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取包含支架工作阻力P，对工作阻力P存在过大或过小的问题的工作循环分布情况进行安全阀状态分析(定义在当安全阀开启时的支架阻力为安全阀开启压力。当液压支架工作阻力达到极大值点后，若液压支架工作阻力开始大幅降落，则极大值点工作阻力值即为安全阀开启压力)如果存在连续多个工作循环工作阻力P过大或过小现象的支架，可以认定存在安全阀故障问题，P小于检测的安全阀开启压力为安全阀未正常开启，P大于检测的安全阀开启压力安全阀过早开启。
传感器故障问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取各个参数，如果连续多个工作循环存在各参数值(各承载阶段增阻速率，时间加权工作阻力Pt，增阻量ΔP，降阻速率rv等值)均不为正常值或显示无值(NaN)的问题的状态，可推断判断传感器故障。
本发明中的方法能对综采工作面监测到的海量数据进行实时的提取，并能选取出反应支架工作状态及支护质量支架漏液相关的参数属性，然后基于这些属性判断支架工作状态及支护质量，以便于及时地对电液压支架进行维护。该方法参对支架工作状态与支护质量进行智能诊断，具体包含支架漏液问题、支架左右立柱压力差过大问题、安全阀故障或不匹配问题和传感器故障等问题的诊断。
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 (9)
1.一种液压支架工作状态与支护质量的智能诊断方法，其特征在于：包括以下步骤：
步骤一，数据采集监测：
由分布在各个电控液压支架上的传感器对各个液压支架的压力信息、位置信息、活柱下缩量和位态信息进行收集；通过布置在液压支架上及周围的压力传感器和倾角传感器对液压支架检测前、后支柱及前伸梁的压力值以及检测液压支架水平面X轴和Y轴的倾斜角度值，得到原始工作面液压支架状态信息，传输至控制单元；
步骤二，工作循环识别：
接受传感器原始数据，经过A/D转换及信号处理、数据清洗、数据时序化步骤后，读取预处理之后的传感器数据，将处理后的数据通过最低阈值法进行多个工作循环的识别处理，以得到各个液压支架的各项参数信息；
步骤三，特征参数提取：
将每个工作循环内的参数信息通过设定的判别算法进行判定分类，将其分类成对应各种诊断问题所需的各项参数并提取出来；对传感器数据进行分段处理，设计输入和输出向量，提取分段的特征参数；
步骤四，特征参数分析：
根据不同的诊断问题选取不同项的参数，并对相应参数的变化进行分析；
步骤五，判断问题：
根据各项参数呈现的变化规律与各个诊断问题发生时的参数变化规律建立基于人工神经网络人工神经网络的故障判别模型，通过模型判别问题的种类；
步骤六，反馈结果：
将确定的问题种类作为诊断结果进行反馈；
步骤七，调节检修：
根据反馈结果对电液压支架装置进行检修维护。
2.根据权利要求1所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：
在所述步骤三中，所述的诊断问题包括支架漏液问题、支架左右立柱压力差过大问题、初撑力不足问题、安全阀故障问题和传感器故障问题。
3.根据权利要求2所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：
所述支架漏液问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取并保存该支架每个工作循环各承载阶段降阻特征，其中，降阻量rP：阻力降低后与阻力未降低前的差值、降阻速率rv：降阻量rP与降阻力时间rt的比值；然后监测rP、rv，当一个工作循环内rP多次出现并记录、则可推断支架漏液，若同时rv速率大于预设标准值h1时，可推测支架为急速漏液，否则支架轻微漏液。
4.根据权利要求2所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：所述支架左右立柱压力差过大问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取支架时间加权工作阻力，定义时间加权工作阻力
其中Pn为支架压力，tn为工作循环时间；然后分别计算左右立柱时间加权工作阻力差值，连续多个工作循环存在左右立柱时间加权工作阻力压力差大于预设值h2时，可推测支架存在左右立柱压力差过大的问题。
5.根据权利要求2所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：所述安全阀故障问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取包含支架工作阻力P，对工作阻力P存在过大或过小的问题的工作循环分布情况进行安全阀状态分析，定义在当安全阀开启时的支架阻力为安全阀开启压力；当液压支架工作阻力达到极大值点后，若液压支架工作阻力开始大幅降落，则极大值点工作阻力值即为安全阀开启压力；如果存在连续多个工作循环工作阻力P过大或过小现象的支架，则认定存在安全阀故障问题，P小于检测的安全阀开启压力为安全阀未正常开启，P大于检测的安全阀开启压力安全阀过早开启。
6.根据权利要求2所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：所述初撑力不足问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取并保存该支架每个工作循环内初撑力Ps与支架承载过程中的增阻量ΔP，ΔP为工作循环末阻力Pe与初撑力Ps的差值；然后根据保存的数据统计分析初撑力与增阻量的分布状况，当监测到的实时增阻量ΔP显著大于历史增阻量平均值
与此同时这两个值均不位于其所在分布空间的合理范围时，则推测此时该支架初撑力不足。
7.根据权利要求2所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：所述传感器故障问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取各个参数值，如果连续多个工作循环存在各个参数值均不为正常值或显示无值(NaN)的问题的状态，则推断判断传感器故障。
8.根据权利要求7所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：所述各个参数值为：各承载阶段增阻速率、时间加权工作阻力Pt、增阻量ΔP和降阻速率rv。
9.根据权利要求1所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：
在步骤六中，确定的问题通过报表进行反馈。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011613345.6A CN112798042A (zh) | 2020-12-30 | 2020-12-30 | 液压支架工作状态与支护质量的智能诊断方法 |
| CN202111659937.6A CN114111918A (zh) | 2020-12-30 | 2021-12-30 | 液压支架工作状态与支护质量的智能诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011613345.6A CN112798042A (zh) | 2020-12-30 | 2020-12-30 | 液压支架工作状态与支护质量的智能诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112798042A true CN112798042A (zh) | 2021-05-14 |
Family
ID=75805801
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011613345.6A Pending CN112798042A (zh) | 2020-12-30 | 2020-12-30 | 液压支架工作状态与支护质量的智能诊断方法 |
| CN202111659937.6A Pending CN114111918A (zh) | 2020-12-30 | 2021-12-30 | 液压支架工作状态与支护质量的智能诊断方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111659937.6A Pending CN114111918A (zh) | 2020-12-30 | 2021-12-30 | 液压支架工作状态与支护质量的智能诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN112798042A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113323699A (zh) * | 2021-06-08 | 2021-08-31 | 中国矿业大学 | 一种基于数据驱动的液压支架系统故障源精准辨识方法 |
| CN113700530A (zh) * | 2021-08-31 | 2021-11-26 | 天地科技股份有限公司 | 基于支架压力时空云图的顶板控制方法、装置和电子设备 |
| CN114167832A (zh) * | 2021-11-09 | 2022-03-11 | 北京天玛智控科技股份有限公司 | 液压支架控制设备的控制方法、装置、设备及存储介质 |
| CN116202574A (zh) * | 2023-04-28 | 2023-06-02 | 太原理工大学 | 液压支架工作状态的评价方法 |
| CN117646754A (zh) * | 2024-01-30 | 2024-03-05 | 太原理工大学 | 液压支架集群支护状态智能识别方法 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115235676B (zh) * | 2022-09-26 | 2022-12-09 | 山东济矿鲁能煤电股份有限公司阳城煤矿 | 一种矿井液压支架压力异常自动报警方法 |
| CN116662891B (zh) * | 2023-08-01 | 2023-10-20 | 西安核音智言科技有限公司 | 一种采煤机工作状态识别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09303071A (ja) * | 1996-05-20 | 1997-11-25 | Shimizu Corp | 切羽前方の岩盤性状の予測方法 |
| CN106441669A (zh) * | 2016-08-31 | 2017-02-22 | 中煤科工集团重庆研究院有限公司 | 煤矿工作面顶板来压判定方法 |
| CN109242104A (zh) * | 2018-08-04 | 2019-01-18 | 大唐国际发电股份有限公司张家口发电厂 | 一种利用数据分析实时发现设备故障异常的系统 |
| 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 |
| CN111879538A (zh) * | 2020-07-09 | 2020-11-03 | 郑州普泽能源科技有限公司 | 一种顶板来压精准监测方法 |
| CN112145231A (zh) * | 2020-08-20 | 2020-12-29 | 中煤科工开采研究院有限公司 | 一种液压支架工况的预警方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204043641U (zh) * | 2014-08-22 | 2014-12-24 | 中国矿业大学 | 综采工作面活柱下缩量监测装置 |
| CN110728003B (zh) * | 2019-10-17 | 2023-06-23 | 天地科技股份有限公司 | 一种井工煤矿工作面液压支架压力智能预测方法 |
| CN110748365B (zh) * | 2019-10-22 | 2021-04-27 | 神华神东煤炭集团有限责任公司 | 基于支架载荷变化的采煤循环数量自动识别方法和系统 |
| CN111734492B (zh) * | 2020-07-02 | 2021-08-24 | 中国矿业大学 | 基于u型区特征参数提取的智能化工作面冒顶预警方法 |
-
2020
- 2020-12-30 CN CN202011613345.6A patent/CN112798042A/zh active Pending
-
2021
- 2021-12-30 CN CN202111659937.6A patent/CN114111918A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09303071A (ja) * | 1996-05-20 | 1997-11-25 | Shimizu Corp | 切羽前方の岩盤性状の予測方法 |
| CN106441669A (zh) * | 2016-08-31 | 2017-02-22 | 中煤科工集团重庆研究院有限公司 | 煤矿工作面顶板来压判定方法 |
| CN109242104A (zh) * | 2018-08-04 | 2019-01-18 | 大唐国际发电股份有限公司张家口发电厂 | 一种利用数据分析实时发现设备故障异常的系统 |
| 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 |
| CN111879538A (zh) * | 2020-07-09 | 2020-11-03 | 郑州普泽能源科技有限公司 | 一种顶板来压精准监测方法 |
| CN112145231A (zh) * | 2020-08-20 | 2020-12-29 | 中煤科工开采研究院有限公司 | 一种液压支架工况的预警方法 |
Non-Patent Citations (2)
| Title |
|---|
| 程敬义 等: "基于海量矿压监测数据的采场支架与顶板状态智能感知技术", 《煤炭学报》 * |
| 高召宁: "《采场顶板控制及监测技术》", 31 May 2015 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113323699A (zh) * | 2021-06-08 | 2021-08-31 | 中国矿业大学 | 一种基于数据驱动的液压支架系统故障源精准辨识方法 |
| CN113323699B (zh) * | 2021-06-08 | 2022-06-07 | 中国矿业大学 | 一种基于数据驱动的液压支架系统故障源精准辨识方法 |
| CN113700530A (zh) * | 2021-08-31 | 2021-11-26 | 天地科技股份有限公司 | 基于支架压力时空云图的顶板控制方法、装置和电子设备 |
| CN113700530B (zh) * | 2021-08-31 | 2023-08-29 | 天地科技股份有限公司 | 基于支架压力时空云图的顶板控制方法、装置和电子设备 |
| CN114167832A (zh) * | 2021-11-09 | 2022-03-11 | 北京天玛智控科技股份有限公司 | 液压支架控制设备的控制方法、装置、设备及存储介质 |
| CN116202574A (zh) * | 2023-04-28 | 2023-06-02 | 太原理工大学 | 液压支架工作状态的评价方法 |
| CN117646754A (zh) * | 2024-01-30 | 2024-03-05 | 太原理工大学 | 液压支架集群支护状态智能识别方法 |
| CN117646754B (zh) * | 2024-01-30 | 2024-04-12 | 太原理工大学 | 液压支架集群支护状态智能识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114111918A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112798042A (zh) | 液压支架工作状态与支护质量的智能诊断方法 | |
| CN108460144B (zh) | 一种基于机器学习的煤炭设备故障预警系统及方法 | |
| WO2023197461A1 (zh) | 一种基于工况相似性评估的齿轮箱故障预警方法及系统 | |
| CN109583680B (zh) | 一种基于支持向量机的窃电辨识方法 | |
| CN106296435B (zh) | 一种矿井瓦斯监测异常数据识别方法 | |
| CN111858231A (zh) | 一种基于运维监控的单指标异常检测方法 | |
| CN112487356B (zh) | 一种结构健康监测数据增强方法 | |
| CN113369979B (zh) | 一种基于云计算的在线监测数控车床冷却系统 | |
| CN110110740A (zh) | 基于多时间尺度特征和神经网络的钻进过程工况识别方法 | |
| CN107065834A (zh) | 湿法冶金过程中浓密机的故障诊断方法 | |
| CN112861071B (zh) | 一种基于深度自编码的高铁牵引系统异常检测方法 | |
| CN107844067A (zh) | 一种水电站闸门在线状态监测控制方法及监测系统 | |
| CN111717753A (zh) | 基于多维故障特征的自适应电梯故障预警系统及方法 | |
| CN113177646A (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
| CN116304718A (zh) | 基于物联网数据链的全自动无人设备异常监测预警系统 | |
| CN107103425B (zh) | 发电设备运行状态计算机智能量化评价系统 | |
| CN102542673A (zh) | 基于计算机视觉的atm机预警方法及系统 | |
| CN117382129A (zh) | 注塑机数据分析系统和电子设备 | |
| CN116241306A (zh) | 一种基于电液控系统的支架常见各类故障判断方法 | |
| CN116977904A (zh) | 一种基于YOLOv5的快速识别大场景多人工衣检测方法 | |
| CN104598970A (zh) | 一种爬架组的工作状态检测方法 | |
| CN116777085A (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
| CN206656749U (zh) | 火电厂传感器故障诊断系统 | |
| CN115526407A (zh) | 基于因果机器学习的电网大数据安全检测预警方法及系统 | |
| CN113685166A (zh) | 一种钻井事故预警方法及系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210514 |
|
| WD01 | Invention patent application deemed withdrawn after publication |