CN112983417B - 一种煤矿采掘装备数据分析预警方法 - Google Patents

一种煤矿采掘装备数据分析预警方法 Download PDF

Info

Publication number
CN112983417B
CN112983417B CN202110274164.3A CN202110274164A CN112983417B CN 112983417 B CN112983417 B CN 112983417B CN 202110274164 A CN202110274164 A CN 202110274164A CN 112983417 B CN112983417 B CN 112983417B
Authority
CN
China
Prior art keywords
equipment
heading
machine
machine body
angle
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.)
Active
Application number
CN202110274164.3A
Other languages
English (en)
Other versions
CN112983417A (zh
Inventor
张婷
陈宁
索艳春
布朋生
董孟阳
李涛
郭皇煌
田原
贾曲
常映辉
冀鹏飞
杜会峰
李瑞媛
邢晨
刘继全
马育华
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.)
Taiyuan Institute of China Coal Technology and Engineering Group
Shanxi Tiandi Coal Mining Machinery Co Ltd
Original Assignee
Taiyuan Institute of China Coal Technology and Engineering Group
Shanxi Tiandi Coal Mining Machinery 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 Taiyuan Institute of China Coal Technology and Engineering Group, Shanxi Tiandi Coal Mining Machinery Co Ltd filed Critical Taiyuan Institute of China Coal Technology and Engineering Group
Priority to CN202110274164.3A priority Critical patent/CN112983417B/zh
Publication of CN112983417A publication Critical patent/CN112983417A/zh
Application granted granted Critical
Publication of CN112983417B publication Critical patent/CN112983417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK 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
    • 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
    • E21F13/00—Transport specially adapted to underground conditions
    • 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)
  • Mechanical Engineering (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Excavating Of Shafts Or Tunnels (AREA)

Abstract

本发明涉及一种煤矿采掘装备数据分析预警方法，针对当前煤矿采掘装备的运行状态数据单一、无法按装备类型进行有效整合，本发明通过装备内有线、装备间无线的传输方式，建立具有通用性和可扩展性的数据系统，实现可按照当前装备类型进行选择和配置，同时通过数据、三维动画等多种方式展示装备运行状态，操作人员和生产设计人员可实时掌握装备信息，有效减少工作面人数、提高装备智能化水平。

Description

一种煤矿采掘装备数据分析预警方法
技术领域
本发明涉及数据分析技术领域，具体是一种煤矿采掘装备数据分析预警方法。
背景技术
煤矿采掘装备众多，可分为应用于露天矿的边帮连续采煤机，以及应用于井工矿的掘进机、掘锚机、快速掘进装备等。由于开采工艺及应用场景不同，且各类装备的设计要求及使用方式不同，采掘装备当前的运行状态缺少数据信息反馈；或是数据显示简单分散、依装备各异，缺少通用性和延续性；或是装备数据无法远程传回至生产设计厂商，操作人员及生产设计人员无法掌握装备实时运行状态，无法预判装备可能出现的隐患及问题。煤矿采掘装备的智能化作为煤矿生产及装备设计的必然趋势，要求其配套的数据系统应满足远程化、实时性、通用性、可配置和可扩展性等。
发明内容
本发明为了解决上述问题，提供一种煤矿采掘装备数据分析预警方法。
本发明采取以下技术方案：一种煤矿采掘装备数据分析预警方法，包括：
通过设置于煤矿采掘装备的传感器，提取指定时间间隔内的传感器数据进行数据采集，并对对应不同设备的数据进行特征值提取，得到的特征值E，表示为E＝[M α β γ a1a2……]；其中，M为设备类型，包括连续采煤机、掘进机、掘锚机、快速掘进装备；
将对应不同设备类型的特征值输入模糊C均值聚类模型中，在隶属度函数的约束条件下，通过不断迭代隶属度函数U和聚类中心C，使模糊C均值聚类模型的目标函数J(U,C)不断减小直至min{J(U,C)}，并达到稳定状态停止迭代，此状态的U和C为最终的隶属度函数和聚类中心；
将使目标函数减小至最小状态时对应不同设备的隶属度函数值与预设的对应设备隶属度阈值范围进行比较，当模型输出的设备隶属度函数值在预设的对应设备隶属度阈值范围之外，判定对应设备有产生故障的风险，并发出预警信号。
其中，对于掘进机机身的监测，涉及有姿态参数和位置参数的检测；其中，姿态参数包括航向角、俯仰角、横滚角；设航向角为α，范围0°～360°，俯仰角为β，范围-180°～180°，横滚角为γ，范围-180°～180°；掘进机在工作过程中，为使其沿设定前进方向行走，对姿态参数设定阈值范围；设航向角α的阈值为τα，在设定航向角的τα≤±3°；俯仰角β的阈值为τβ，设定范围在τβ≤±10°；横滚角γ的阈值为τγ，设定范围在τγ≤±10°；通过对掘进机机身姿态参数进行实时显示，并根据设定阈值进行阈值判断，以确保机身姿态在适宜工作的范围内；当其中任一姿态参数超过相应阈值时，及时对机身进行相反方向的姿态调整，实时进行机身纠偏控制；位置参数用于测量机身距两帮距离，设巷道宽度为W，机身宽度为B，机身距左帮距离为a1，距右帮距离为a2；当a1＝a2时，机身位于巷道中间，不需对机身位置进行调整；当a1<a2时，机身偏向巷道左侧，需将机身向右调整，调整距离为D＝W/2-a1-B/2；当a1>a2时，机身偏向巷道右侧，需将机身向左调整，调整距离为D＝W/2-a2-B/2；经过以上调整，使机身重新回到设定的巷道中线位置，便于截割臂截割动作。
其中，连采机机身监测内容与掘进机机身监测一致，归为同一类型。
其中，对于掘进机截割头的监测，包括姿态参数、位置参数及截割电机参数；设截割头航向角为αc，范围0°～360°，俯仰角为βc，范围-180°～180°，横滚角为γc，范围-180°～180°；位置参数有截割头的水平位置Xc和垂直位置Yc，通过对巷道截割断面建立空间坐标并将截割头在巷道断面所在平面进行投影，对采集的一系列XY坐标值分别取各X坐标内Y的最大值及各Y坐标内X的最大值，即可得到投影点形成的轨迹边界T＝{Xc,Yc}，将此轨迹与预先设定的巷道成型轨迹Ts＝{Xs,Ys}进行差值对比，计算所开巷道的净宽偏差Wd＝Xcmax-Xsmax，净高偏差Hd＝Ycmax-Ysmax，通过设定的净宽偏差与净高偏差阈值判断巷道成型质量；当Wd≤±10cm且Hd≤±10cm时，此巷道成型较好，满足巷道成型要求。
其中，对于掘锚机锚护的监测，涉及打锚杆和支护过程参数，包括液压油缸行程Lw、油泵电机电流Ip、截割电机电流Ic、截割电机温度Tc、锚杆安装角度Ar；通过对以上状态参数的实时监测，对掘锚机工作状态进行判断，对各参数建立相应数据库，提取各参数的均值μ、标准差σ作为特征值，对其进行分布情况分析，由于参数实时监测可确保样本数量较大，根据正态分布及3σ原则，将(μ-3σ,μ+3σ)区间内作为装备正常工作状态，超出(μ-3σ,μ+3σ)区间则认为装备异常工作状态，将异常工作状态参数作为故障预判的依据。
其中，对于快速掘进装备的监测，涉及后配套运输参数，包括二运电机电流It、液压油缸行程Lr、运输皮带压力Pb；在运输皮带上安装有标记点和传感器，当感知到一次标记点后传感器计数加一，不断累加可大致估计出运输的次数和距离；通过对运输皮带压力的监测，检测到皮带此时为空载状态或运输状态；当依据运输皮带压力判断为运输状态，且结合皮带单位面积承载煤量和运输距离，即可估算开采巷道的出煤量，安排和指导煤矿生产。
其中，定义对应四类采掘装备的特征值E为以下一系列参数：E＝[M α β γ a1a2……]，其中M表示机型，对应不同机型，特征值可表示为不同形式；对于连续采煤机，特征值EC＝[Mc α β γ a1 a2]；对于掘进机，特征值ET＝[Mt α β γ a1 a2 αc βc γc]；对于掘锚机，特征值EW＝[Mw α β γ a1 a2 αc βc γc Lw Ip Ic Tc Ar]；对于快速掘进装备，特征值ER＝[Mr α β γ a1 a2 αc βc γc It Lr Pb]。
其中，将不同机型对应的不同特征值作为模糊C均值聚类模型的输入，进行健康诊断分析，用来判别装备可能存在的隐患和故障，通过特征值对其状态进行分类，提前预判装备可能存在的问题；其中，
将特征值作为输入至模糊C均值聚类，x为特征值E中的元素，U(x)＝uis为隶属度函数，U(x)∈[0,1]，U(x)越接近于1表明x属于U的程度越高，U(x)越接近于0表明x属于U的程度越低；模糊C均值聚类的目标函数为其中N为数据样本集大小，K为聚类中心个数，m为加权指数，dist(ci,xs)为各样本元素到每个聚类中心的距离，即目标函数J(U,C)为各样本元素到每个聚类中心的加权平方和；模糊C均值聚类则为在隶属度函数/>的约束条件下，通过不断迭代U和C，使J(U,C)不断减小直至min{J(U,C)}，并达到稳定状态停止迭代，此状态的U和C为最终的隶属度函数和聚类中心；通过对比装备的隶属度函数值U和对应的隶属度阈值，对可能存在的故障进行预警判断。
与现有技术相比，本发明提供的一种煤矿采掘装备数据分析预警方法，针对当前煤矿采掘装备的运行状态数据单一、无法按装备类型进行有效整合，本发明通过装备内有线、装备间无线的传输方式，建立具有通用性和可扩展性的数据系统，实现可按照当前装备类型进行选择和配置，同时通过数据、三维动画等多种方式展示装备运行状态，操作人员和生产设计人员可实时掌握装备信息，有效减少工作面人数、提高装备智能化水平。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明提供的一种煤矿采掘装备数据分析预警方法的流程示意图。
图2是本发明提供的一种煤矿采掘装备数据分析预警方法的数据采集流程示意图。
图3是本发明提供的一种煤矿采掘装备数据分析预警方法的数据采集类型示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
参阅图1，本发明提供了一种煤矿采掘装备数据分析预警方法，包括：
通过设置于煤矿采掘装备的传感器，提取指定时间间隔内的传感器数据进行数据采集，并对对应不同设备的数据进行特征值提取，得到的特征值E，表示为E＝[M α β γ a1a2……]；其中，M为设备类型，包括连续采煤机、掘进机、掘锚机、快速掘进装备；
将对应不同设备类型的特征值输入模糊C均值聚类模型中，在隶属度函数的约束条件下，通过不断迭代隶属度函数U和聚类中心C，使模糊C均值聚类模型的目标函数J(U,C)不断减小直至min{J(U,C)}，并达到稳定状态停止迭代，此状态的U和C为最终的隶属度函数和聚类中心；
将使目标函数减小至最小状态时对应不同设备的隶属度函数值与预设的对应设备隶属度阈值范围进行比较，当模型输出的设备隶属度函数值在预设的对应设备隶属度阈值范围之外，判定对应设备有产生故障的风险，并发出预警信号。
按照装备类型不同，可将数据系统分为连采机、掘进机、掘锚机、快速掘进装备等，各装备可作为煤矿采掘装备数据系统中一个独立的子数据系统。如图2所示，数据系统的传输过程采用装备内有线、装备间无线的方式，即每个装备设有一个交换机，用于采集装备运行状态参数的各类传感器通过网线等有线方式与交换机连接，不同装备按照需求不同配置不同传感器，连接方式相似。不同装备之间，采用无线通信方式进行数据传输，各装备交换机均连接至主交换机，主交换机中的数据通过无线数据发送模块和无线数据接收模块进行传输，并与近端工控机相连，便于近端控制中心数据集中控制。通过无线收发模块的数据传输，将煤矿不同类型的装备相互连接并回传至远端数据平台，用于操作人员的远程显示和状态确认。同时，远端数据平台还可通过无线路由将装备数据传输至生产设计人员的远端数据中心，便于装备状态的预判。
如图3所示，数据系统的各子系统组成有相同模块和依装备类型的不同模块，相同模块主要为PLC控制器，温度、压力、液位、油缸等各类传感器，摄像头等。对于不同的装备，需根据不同功能进行个性化定制和模块化设计。连采机，主要应用于露天边帮环境下，机身与截割臂一体，需实时监测连采机机身位置及姿态。掘进机、掘锚机、快速掘进装备应用于井工环境，且结构复杂。掘进机机身和截割头可相对摆动，需对机身和截割头分别进行位置和姿态监测，同时对机身行走、截割过程、成型轨迹、机身及截割头空间位置变化进行动态模拟显示，且可通过远端对机身和截割头位置及姿态、截割头自动截割进行控制。掘锚机分为掘进和锚护两模块，掘进过程与掘进机类似，锚护过程需实时监测锚杆、支护、液压油缸位置及状态，且可通过远端对截割、锚杆支护过程进行步进控制。快速掘进装备主要为掘进和后配套两模块，掘进过程与掘进机类似，后配套需实时监测运输电机、油缸、皮带等状态，且可通过远端对截割、运输过程进行控制。基于以上不同装备的功能，可将数据系统分为基础和可配置两种类型，以掘进机为基础配置，在此基础上增加截割头、锚护、后配套运输三个可选模块，基础配置除去截割头模块为连采机子系统，基础配置与锚护模块结合为掘锚机子系统，基础配置与后配套运输模块结合为快速掘进装备子系统，此种配置方法充分考虑各类型装备的共性与特殊性。
其中，对于掘进机机身的监测，涉及有姿态参数和位置参数的检测；其中，姿态参数包括航向角、俯仰角、横滚角；设航向角为α，范围0°～360°，俯仰角为β，范围-180°～180°，横滚角为γ，范围-180°～180°；掘进机在工作过程中，为使其沿设定前进方向行走，对姿态参数设定阈值范围；设航向角α的阈值为τα，在设定航向角的τα≤±3°；俯仰角β的阈值为τβ，设定范围在τβ≤±10°；横滚角γ的阈值为τγ，设定范围在τγ≤±10°；通过对掘进机机身姿态参数进行实时显示，并根据设定阈值进行阈值判断，以确保机身姿态在适宜工作的范围内；当其中任一姿态参数超过相应阈值时，及时对机身进行相反方向的姿态调整，实时进行机身纠偏控制；位置参数用于测量机身距两帮距离，设巷道宽度为W，机身宽度为B，机身距左帮距离为a1，距右帮距离为a2；当a1＝a2时，机身位于巷道中间，不需对机身位置进行调整；当a1<a2时，机身偏向巷道左侧，需将机身向右调整，调整距离为D＝W/2-a1-B/2；当a1>a2时，机身偏向巷道右侧，需将机身向左调整，调整距离为D＝W/2-a2-B/2；经过以上调整，使机身重新回到设定的巷道中线位置，便于截割臂截割动作。
其中，连采机机身监测内容与掘进机机身监测一致，归为同一类型。
其中，对于掘进机截割头的监测，包括姿态参数、位置参数及截割电机参数；设截割头航向角为αc，范围0°～360°，俯仰角为βc，范围-180°～180°，横滚角为γc，范围-180°～180°；位置参数有截割头的水平位置Xc和垂直位置Yc，通过对巷道截割断面建立空间坐标并将截割头在巷道断面所在平面进行投影，对采集的一系列XY坐标值分别取各X坐标内Y的最大值及各Y坐标内X的最大值，即可得到投影点形成的轨迹边界T＝{Xc,Yc}，将此轨迹与预先设定的巷道成型轨迹Ts＝{Xs,Ys}进行差值对比，计算所开巷道的净宽偏差Wd＝Xcmax-Xsmax，净高偏差Hd＝Ycmax-Ysmax，通过设定的净宽偏差与净高偏差阈值判断巷道成型质量；当Wd≤±10cm且Hd≤±10cm时，此巷道成型较好，满足巷道成型要求。
其中，对于掘锚机锚护的监测，涉及打锚杆和支护过程参数，包括液压油缸行程Lw、油泵电机电流Ip、截割电机电流Ic、截割电机温度Tc、锚杆安装角度Ar；通过对以上状态参数的实时监测，对掘锚机工作状态进行判断，对各参数建立相应数据库，提取各参数的均值μ、标准差σ作为特征值，对其进行分布情况分析，由于参数实时监测可确保样本数量较大，根据正态分布及3σ原则，将(μ-3σ,μ+3σ)区间内作为装备正常工作状态，超出(μ-3σ,μ+3σ)区间则认为装备异常工作状态，将异常工作状态参数作为故障预判的依据。
其中，对于快速掘进装备的监测，涉及后配套运输参数，包括二运电机电流It、液压油缸行程Lr、运输皮带压力Pb；在运输皮带上安装有标记点和传感器，当感知到一次标记点后传感器计数加一，不断累加可大致估计出运输的次数和距离；通过对运输皮带压力的监测，检测到皮带此时为空载状态或运输状态；当依据运输皮带压力判断为运输状态，且结合皮带单位面积承载煤量和运输距离，即可估算开采巷道的出煤量，安排和指导煤矿生产。
其中，定义对应四类采掘装备的特征值E为以下一系列参数：E＝[M α β γ a1a2……]，其中M表示机型，对应不同机型，特征值可表示为不同形式；对于连续采煤机，特征值EC＝[Mc α β γ a1 a2]；对于掘进机，特征值ET＝[Mt α β γ a1 a2 αc βc γc]；对于掘锚机，特征值EW＝[Mw α β γ a1 a2 αc βc γc Lw Ip Ic Tc Ar]；对于快速掘进装备，特征值ER＝[Mr α β γ a1 a2 αc βc γc It Lr Pb]。
其中，将不同机型对应的不同特征值作为模糊C均值聚类模型的输入，进行健康诊断分析，用来判别装备可能存在的隐患和故障，通过特征值对其状态进行分类，提前预判装备可能存在的问题；其中，
将特征值作为输入至模糊C均值聚类，x为特征值E中的元素，U(x)＝uis为隶属度函数，U(x)∈[0,1]，U(x)越接近于1表明x属于U的程度越高，U(x)越接近于0表明x属于U的程度越低；模糊C均
值聚类的目标函数为其中N为数据样本集大小，K为聚类中心个数，m为加权指数，dist(ci,xs)为各样本元素到每个聚类中心的距离，即目标函数J(U,C)为各样本元素到每个聚类中心的加权平方和；模糊C均值聚类则为在隶属度函数/>的约束条件下，通过不断迭代U和C，使J(U,C)不断减小直至min{J(U,C)}，并达到稳定状态停止迭代，此状态的U和C为最终的隶属度函数和聚类中心；通过对比装备的隶属度函数值U和对应的隶属度阈值，对可能存在的故障进行预警判断。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种煤矿采掘装备数据分析预警方法，其特征在于，包括：
通过设置于煤矿采掘装备的传感器，提取指定时间间隔内的传感器数据进行数据采集，并对对应不同设备的数据进行特征值提取，得到的特征值E，表示为E＝[Mαβγa1a2……]；其中，M为设备类型，包括连续采煤机、掘进机、掘锚机、快速掘进装备；α为对应设备机身的航向角，β为对应设备机身的俯仰角，γ为对应设备机身的横滚角，a1为对应设备机身距左帮距离，a2为对应设备机身距右帮距离，
将对应不同设备类型的特征值输入模糊C均值聚类模型中，在隶属度函数的约束条件下，通过不断迭代隶属度函数U和聚类中心C，使模糊C均值聚类模型的目标函数J(U,C)不断减小直至min{J(U,C)}，并达到稳定状态停止迭代，此状态的U和C为最终的隶属度函数和聚类中心；在隶属度函数/>中，U(x)＝uis为隶属度函数，uis为xs对聚类中心ci的隶属度，即xs属于聚类中心ci的概率，U(x)∈[0,1]，U(x)越接近于1表明x属于U的程度越高，U(x)越接近于0表明x属于U的程度越低；K为模糊C均值聚类模型中的聚类中心个数；
将使目标函数减小至最小状态时对应不同设备的隶属度函数值与预设的对应设备隶属度阈值范围进行比较，当模型输出的设备隶属度函数值在预设的对应设备隶属度阈值范围之外，判定对应设备有产生故障的风险，并发出预警信号。
2.根据权利要求1所述的煤矿采掘装备数据分析预警方法，其特征在于，对于掘进机机身的监测，涉及有姿态参数和位置参数的检测；其中，姿态参数包括航向角、俯仰角、横滚角；设航向角为α，范围0°～360°，俯仰角为β，范围-180°～180°，横滚角为γ，范围-180°～180°；掘进机在工作过程中，为使其沿设定前进方向行走，对姿态参数设定阈值范围；设航向角α的阈值为τα，在设定航向角的τα≤±3°；俯仰角β的阈值为τβ，设定范围在τβ≤±10°；横滚角γ的阈值为τγ，设定范围在τγ≤±10°；通过对掘进机机身姿态参数进行实时显示，并根据设定阈值进行阈值判断，以确保机身姿态在适宜工作的范围内；当其中任一姿态参数超过相应阈值时，及时对机身进行相反方向的姿态调整，实时进行机身纠偏控制；位置参数用于测量机身距两帮距离，设巷道宽度为W，机身宽度为B，机身距左帮距离为a 1，距右帮距离为a 2；当a 1＝a 2时，机身位于巷道中间，不需对机身位置进行调整；当a 1<a 2时，机身偏向巷道左侧，需将机身向右调整，调整距离为D＝W/2-a 1-B/2；当a 1>a 2时，机身偏向巷道右侧，需将机身向左调整，调整距离为D＝W/2-a 2-B/2；经过以上调整，使机身重新回到设定的巷道中线位置，便于截割臂截割动作。
3.根据权利要求2所述的煤矿采掘装备数据分析预警方法，其特征在于，连采机机身监测内容与掘进机机身监测一致，归为同一类型。
4.根据权利要求1所述的煤矿采掘装备数据分析预警方法，其特征在于，对于掘进机截割头的监测，包括姿态参数、位置参数及截割电机参数；设截割头航向角为αc，范围0°～360°，俯仰角为βc，范围-180°～180°，横滚角为γc，范围-180°～180°；位置参数有截割头的水平位置Xc和垂直位置Yc，通过对巷道截割断面建立空间坐标并将截割头在巷道断面所在平面进行投影，对采集的一系列XY坐标值分别取各X坐标内Y的最大值及各Y坐标内X的最大值，即可得到投影点形成的轨迹边界T＝{Xc,Yc}，将此轨迹与预先设定的巷道成型轨迹Ts＝{Xs,Ys}进行差值对比，计算所开巷道的净宽偏差W d＝Xcmax-Xsmax，净高偏差H d＝Y cmax-Ysmax，通过设定的净宽偏差与净高偏差阈值判断巷道成型质量；当W d≤±10cm且H d≤±10cm时，此巷道成型较好，满足巷道成型要求。
5.根据权利要求1所述的煤矿采掘装备数据分析预警方法，其特征在于，对于掘锚机锚护的监测，涉及打锚杆和支护过程参数，包括液压油缸行程L w、油泵电机电流Ip、截割电机电流Ic、截割电机温度Tc、锚杆安装角度Ar；通过对以上状态参数的实时监测，对掘锚机工作状态进行判断，对各参数建立相应数据库，提取各参数的均值μ、标准差σ作为特征值，对其进行分布情况分析，由于参数实时监测可确保样本数量较大，根据正态分布及3σ原则，将(μ-3σ,μ+3σ)区间内作为装备正常工作状态，超出(μ-3σ,μ+3σ)区间则认为装备异常工作状态，将异常工作状态参数作为故障预判的依据。
6.根据权利要求1所述的煤矿采掘装备数据分析预警方法，其特征在于，对于快速掘进装备的监测，涉及后配套运输参数，包括二运电机电流It、液压油缸行程Lr、运输皮带压力Pb；在运输皮带上安装有标记点和传感器，当感知到一次标记点后传感器计数加一，不断累加可大致估计出运输的次数和距离；通过对运输皮带压力的监测，检测到皮带此时为空载状态或运输状态；当依据运输皮带压力判断为运输状态，且结合皮带单位面积承载煤量和运输距离，即可估算开采巷道的出煤量，安排和指导煤矿生产。
7.根据权利要求1所述的煤矿采掘装备数据分析预警方法，其特征在于，定义对应四类采掘装备的特征值E为以下一系列参数：E＝[Mαβγa 1a 2……]，其中M表示机型，对应不同机型，特征值可表示为不同形式；对于连续采煤机，特征值E C＝[McαCβCγCa1Ca2C]，其中Mc表示连续采煤机，αc为连续采煤机机身航向角，βc为连续采煤机机身俯仰角，γc为连续采煤机机身横滚角，a1c为连续采煤机机身距左帮距离，a2c为连续采煤机机身距右帮距离；对于掘进机，特征值E T＝[Mtαtβtγt a1t a2tαctβctγct]，其中Mt表示掘进机，αt为掘进机机身航向角，βt为掘进机机身俯仰角，γt为掘进机机身横滚角，a1t为掘进机机身距左帮距离，a2t为掘进机机身距右帮距离，αct为掘进机截割头航向角，βct为掘进机截割头俯仰角，γct为掘进机截割头横滚角；对于掘锚机，特征值E W＝[Mwαwβwγw a1w a2wαcwβcwγcw Lw Ip Ic Tc Ar]，其中Mw表示掘锚机，αw为掘锚机机身航向角，βw为掘锚机机身俯仰角，γw为掘锚机机身横滚角，a1w为掘锚机机身距左帮距离，a2w为掘锚机机身距右帮距离，αcw为掘锚机截割头航向角，βcw为掘锚机截割头俯仰角，γcw为掘锚机截割头横滚角，Lw为液压油缸行程，Ip为油泵电机电流，Ic为截割电机电流，Tc为截割电机温度，Ar为锚杆安装角度；对于快速掘进装备，特征值ER＝[Mrαrβrγr a 1r a 2rαcrβcrγcr I t Lr Pb]，其中Mr表示快速掘进装备，αr为快速掘进装备机身航向角，βr为快速掘进装备机身俯仰角，γr为快速掘进装备机身横滚角，a1r为快速掘进装备机身距左帮距离，a2r为快速掘进装备机身距右帮距离，αcr为快速掘进装备截割头航向角，βcr为快速掘进装备截割头俯仰角，γcr为快速掘进装备截割头横滚角，It为后配套二运电机电流，Lr为后配套液压油缸行程，Pb为后配套运输皮带压力。
8.根据权利要求7所述的煤矿采掘装备数据分析预警方法，其特征在于，将不同机型对应的不同特征值作为模糊C均值聚类模型的输入，进行健康诊断分析，用来判别装备可能存在的隐患和故障，通过特征值对其状态进行分类，提前预判装备可能存在的问题；其中，将特征值作为输入至模糊C均值聚类，x为特征值E中的元素，U(x)＝uis为隶属度函数，U(x)∈[0,1]，U(x)越接近于1表明x属于U的程度越高，U(x)越接近于0表明x属于U的程度越低；模糊C均值聚类的目标函数为其中N为数据样本集大小，K为聚类中心个数，xs为第s个样本，ci为第i个聚类中心，uis为xs对聚类中心ci的隶属度，即xs属于聚类中心ci的概率，m为加权指数，dist(ci,x s)为各样本元素到每个聚类中心的距离，即目标函数J(U,C)为各样本元素到每个聚类中心的加权平方和；模糊C均值聚类则为在隶属度函数/>的约束条件下，通过不断迭代U和C，使J(U,C)不断减小直至min{J(U,C)}，并达到稳定状态停止迭代，此状态的U和C为最终的隶属度函数和聚类中心；通过对比装备的隶属度函数值U和对应的隶属度阈值，对可能存在的故障进行预警判断。
CN202110274164.3A 2021-03-15 2021-03-15 一种煤矿采掘装备数据分析预警方法 Active CN112983417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110274164.3A CN112983417B (zh) 2021-03-15 2021-03-15 一种煤矿采掘装备数据分析预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110274164.3A CN112983417B (zh) 2021-03-15 2021-03-15 一种煤矿采掘装备数据分析预警方法

Publications (2)

Publication Number Publication Date
CN112983417A CN112983417A (zh) 2021-06-18
CN112983417B true CN112983417B (zh) 2023-12-12

Family

ID=76335464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110274164.3A Active CN112983417B (zh) 2021-03-15 2021-03-15 一种煤矿采掘装备数据分析预警方法

Country Status (1)

Country Link
CN (1) CN112983417B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113638738A (zh) * 2021-09-15 2021-11-12 北京道思克矿山装备技术有限公司 一种基于矿山智能化快速掘进系统的控制装置
CN114295928B (zh) * 2022-03-09 2022-06-10 广州市保伦电子有限公司 一种校园电器故障检测方法、后台服务器及系统
CN116187831B (zh) * 2023-01-30 2024-04-02 山西潞安环保能源开发股份有限公司 一种基于大数据的掘进机智能管控系统及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102797462A (zh) * 2012-07-30 2012-11-28 西安煤矿机械有限公司 一种采煤机自动截割控制系统及自动截割控制方法
CN102854838A (zh) * 2012-08-29 2013-01-02 内蒙古北方重工业集团有限公司 掘进机巷道自适应截割系统及自适应遥控方法
CN103362507A (zh) * 2013-07-09 2013-10-23 中国矿业大学 一种提高采煤机记忆截割执行精度的方法
CN103867205A (zh) * 2014-03-11 2014-06-18 西安科技大学 一种掘进机远程控制系统及方法
CN106194184A (zh) * 2015-05-28 2016-12-07 联邦科学和工业研究组织 改进的开采机和方法
CN106194230A (zh) * 2015-05-28 2016-12-07 联邦科学和工业研究组织 采掘机和用于控制采掘机的方法
CN109165383A (zh) * 2018-08-09 2019-01-08 四川政资汇智能科技有限公司 一种基于云平台的数据汇聚、分析、挖掘与共享方法
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
CN111308955A (zh) * 2020-03-18 2020-06-19 辽宁工程技术大学 综掘成套装备远程协同控制技术与方法
CN112085947A (zh) * 2020-07-31 2020-12-15 浙江工业大学 一种基于深度学习和模糊聚类的交通拥堵预测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102797462A (zh) * 2012-07-30 2012-11-28 西安煤矿机械有限公司 一种采煤机自动截割控制系统及自动截割控制方法
CN102854838A (zh) * 2012-08-29 2013-01-02 内蒙古北方重工业集团有限公司 掘进机巷道自适应截割系统及自适应遥控方法
CN103362507A (zh) * 2013-07-09 2013-10-23 中国矿业大学 一种提高采煤机记忆截割执行精度的方法
CN103867205A (zh) * 2014-03-11 2014-06-18 西安科技大学 一种掘进机远程控制系统及方法
CN106194184A (zh) * 2015-05-28 2016-12-07 联邦科学和工业研究组织 改进的开采机和方法
CN106194230A (zh) * 2015-05-28 2016-12-07 联邦科学和工业研究组织 采掘机和用于控制采掘机的方法
CN109165383A (zh) * 2018-08-09 2019-01-08 四川政资汇智能科技有限公司 一种基于云平台的数据汇聚、分析、挖掘与共享方法
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
CN111308955A (zh) * 2020-03-18 2020-06-19 辽宁工程技术大学 综掘成套装备远程协同控制技术与方法
CN112085947A (zh) * 2020-07-31 2020-12-15 浙江工业大学 一种基于深度学习和模糊聚类的交通拥堵预测方法

Also Published As

Publication number Publication date
CN112983417A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112983417B (zh) 一种煤矿采掘装备数据分析预警方法
CN105383952B (zh) 一种基于工业在线检测的矿车自动装矿方法及系统
CN109871786A (zh) 一种航班地面保障作业规范流程检测系统
CN108154651A (zh) 一种用于滑坡灾害实时监测预警的装置和方法
CN111341068B (zh) 一种基于深度学习的钻井现场危险区域预警系统构成方法
CN114673558B (zh) 一种煤矿掘进工作面风险识别与智能预控系统及方法
CN112202242A (zh) 一种杆塔综合监测与智能预警平台及预警方法
CN112650272B (zh) 基于5g的煤矿井下无人机巡视信息感知方法及其感知系统
CN112060106A (zh) 矿用巡检机器人的巡检系统及巡检机器人群的巡检方法
CN113639651A (zh) 一种露天矿边坡稳定性预测装置及其预测方法
CN110121053A (zh) 一种钻井现场风险分级预警的视频监控方法
CN104159087A (zh) 钻机现场监控平台
CN110570520A (zh) 一种基于slam的变电站检修安全距离监控方法
CN110608716A (zh) 一种基于slam的变电站检修安全距离监控方法
CN106453468A (zh) 一种基于gis技术的煤矿突水预警方法
CN112733432B (zh) 一种tbm极端复杂地质条件下掘进控制方法及系统
CN204013912U (zh) 钻机现场监控平台
CN114251125A (zh) 一种煤矿水害智能预警系统
CN113605866A (zh) 一种矿井瓦斯抽采动态调控系统及方法
CN117495157A (zh) 煤矿采空区岩溶隧道全周期施工特征信息融合与质量追溯系统
CN110656975B (zh) 一种基于虚拟现实与acp平行智能的隧道救援系统及方法
CN115796567A (zh) 基于地质保障系统的安全规划开采系统
CN115049798A (zh) 一种基于bim的金属屋面健康监测系统及方法
CN113833513A (zh) 矿井瓦斯抽采系统综合管理可视化平台
CN113431579A (zh) 一种采煤面找直方法及系统

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
GR01 Patent grant
GR01 Patent grant