CN113998414B - 基于云计算的带式输送机远程控制方法及系统 - Google Patents

基于云计算的带式输送机远程控制方法及系统 Download PDF

Info

Publication number
CN113998414B
CN113998414B CN202111614676.6A CN202111614676A CN113998414B CN 113998414 B CN113998414 B CN 113998414B CN 202111614676 A CN202111614676 A CN 202111614676A CN 113998414 B CN113998414 B CN 113998414B
Authority
CN
China
Prior art keywords
conveyor
initial reference
reference speed
fusion
speed distribution
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
CN202111614676.6A
Other languages
English (en)
Other versions
CN113998414A (zh
Inventor
张营
孙华
孙善金
郑兆宗
孙继征
邱雷明
高勇
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.)
Shandong Shankuang Machinery Co ltd
Original Assignee
Shandong Shankuang 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 Shandong Shankuang Machinery Co ltd filed Critical Shandong Shankuang Machinery Co ltd
Priority to CN202111614676.6A priority Critical patent/CN113998414B/zh
Publication of CN113998414A publication Critical patent/CN113998414A/zh
Application granted granted Critical
Publication of CN113998414B publication Critical patent/CN113998414B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B65G43/08—Control devices operated by article or material being fed, conveyed or discharged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2201/00—Indexing codes relating to handling devices, e.g. conveyors, characterised by the type of product or load being conveyed or handled
    • B65G2201/04—Bulk
    • B65G2201/045—Sand, soil and mineral ore

Landscapes

  • Control Of Conveyors (AREA)

Abstract

本发明涉及一种基于云计算的带式输送机远程控制方法及系统，属于输送带控制领域。方法包括以下步骤：构建各输送机在各历史时刻对应的状态特征；构建各输送机在各历史时刻对应的负载特征；对各输送机在各历史时刻对应的输送机运行速度进行分类，得到各输送机对应的P个参考运行速度；制定B个初始参考速度分配方案；以每个初始参考速度分配方案为节点，以两个初始参考速度分配方案的融合合理性为对应两节点之间的边权值，构造图数据结构；利用谱聚类算法将该图数据结构划分为设定数量的状态特征融合类别，计算各状态特征融合类别对应的融合结果，将模长最大的融合结果作为目标参考速度分配方案。本发明能够为各输送机分配合适的运行速度。

Description

基于云计算的带式输送机远程控制方法及系统
技术领域
本发明涉及输送带控制领域，具体涉及一种基于云计算的带式输送机远程控制方法及系统。
背景技术
带式输送机是煤炭开采领域的重要设备，在某些煤炭开采过程中，由于煤炭的输送距离长，需要输送的煤炭量较大，往往需要多个输送机连在一起进行煤矿的输送。在煤矿输送过程中由于输送带的长时间工作难免会发生各种各样的故障，例如动力设备的转速异常、设备的异常震动、输送带的温度异常，而且输送机数量较多、输送机所处开采环境恶劣，导致无法有足够的人员及时去巡检和维修输送机。
理想情况下，输送机的运行速度越快越能提高煤矿的输送效率，但是如果速度过快或者速度不合适的话，可能会造成某些输送机的异常，例如电机异常震动和发热，或者传送带温度过高，或者煤矿散落。不同输送机设备之间存在差异，如何为各输送机分配合适的运行速度以提高带式输送机对煤矿的输送效率，是目前面临的问题。
发明内容
为了解决上述问题，本发明提供了一种基于云计算的带式输送机远程控制方法及系统。
本发明的一种基于云计算的带式输送机远程控制方法的技术方案，包括以下步骤：
获取N个输送机在不同历史时刻对应的电机振动幅度、电机温度、传送带温度、输送机运行速度和传送带煤矿堆积程度，N≥2；
根据各输送机在各历史时刻对应的电机振动幅度、电机温度和传送带温度构建各输送机在各历史时刻对应的状态特征；根据各输送机在历史时间内的输送机运行速度和传送带煤矿堆积程度构建各输送机在各历史时刻对应的负载特征；
对各输送机在各历史时刻对应的输送机运行速度进行分类，得到各输送机对应的P个参考运行速度，P≥2；制定B个初始参考速度分配方案，每个初始参考速度分配方案中各输送机对应一个对应的参考运行速度，
Figure DEST_PATH_IMAGE001
；
以每个初始参考速度分配方案为节点，以两个初始参考速度分配方案的融合合理性为对应两节点之间的边权值，构造图数据结构；
利用谱聚类算法将该图数据结构划分为设定数量的状态特征融合类别，计算各状态特征融合类别对应的融合结果，将模长最大的融合结果作为目标参考速度分配方案，将目标参考速度分配方案中各输送机的运行速度作为目标运行速度。
本发明的一种基于云计算的带式输送机远程控制系统的技术方案，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述基于云计算的带式输送机远程控制方法。
本发明控制方法和控制系统的有益效果：本发明通过每个输送机在历史运行过程中的数据获得每个输送机的参考速度，进而获得输送机的多个速度分配方案，通过不同方案之间的融合合理性对多个速度分配方案进行融合，获得每个输送机最终的运行速度，保证了所有输送机能够配合这稳定安全的运行，并且具有较大的运行效率。
进一步地，所述对各输送机在各历史时刻对应的输送机运行速度进行分类，得到各输送机对应的P个参考运行速度，包括：
对于任意一个输送机：根据该输送机在各历史时刻下的运行速度构建该输送机对应的运行速度直方图；利用所述运行速度直方图拟合一个一维高斯混合模型，所述一维高斯混合模型中子高斯模型的个数为P；根据运行速度大小在混合高斯模型中子高斯模型上出现的概率对各运行速度进行分类，得到P个类别，将每个类别对应的子高斯模型的均值记为该输送机对应的参考运行速度。
进一步地，两个初始参考速度分配方案的融合合理性的计算方法包括：
构建第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的综合状态特征集合；
将第m个初始参考速度分配方案对应的综合状态特征集合与第n个初始参考速度分配方案对应的综合状态特征集合合并在一起，得到一个合并集合；对合并集合中的状态特征进行均值漂移聚类，获得J个类别，J≥1；
当J=1时，将获得的类别记为合并类别；当J≥2时，将包含状态特征数量最多的类别记为合并类别；根据合并类别中的状态特征计算合并类别的安全程度；
计算第m个初始参考速度分配方案对应的综合状态特征集合与合并类别中状态特征的分布差异，记为第一分布差异；计算第n个初始参考速度分配方案对应的综合状态特征集合与合并类别中状态特征的分布差异，记为第二分布差异；
根据第一分布差异、第二分布差异和合并类别的安全程度计算第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的融合合理性。
进一步地，所述根据合并类别中的状态特征计算合并类别的安全程度，包括：
根据合并类别中的状态特征计算合并类别对应的状态特征的均值；
根据所述合并类别对应的状态特征的均值计算合并类别的安全程度，合并类别的安全程度与合并类别对应的状态特征的均值的模长成负相关关系。
进一步地，所述根据第一分布差异、第二分布差异和合并类别的安全程度计算第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的融合合理性，包括：
利用如下计算公式计算第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的融合合理性：
Figure DEST_PATH_IMAGE003
其中，
Figure 645603DEST_PATH_IMAGE004
为第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的融合合理性，
Figure DEST_PATH_IMAGE005
为第m个初始参考速度分配方案和第n个初始参考速度分配方案对应的合并类别的安全程度，
Figure 849182DEST_PATH_IMAGE006
为第m个初始参考速度分配方案和第n个初始参考速度分配方案对应的第一分布差异，
Figure DEST_PATH_IMAGE007
为第m个初始参考速度分配方案和第n个初始参考速度分配方案对应的第二分布差异。
进一步地，利用如下计算公式计算各状态特征融合类别对应的融合结果：
Figure DEST_PATH_IMAGE009
Figure DEST_PATH_IMAGE011
其中，
Figure 598964DEST_PATH_IMAGE012
为某状态特征融合类别对应的融合结果，
Figure DEST_PATH_IMAGE013
为该状态特征融合类别中节点个数，
Figure 834773DEST_PATH_IMAGE014
为该状态特征融合类别中第m个初始参考速度分配方案的速度向量，
Figure 392924DEST_PATH_IMAGE004
为该状态特征融合类别中第m个初始参考速度分配方案和第n个初始参考速度分配方案的融合合理性，
Figure DEST_PATH_IMAGE015
为该状态特征融合类别中第m个初始参考速度分配方案与其它初始参考速度分配方案的融合合理性总和，
Figure 95301DEST_PATH_IMAGE016
为该状态特征融合类别中第m个初始参考速度分配方案的安全程度。
附图说明
图1是本发明的基于云计算的带式输送机远程控制方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行介绍。
本发明的目的在于各输送机分配合适的运行速度以提高带式输送机对煤矿的输送效率。具体地，如图1所示，本实施例的基于云计算的带式输送机远程控制方法包括以下步骤：
（1）获取N个输送机在不同历史时刻对应的电机振动幅度、电机温度、传送带温度、输送机运行速度和传送带煤矿堆积程度，N≥2；
在煤矿开采过程中需要多个输送机连接在一起工作，为了方便输送机的管理控制和监测，减少人员的参与，本实施例利用多种传感器来实时采集输送机工作过程中产生的数据，并对这些数据进行存储以及分析处理，以便于获得输送机的运行情况，实现对输送机的控制。由于输送机数量较多，需要监测的数据种类也较多，导致每时每刻会产生大量数据；本实施例建立云服务器，实现对上述大量数据的分析与处理。
具体的数据采集过程为：在每个输送机上的电机上安装震动传感器，用于监测电机在工作过程中的震动幅度；在每个输送带机的输送带上和电机上安装温度传感器，用于检测输送机工作过程中产生的温度；在每个输送机上安装RGB相机，用于检测输送带上的煤矿堆积程度；在输送机上安装速度传感器，用于获取每个输送机的输送带的运输速度。
上述的每个传感器和监测设备都具有和云端服务器的通信能力，能够实时上传监测数据，这些监测数据能够描述每个输送机不同时间的运行情况。云端服务器对实时上传的数据进行存储，这些数据通过云计算系统进行分析处理，云端服务器的搭建方法以及云计算系统的构建方法为现有技术，此处不再赘述。
本实施例根据输送机上安装的RGB相机采集的RGB图像获取传送带上的运煤量的方法为：获取采集的RGB图像，将该图像输入DNN网络中，网络输出煤矿堆积等级，即煤矿堆积程度；本实施例的煤矿堆积等级的取值范围为：0.1，0.2,…,1.0；堆积等级越大说明传送带上的煤矿数量越多，反之越少。对DNN网络的训练过程为现有技术，此处不再赘述。
本实施例获取了各输送机在各历史时刻对应的电机振动幅度、电机温度、传送带温度、输送机运行速度和传送带煤矿堆积程度信息，以基于这些大量的历史信息为各输送机分配一个合适的运行速度。
（2）根据各输送机在各历史时刻对应的电机振动幅度、电机温度和传送带温度构建各输送机在各历史时刻对应的状态特征；根据各输送机在历史时间内的输送机运行速度和传送带煤矿堆积程度构建各输送机在各历史时刻对应的负载特征；
本实施例中输送机的数量为N，N≥2；其中，第1个输送机是起始输送机，采矿机将挖出的煤矿放置到这个输送机上；第i个输送机将煤矿输送到第i+1个输送机上。理想情况下所有输送机的运送速度是一样的，但是由于不同输送机设备之间存在差异以及不同输送机所处工作环境也存在不同的原因，输送机之间的运行速度会不一样。
本实施例将利用传感器获得采集的第i个输送机在第t个时刻的电机的震动幅度、电机的温度和传送带的温度这些数据数据合并为一个向量，称为第i个输送机在第t个时刻的状态特征。将输送机的运行速度和煤矿堆积程度合并为一个二维向量，称为第i个输送机在第t时刻的负载特征。
负载特征是由控制系统的控制参数直接决定的，而状态特征是在控制特征下输送机的一些工作状态的数据。对于任意一个输送机在任意时刻都有一个状态特征和一个负载特征，即任意一个负载特征对应一个状态特征。
由此，可以得到各输送机在各历史时刻对应的状态特征和对应的负载特征。
（3）对各输送机在各历史时刻对应的输送机运行速度进行分类，得到各输送机对应的P个参考运行速度，P≥2；制定B个初始参考速度分配方案，每个初始参考速度分配方案中各输送机对应一个对应的参考运行速度，
Figure 784909DEST_PATH_IMAGE001
；
获取第i个输送机在各历史时刻下的运行速度，根据这些运行速度统计出运行速度直方图，所述的运行速度直方图是一个一维直方图，用于表示每个运行速度出现的概率。运行速度直方图的获取方法为：将这些运行速度所在的一维空间均等切分成K1个同样大小区间，本实施例中K1=20，每个区间中任一点就是一个运行速度，所有历史时刻中每个区间内运行速度出现的个数与所有运行速度个数的比值就称为这个区间中点对应的运行速度出现的概率。那么所有区间内点对应的运行速度出现的概率就构成速度直方图。
然后利用运行速度直方图拟合一个一维高斯混合模型，所述的高斯混合模型中子高斯模型的个数为P，本实施例中设定P=8；接着，根据速度大小在混合高斯模型中子高斯模型上出现的概率对这些速度进行分类，获得P个类别，每个类别对应一个子高斯模型的均值，这个均值称为每个类别的参考运行速度。本实施例计算参考运行速度的目的是减少后续的计算量，同时避免误差和噪声数据的干扰。
至此，第i个输送机对应P个参考运行速度，同理，每个输送机都对应P个参考运行速度。
本实施例为各输送机分配一个其对应的参考运行速度，那么N个输送机，每个输送机有P个参考运行速度，于是就有
Figure 699775DEST_PATH_IMAGE001
个初始参考速度分配方案，B为初始参考速度匹配方案的个数。
（4）以每个初始参考速度分配方案为节点，以两个初始参考速度分配方案的融合合理性为对应两节点之间的边权值，构造图数据结构；
上述的每个初始参考速度分配方案可以直接作为每个输送机的运行速度，但是可能存在一些其他的运行速度分配方案能够使得输送机运行的稳定安全。因此，本实施例还考虑了不同初始参考速度分配方案融合入之后的速度分配方案是否更优的情况，本实施例中融合可以理解为对不同方案之间对应的参考速度的加权求和。
为此，本实施例以每个初始参考速度分配方案为节点，以两个初始参考速度分配方案的融合合理性为对应两节点的边权值，构造一个图数据结构。本实施例中任意两个初始参考速度分配方案的融合合理性的计算方法如下：
（a）构建各初始参考速度分配方案对应的综合状态特征集合；构建方法如下：记第i个输送机当前时刻的运行速度为
Figure DEST_PATH_IMAGE017
，第i个输送机当前时刻的煤矿堆积程度为
Figure 378012DEST_PATH_IMAGE018
，第i+1个输送机当前时刻的运行速度为
Figure DEST_PATH_IMAGE019
，第i+1个输送机当前时刻的煤矿堆积程度为
Figure 579186DEST_PATH_IMAGE020
；对于其中一个初始参考速度分配方案，第i个输送机对应的参考速度为
Figure DEST_PATH_IMAGE021
,第i+1个输送机对应的参考速度为
Figure 772401DEST_PATH_IMAGE022
，若按照初始参考速度分配方案中的参考速度控制对应输送机，那么第i个输送机对应的运行速度由
Figure 490959DEST_PATH_IMAGE017
变成了
Figure 69708DEST_PATH_IMAGE021
，第i+1个输送机对应的运行速度由
Figure 848308DEST_PATH_IMAGE019
变成了
Figure 997660DEST_PATH_IMAGE022
，那么一段时间之后第i+1个输送机上的煤矿堆积程度变为
Figure DEST_PATH_IMAGE023
，其中
Figure 113384DEST_PATH_IMAGE024
表示该初始参考速度分配方案下第i+1个输送机的煤矿堆积程度；同理第i个输送机的煤矿堆积程度变为
Figure DEST_PATH_IMAGE025
，本实施中采矿机往输送机上放置煤矿的速度不变，那么
Figure 687585DEST_PATH_IMAGE026
，
Figure DEST_PATH_IMAGE027
表示该初始参考速度分配方案下第1个输送机的煤矿堆积程度，
Figure 981294DEST_PATH_IMAGE028
为第1个输送机当前时刻的煤矿堆积程度。
当第i个输送机的速度变为
Figure 601631DEST_PATH_IMAGE021
，煤矿堆积程度变为
Figure DEST_PATH_IMAGE029
时，获取第i个输送机可能会出现的状态特征，具体方法为：将
Figure 271778DEST_PATH_IMAGE030
作为第i个输送机的新增负载特征，将
Figure DEST_PATH_IMAGE031
与第i个输送机在各历史时刻的负载特征作为第i个输送机对应的负载特征，然后对这些负载特征进行ZCA白化处理，使得这些负载特征的方差归一化。然后获取
Figure 28382DEST_PATH_IMAGE031
所属的类别，具体方法为：获取这些负载特征的二维直方图，所述的二维直方图是用于描述每个负载特征出现概率的，获取方法为：首先将这些负载特征所在的二维空间切分成K×K（本实施例中设定K=10）个同样大小的网格，每个网格中任一点就是一个负载特征，每个网格内负载特征出现的个数与所有负载特征个数的比值就称为这个网格中心点对应的负载特征出现的概率，那么所有网格中心对应的负载特征出现的概率就构成负载特征直方图。
根据这个二维的负载特征直方图拟合一个二维高斯混合模型，具体方法为：以直方图上所有的负载特征和对应的概率为样本数据，利用EM算法拟合一个高斯混合模型
Figure 148784DEST_PATH_IMAGE032
，本实施例所述的高斯混合模型中子高斯模型的个数为P，本实施例中设定P=8，拟合完高斯模型后就可以得到每个高斯子模型对应一个权重。本实施例将直方图拟合为高斯混合模型
Figure 538308DEST_PATH_IMAGE032
的原因是：在误差允许或排除噪声干扰的情况下，一些负载特征应该视为一样的、集中分布在一起的，这些负载特征应该归属于一个类别进行分析处理，能够使得在后续的数据处理过程避免引入噪声、减少计算量。
本实施例根据每个负载特征在混合高斯模型中子高斯模型
Figure 402359DEST_PATH_IMAGE032
上出现的概率对每个负载特征进行分类，总共分为P个类别。具体方法为：假设第p个子高斯在模型为
Figure DEST_PATH_IMAGE033
,权重大小为
Figure 13469DEST_PATH_IMAGE034
，任意一个负载特征输入模型
Figure DEST_PATH_IMAGE035
后获得的输出值为
Figure 711298DEST_PATH_IMAGE036
，该值表示负载特征出现在第p个子高斯模型上的概率。
由此，可以获取任意一个负载特征在混合高斯模型
Figure 447173DEST_PATH_IMAGE032
中任意子高斯模型上出现的概率；如果一个负载特征在
Figure 239548DEST_PATH_IMAGE032
中第p个高斯子模型上出现的概率大于该负载特征在其他所有子高斯模型上出现的概率，那么该负载特征就属于第p个类别。然后获取负载特征
Figure 111689DEST_PATH_IMAGE031
所在类别中所有其他负载特征所对应的所有状态特征构成的集合，记为
Figure DEST_PATH_IMAGE037
,这个
Figure 183682DEST_PATH_IMAGE037
表示的就是第i个输送机的可能的状态特征，称为第i个输送机对应的参考状态特征集合。同理,可获得所有输送机对应的参考状态特征集合。
至此，在一个参考速度分配方案下，为每个输送机分配了一个参考速度，又获取每个输送机的参考状态特征集合；然后将所有输送机的参考特获集合合并在一起，构成一个新的状态特征集合，称为综合状态特征集合，表示一个初始参考速度分配方案下所有输送机可能的状态特征。
由此，可以得到各初始参考速度分配方案对应的综合状态特征集合。将第m个初始参考速度分配方案对应的综合状态特征集合记为
Figure 265907DEST_PATH_IMAGE038
，将第n个初始参考速度分配方案对应的综合状态特征集合记为
Figure DEST_PATH_IMAGE039
，将第m个初始参考速度分配方案对应的速度向量为
Figure 804250DEST_PATH_IMAGE014
，
Figure 796476DEST_PATH_IMAGE014
为第m个初始参考速度分配方案对应的各输送机的速度合并得到的向量。
（b）获取第m个初始参考速度分配方案和第n个初始参考速度分配方案进行融合的合理性，具体方法为：将
Figure 491900DEST_PATH_IMAGE038
与
Figure 61421DEST_PATH_IMAGE039
合并在一起，构成一个集合
Figure 70966DEST_PATH_IMAGE040
,这个集合表示将这两个方案融合时（即同时考虑这两个方案的速度分配结果时）输送机可能出现的状态特征。对
Figure 58644DEST_PATH_IMAGE040
中的状态特征进行均值漂移聚类，获得J个类别，J≥1；本实施例当J=1时，将获得的类别记为合并类别，记为
Figure DEST_PATH_IMAGE041
；当J≥2时，只保留状态特征最多的类别，记为
Figure 190549DEST_PATH_IMAGE041
，这个类别中有很多状态特征集中分布在一起，具有较大的相似性，表示这两个方案中哪些状态特征会一同出现，该类别中这些状态特征是这两个方案融合后的最可能出现的；而那些没有出现在类别中的状态特征则可能不是这两个方案融合后会出现的，如果后续考虑这些状态特征的话会引入噪声数据。
获取
Figure 388312DEST_PATH_IMAGE041
的安全程度，记为
Figure 811334DEST_PATH_IMAGE005
，安全程度的计算过程为：求
Figure 778153DEST_PATH_IMAGE041
中所有状态特征的均值，获取该均值的模长
Figure 549800DEST_PATH_IMAGE042
,将
Figure DEST_PATH_IMAGE043
作为这个状态特征集合的安全程度，即第m、n个初始参考速度分配方案融合下所有输送机运行工作时的安全程度；该值越大，说明
Figure 828334DEST_PATH_IMAGE042
越小，说明这些输送机运行过程中的电机震动幅度和电机温度以及传送带温度都比较小，说明这些输送机整体上运行稳定，不易发生设备故障。反之，说明运行过程中容易发生设备故障，影响煤矿开采与运输。
（c）利用最大均值差异算法获取
Figure 55048DEST_PATH_IMAGE041
与
Figure 610794DEST_PATH_IMAGE038
中状态特征的分布差异，记为
Figure 146817DEST_PATH_IMAGE006
,该值越大说明
Figure 53593DEST_PATH_IMAGE041
中的状态特征和
Figure 818418DEST_PATH_IMAGE038
中的状态特征差别越大。同理，利用最大均值差异算法获取
Figure 759829DEST_PATH_IMAGE041
与
Figure 873279DEST_PATH_IMAGE039
中状态特征的分布差异，记为
Figure 391985DEST_PATH_IMAGE007
，该值越大说明中的状态特征和
Figure 85135DEST_PATH_IMAGE039
中的状态特征差别越大。那么第m个参考速度分配方案和第n个参考速度分配方案进行融合的融合合理性
Figure 756418DEST_PATH_IMAGE044
。
Figure DEST_PATH_IMAGE045
表示
Figure 837507DEST_PATH_IMAGE046
与
Figure 718875DEST_PATH_IMAGE038
和
Figure 825503DEST_PATH_IMAGE039
中的状态特征分布差异的均值，该值越大，说明这第m、n个初始参考速度分配方案融合后最可能出现的状态特征与这两个方案可能出现的状态特征分布差异越大，这会导致这两个方案融合之后实际的状态特征出现较多的不确定性和误差或噪声，使得输送机运行不稳定，那么本实施例就越不推荐这两个方案进行融合；相反，该值越小，说明这两个方案融合后可能出现的状态特征与这两个方案可能出现的状态特征分布差异越小，这样可以保证融合后方案的状态特征接近于原来的两个方案的状态特征，使得这两个方案融合之后的状态特征不会引入过多的不确定性，这样的融合方案更加合理，使得输送机运行的更加稳定。
Figure 272664DEST_PATH_IMAGE005
越大，说明第m、n个初始参考速度分配方案融合之后可能获得安全性较高的状态特征，那么就越期望让这两个方案融合。总结来说，
Figure 196758DEST_PATH_IMAGE004
越大说明第m、n个初始参考速度分配方案融合之后越可以获得较为明确的、稳定的、安全程度高的状态特征。同理，可以获得任意两个方案的融合合理性。
（5）利用谱聚类算法将该图数据结构划分为设定数量的状态特征融合类别，计算各状态特征融合类别对应的融合结果，将模长最大的融合结果作为目标参考速度分配方案，将目标参考速度分配方案中各输送机的运行速度作为目标运行速度。
利用谱聚类算法将构建的图数据结构分为K2个类别，本实施例中设定K2为B的五分之一。每个类别都是一些节点的集合，同一个类别中的节点相互之间具有较大的融合合理性；不同类别之间的节点的融合合理相对较小。获得的这些类别统称为状态特征融合类别，每一个状态特征融合类别中的方案可以融合出一个合理的最终的速度分配方案。
假设某个状态特征融合类别中有M个节点，即M个初始参考速度分配方案，其中第m个初始参考速度分配方案的速度向量为
Figure 690056DEST_PATH_IMAGE014
，第m个初始参考速度分配方案和第n个初始参考速度分配方案的融合合理性为
Figure 725008DEST_PATH_IMAGE004
，那么该状态特征融合类别的融合结果为
Figure DEST_PATH_IMAGE047
。
其中，
Figure 574147DEST_PATH_IMAGE048
,表示第m个初始参考速度分配与其他所有方案的融合合理性的和，该值越大，说明第m个方案与其他方案都可以进行很好的融合，那么就更加关注第m个初始参考速度分配的参考速度向量，以保证融合之后的输送机的在运行时具有较高的安全程度。
其中，
Figure 528196DEST_PATH_IMAGE016
表示第m个方案的安全程度，该值越大越关注该方案。
Figure 384157DEST_PATH_IMAGE016
的计算过程为：获取
Figure DEST_PATH_IMAGE049
中所有状态特征的均值，获取该均值的模长
Figure 301429DEST_PATH_IMAGE050
,将
Figure DEST_PATH_IMAGE051
视为这个状态特征集合的安全程度，也表示第m个初始参考速度分配方案下所有输送机运行工作时的安全程度。
Figure 316658DEST_PATH_IMAGE052
可以保证最终获得的融合结果u更加关注安全程度高且与其他方案融合合理性大的方案的速度向量，保证融合结果u使得输送机能够安全稳定的运行。融合结果
Figure 582554DEST_PATH_IMAGE012
也是一个速度向量，表示每个输送最终运行时的运行速度。
本实施例中若出现某状态特征融合类别对应的M=1的情况，说明对应状态特征融合类别中只包括一个初始参考速度分配方案，无需融合，此时初始参考速度分配方案对应的速度向量即为该类别对应的融合结果。
至此，一个状态特征融合类别就获得一个融合结果u，由于存在多个状态特征融合类别，因此获得多个融合结果u，为了保证输送机的工作效率，获取融合结果u模长最长的融合结果作为最终的融合结果，模长最长说明这些输送机的速度的平方和最大，这个融合结果使得所有输送机的运行效率最大。
最终的融合结果表示的是每个输送机的运行速度，然后云服务器将每个输送机的运送速度发送给对应的输送机的控制系统，使得输送机接下来以对应的速度运行，既能保证所有输送机运行的安全与稳定又能使得煤矿输送效率较大。
本实施例中初始参考速度分配方案的个数为B，每个输送机对应P个参考运行速度，作为其它实施方式，若B的值较大，那么可以通过如下方法减小初始参考速度分配方案的个数：从P个参考运行速度中获取与输送机的当前运行速度差异最小Y个参考运行速度，作为每个输送机最终对应的参考运行速度；这样每个输送机只对应Y个参考运行速度，然后根据每个输送机对应的Y个参考运行速度再制定相应的初始参考速度分配方案即可，后续步骤相同，不再赘述。
本实施例通过每个输送机在历史运行过程中的数据获得每个输送机的参考速度，进而获得输送机的多个速度分配方案，通过不同方案之间的融合合理性对多个速度分配方案进行融合，获得每个输送机最终的运行速度，保证了所有输送机能够配合这稳定安全的运行，并且具有较大的运行效率。
本实施例的基于云计算的带式输送机远程控制系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述基于云计算的带式输送机远程控制方法。
需要说明的是，尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

Claims (7)

1.一种基于云计算的带式输送机远程控制方法，其特征在于，包括以下步骤：
获取N个输送机在不同历史时刻对应的电机振动幅度、电机温度、传送带温度、输送机运行速度和传送带煤矿堆积程度，N≥2；
根据各输送机在各历史时刻对应的电机振动幅度、电机温度和传送带温度构建各输送机在各历史时刻对应的状态特征；根据各输送机在历史时间内的输送机运行速度和传送带煤矿堆积程度构建各输送机在各历史时刻对应的负载特征；
对各输送机在各历史时刻对应的输送机运行速度进行分类，得到各输送机对应的P个参考运行速度，P≥2；制定B个初始参考速度分配方案，每个初始参考速度分配方案中各输送机对应一个对应的参考运行速度，
Figure 882533DEST_PATH_IMAGE001
；
以每个初始参考速度分配方案为节点，以两个初始参考速度分配方案的融合合理性为对应两节点之间的边权值，构造图数据结构；
利用谱聚类算法将该图数据结构划分为设定数量的状态特征融合类别，计算各状态特征融合类别对应的融合结果，将模长最大的融合结果作为目标参考速度分配方案，将目标参考速度分配方案中各输送机的运行速度作为目标运行速度。
2.根据权利要求1所述的基于云计算的带式输送机远程控制方法，其特征在于，所述对各输送机在各历史时刻对应的输送机运行速度进行分类，得到各输送机对应的P个参考运行速度，包括：
对于任意一个输送机：根据该输送机在各历史时刻下的运行速度构建该输送机对应的运行速度直方图；利用所述运行速度直方图拟合一个一维高斯混合模型，所述一维高斯混合模型中子高斯模型的个数为P；根据运行速度大小在混合高斯模型中子高斯模型上出现的概率对各运行速度进行分类，得到P个类别，将每个类别对应的子高斯模型的均值记为该输送机对应的参考运行速度。
3.根据权利要求1所述的基于云计算的带式输送机远程控制方法，其特征在于，两个初始参考速度分配方案的融合合理性的计算方法包括：
构建第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的综合状态特征集合；
将第m个初始参考速度分配方案对应的综合状态特征集合与第n个初始参考速度分配方案对应的综合状态特征集合合并在一起，得到一个合并集合；对合并集合中的状态特征进行均值漂移聚类，获得J个类别，J≥1；
当J=1时，将获得的类别记为合并类别；当J≥2时，将包含状态特征数量最多的类别记为合并类别；根据合并类别中的状态特征计算合并类别的安全程度；
计算第m个初始参考速度分配方案对应的综合状态特征集合与合并类别中状态特征的分布差异，记为第一分布差异；计算第n个初始参考速度分配方案对应的综合状态特征集合与合并类别中状态特征的分布差异，记为第二分布差异；
根据第一分布差异、第二分布差异和合并类别的安全程度计算第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的融合合理性。
4.根据权利要求3所述的基于云计算的带式输送机远程控制方法，其特征在于，所述根据合并类别中的状态特征计算合并类别的安全程度，包括：
根据合并类别中的状态特征计算合并类别对应的状态特征的均值；
根据所述合并类别对应的状态特征的均值计算合并类别的安全程度，合并类别的安全程度与合并类别对应的状态特征的均值的模长成负相关关系。
5.根据权利要求3所述的基于云计算的带式输送机远程控制方法，其特征在于，所述根据第一分布差异、第二分布差异和合并类别的安全程度计算第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的融合合理性，包括：
利用如下计算公式计算第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的融合合理性：
Figure 674908DEST_PATH_IMAGE003
其中，
Figure 812628DEST_PATH_IMAGE004
为第m个初始参考速度分配方案对应的综合状态特征集合和第n个初始参考速度分配方案对应的融合合理性，
Figure 71571DEST_PATH_IMAGE005
为第m个初始参考速度分配方案和第n个初始参考速度分配方案对应的合并类别的安全程度，
Figure 170109DEST_PATH_IMAGE006
为第m个初始参考速度分配方案和第n个初始参考速度分配方案对应的第一分布差异，
Figure 375962DEST_PATH_IMAGE007
为第m个初始参考速度分配方案和第n个初始参考速度分配方案对应的第二分布差异。
6.根据权利要求1所述的基于云计算的带式输送机远程控制方法，其特征在于，利用如下计算公式计算各状态特征融合类别对应的融合结果：
Figure 227243DEST_PATH_IMAGE009
Figure 125929DEST_PATH_IMAGE011
其中，
Figure 213227DEST_PATH_IMAGE012
为某状态特征融合类别对应的融合结果，
Figure 957192DEST_PATH_IMAGE013
为该状态特征融合类别中节点个数，
Figure 866243DEST_PATH_IMAGE014
为该状态特征融合类别中第m个初始参考速度分配方案的速度向量，
Figure 794884DEST_PATH_IMAGE004
为该状态特征融合类别中第m个初始参考速度分配方案和第n个初始参考速度分配方案的融合合理性，
Figure 992647DEST_PATH_IMAGE015
为该状态特征融合类别中第m个初始参考速度分配方案与其它初始参考速度分配方案的融合合理性总和，
Figure 150090DEST_PATH_IMAGE016
为该状态特征融合类别中第m个初始参考速度分配方案的安全程度。
7.一种基于云计算的带式输送机远程控制系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-6任一项所述的基于云计算的带式输送机远程控制方法。
CN202111614676.6A 2021-12-28 2021-12-28 基于云计算的带式输送机远程控制方法及系统 Active CN113998414B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111614676.6A CN113998414B (zh) 2021-12-28 2021-12-28 基于云计算的带式输送机远程控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111614676.6A CN113998414B (zh) 2021-12-28 2021-12-28 基于云计算的带式输送机远程控制方法及系统

Publications (2)

Publication Number Publication Date
CN113998414A CN113998414A (zh) 2022-02-01
CN113998414B true CN113998414B (zh) 2022-03-11

Family

ID=79932074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111614676.6A Active CN113998414B (zh) 2021-12-28 2021-12-28 基于云计算的带式输送机远程控制方法及系统

Country Status (1)

Country Link
CN (1) CN113998414B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180036091A (ko) * 2016-09-30 2018-04-09 한국항공대학교산학협력단 클라우드 기반 물류 자동화 장비 유지보수 서비스 시스템 및 방법
JP6827608B2 (ja) * 2018-12-05 2021-02-10 三菱電機株式会社 異常検知装置及び異常検知方法
US11235934B2 (en) * 2020-09-19 2022-02-01 Devika Kataria Smart monitoring of belt tension and slip
CN113562429B (zh) * 2021-08-11 2023-06-02 中煤科工集团上海有限公司 一种基于载荷分布的带式输送机调速控制系统及方法

Also Published As

Publication number Publication date
CN113998414A (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
Rajput et al. Identifying Industry 4.0 IoT enablers by integrated PCA-ISM-DEMATEL approach
US20210082129A1 (en) Discrete Event Simulation with Sequential Decision Making
US20160139977A1 (en) System and method for abnormality detection
Chen et al. Estimating simulation workload in cloud manufacturing using a classifying artificial neural network ensemble approach
US10867380B1 (en) Object and data point tracking to control system in operation
CN101561878A (zh) 基于改进cure聚类算法的无监督异常检测方法和系统
CN114297935A (zh) 基于数字孪生的机场航站楼离港优化运行仿真系统及方法
Steclik et al. Automatic grouping of production data in Industry 4.0: The use case of internal logistics systems based on Automated Guided Vehicles
Folino et al. An adaptive distributed ensemble approach to mine concept-drifting data streams
CN113998414B (zh) 基于云计算的带式输送机远程控制方法及系统
Zhou et al. The landing safety prediction model by integrating pattern recognition and Markov chain with flight data
WO2023129164A1 (en) Digital twin sequential and temporal learning and explaining
Wang et al. Coupled alternating neural networks for solving multi-population high-dimensional mean-field games with stochasticity
Yang et al. Developing a rough set based approach for group decision making based on determining weights of decision makers with interval numbers
Sova et al. Development of a Method To Improve the Reliability of Assessing the Condition of the Monitoring Object in Special Purpose Information Systems
Chen et al. A fuzzy collaborative forecasting approach based on XAI applications for cycle time range estimation
CN114760341B (zh) 一种工业互联网设备智能管控远程运维平台及方法
Ganchenko et al. Neural network software diagnosis system of telemetry data
CN115935285A (zh) 基于掩码图神经网络模型的多元时间序列异常检测方法和系统
Ghosh et al. IoT-based seismic hazard detection in coal mines using grey systems theory
Uddamari et al. A study on unsupervised learning algorithms analysis in machine learning
Wallace et al. Real-time distributed ensemble learning for fault detection of an unmanned ground vehicle
EP3460732B1 (en) Dispatching method and system based on multiple levels of steady state production rate in working benches
Ip et al. ML-assisted monitoring and characterization of IoT sensor networks
Zhu et al. A mapreduced-based and cell-based outlier detection algorithm

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Remote control method and system of belt conveyor based on Cloud Computing

Effective date of registration: 20220722

Granted publication date: 20220311

Pledgee: Jining Branch of Rizhao Bank Co.,Ltd.

Pledgor: SHANDONG SHANKUANG MACHINERY Co.,Ltd.

Registration number: Y2022980010896

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20230705

Granted publication date: 20220311

Pledgee: Jining Branch of Rizhao Bank Co.,Ltd.

Pledgor: SHANDONG SHANKUANG MACHINERY Co.,Ltd.

Registration number: Y2022980010896

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Remote Control Method and System for Belt Conveyor Based on Cloud Computing

Effective date of registration: 20230801

Granted publication date: 20220311

Pledgee: Jining Branch of Rizhao Bank Co.,Ltd.

Pledgor: SHANDONG SHANKUANG MACHINERY Co.,Ltd.

Registration number: Y2023980050506

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20240103

Granted publication date: 20220311

Pledgee: Jining Branch of Rizhao Bank Co.,Ltd.

Pledgor: SHANDONG SHANKUANG MACHINERY Co.,Ltd.

Registration number: Y2023980050506