CN116384977A - 一种基于大数据分析和自诊断的煤矿井下运维方法及系统 - Google Patents

一种基于大数据分析和自诊断的煤矿井下运维方法及系统 Download PDF

Info

Publication number
CN116384977A
CN116384977A CN202310394487.5A CN202310394487A CN116384977A CN 116384977 A CN116384977 A CN 116384977A CN 202310394487 A CN202310394487 A CN 202310394487A CN 116384977 A CN116384977 A CN 116384977A
Authority
CN
China
Prior art keywords
equipment
maintenance
big data
diagnosis
self
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
Application number
CN202310394487.5A
Other languages
English (en)
Inventor
李青松
王春华
万一帆
李晓华
郑功勋
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.)
Guizhou Mine Safety Research Institute Co ltd
Original Assignee
Guizhou Mine Safety Research Institute 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 Guizhou Mine Safety Research Institute Co ltd filed Critical Guizhou Mine Safety Research Institute Co ltd
Priority to CN202310394487.5A priority Critical patent/CN116384977A/zh
Publication of CN116384977A publication Critical patent/CN116384977A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据分析和自诊断的煤矿井下运维方法包括：部署传感器采集数据传送至服务器和运维平台；对采集到的井下数据进行大数据分析提取设备信息；根据设备的状态和性能参数进行自诊断，预测设备的故障情况并提示维护措施。本发明提供的基于大数据分析和自诊断的煤矿井下运维方法提高井下设备的维护效率和质量，降低井下维护成本和工作风险，使用大数据分析设备的状态，预测设备的故障，实现设备故障的预测和自动化管理，减少故障损失和停机时间；通过自诊断，自动提出设备运维建议，改善煤矿安全生产环境，减少人为因素对煤矿安全生产的影响，本发明在设备维护效率和降低人为因素影响等方面都取得更加良好的效果。

Description

一种基于大数据分析和自诊断的煤矿井下运维方法及系统
技术领域
本发明涉及煤矿生产技术领域，具体为一种基于大数据分析和自诊断的煤矿井下运维方法及系统。
背景技术
煤矿生产过程中，井下设备维护保养、故障检测和预测维护等是重要的工作。传统的井下运维管理方式需要人工巡检设备，存在工作量大、效率低、费用高等缺点。同时，由于井下环境复杂、数据量大、设备类型多等特点，井下设备的维护保养和故障诊断也面临一定的困难。
为解决以上问题，近年来，随着大数据技术的发展，煤矿行业逐渐开始采用基于大数据分析和自诊断的井下运维平台。该平台通过采集、存储、处理井下数据，并运用机器学习算法和人工智能技术，实现设备故障的预测、诊断和优化。该技术不仅能够提高井下设备的维护效率和质量，也能够减少人为因素对煤矿安全生产的影响，具有广阔的应用前景。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有的煤矿井下运维方法存在无法处理较多的数据量，维护效率低，维护质量差，以及如何降低人为因素对设备误作用产生危险的优化问题。
为解决上述技术问题，本发明提供如下技术方案：一种基于大数据分析和自诊断的煤矿井下运维方法，包括：
部署传感器采集数据传送至服务器和运维平台；
对采集到的井下数据进行大数据分析提取设备信息；
根据设备的状态和性能参数进行自诊断，预测设备的故障情况并提示维护措施。
作为本发明所述的基于大数据分析和自诊断的煤矿井下运维方法的一种优选方案，其中：所述部署传感器采集数据传送至服务器和运维平台包括部署传感器以时间序列采集设备特性数据和位置信息，传输至地面服务器和运维平台。
作为本发明所述的基于大数据分析和自诊断的煤矿井下运维方法的一种优选方案，其中：所述对采集到的井下数据进行大数据分析提取设备信息包括进行数据清洗、特征提取、数据可视化操作，获取设备的关键指标、性能参数以及关键指标均值。
作为本发明所述的基于大数据分析和自诊断的煤矿井下运维方法的一种优选方案，其中：所述关键指标和性能参数包括不同设备的折旧年限、设备剩余寿命、可靠度、平均维修时刻以及失效率。
作为本发明所述的基于大数据分析和自诊断的煤矿井下运维方法的一种优选方案，其中：所述自诊断包括，若常规设备发生故障，且使用时间已达到设备使用寿命，将故障设备标记为折旧并示警运维人员，判断设备是否需要替换；
若常规设备发生故障，设备剩余寿命不为零，将设备标记为待维修根据大数据和历史维修记录向运维人员发送设备维修策略，并判断设备是否达到折旧年限，将已达到折旧年限的设备标记为折旧，完成检修后记录维修时刻；
若维修时刻大于平均维修时刻，将设备标记为易损；
若特种设备发生故障，运维平台发出警报，自动向官方发送设备状态信息和位置信息。
作为本发明所述的基于大数据分析和自诊断的煤矿井下运维方法的一种优选方案，其中：所述预测设备的故障情况包括根据采集的设备特性数据判断设备状态并根据大数据计算常规设备故障点，确定大数据中设备所有故障类型的设备特性值区间，取最大值与最小值，构建风险区间；
若设备特性数据达到风险区间，判断为可能存在故障，调查设备历史故障记录，若已存在同类故障或设备类型为特种设备，则将设备标记为待维修，调度运维人员进行检修；
若设备为第一次出现异常且设备为常规设备，设备下一次数据采集未恢复正常，则标记为待维修，调度运维人员进行检查；
若设备为第一次出现异常且设备为常规设备，设备下一次数据采集恢复正常，则标记为易损。
作为本发明所述的基于大数据分析和自诊断的煤矿井下运维方法的一种优选方案，其中：所述标记包括折旧、待维修以及易损，若设备被标记为折旧，需计算设备剩余寿命并设置为设备替换时间阈值，计算设备可靠度是否达到设备的大数据平均可靠度，设备可靠度低于平均值，则直接进行替换；
若设备被标记为待维修，则从大数据中调度设备的故障类型和检修方案至运维人员的移动设备中，派遣相应人员进行维修，完成维修后，采集数据判断设备是否符合标记；
若设备被标记为易损，需从大数据和历史维修信息中提取设备的历史故障记录，由运维人员进行故障排除，降低故障风险，并计算设备失效率，失效率低于大数据设备平均失效率取消易损标记，否则将易损标记更改为待维修；
若设备被标记为折旧和易损，设备数据上传至对应的运维人员，进行设备状态监控，并判断是否可以去除易损标记；
若设备被标记为折旧和待维修，由运维人员根据经验判断设备是否具有使用价值，检修具有使用价值的设备，并去除待维修标记，没有使用价值的设备进行设备更替。
本发明的另外一个目的是提供一种基于大数据分析和自诊断的煤矿井下运维系统，其能通过设备状态和大数据信息比对，对设备故障进行监测和预警并对故障设备提供检修参考，解决了现有的煤矿井下运维方法无法准确地预测设备故障以及人为失误作用概率高的技术问题。
为解决上述技术问题，本发明提供如下技术方案：一种基于大数据分析和自诊断的煤矿井下运维系统，包括：数据采集模块、大数据分析模块、自诊断模块，所述数据采集模块是一种采集设备数据的装置，用于根据预设时间序列间隔采集设备数据，针对设备类型采集设备特性数据；所述大数据分析模块是一种分析设备状态的装置，用于根据大数据和设备实时数据判断设备当前状态并根据状态进行分类；所述自诊断模块是一种分析故障提供维护意见的装置，用于根据大数据分析模块预测的设备故障情况，提供维护措施。
作为本发明所述的基于大数据分析和自诊断的煤矿井下运维方法的一种优选方案，其中：一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现一种基于大数据分析和自诊断的煤矿井下运维方法。
作为本发明所述的基于大数据分析和自诊断的煤矿井下运维方法的一种优选方案，其中：一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现一种基于大数据分析和自诊断的煤矿井下运维方法。
本发明的有益效果：本发明提供的基于大数据分析和自诊断的煤矿井下运维方法提高井下设备的维护效率和质量，降低井下维护成本和工作风险，使用大数据分析设备的状态，预测设备的故障，实现设备故障的预测和自动化管理，减少故障损失和停机时间；通过自诊断，自动提出设备运维建议，改善煤矿安全生产环境，减少人为因素对煤矿安全生产的影响，本发明在设备维护效率、减少维护停机时间和降低人为因素影响等方面都取得更加良好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。其中：
图1为本发明一个实施例提供的一种基于大数据分析和自诊断的煤矿井下运维方法的整体流程图。
图2为本发明第三个实施例提供的一种基于大数据分析和自诊断的煤矿井下运维系统的整体流程图。
图3为本发明第三个实施例提供的一种基于大数据分析和自诊断的煤矿井下运维系统的运维平台示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性地与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1，为本发明的一个实施例，提供了一种基于大数据分析和自诊断的煤矿井下运维方法，包括：
S1：部署传感器采集数据传送至服务器和运维平台；
更进一步的，部署传感器采集数据传送至服务器包括部署温度、湿度、振动、电流、电压、气压传感器等以时间序列采集设备特性数据，通过有线和无线方式传输至地面服务器和运维系统。
应说明的是，设备特性数据是根据不同设备进行针对性数据采集，例如本实施例中的压力容器设备和传输设备，压力容器设备需采集甲烷浓度、管路负压、泵电机轴温、管路流量压差、管路温度等数据，传输设备采集皮带运行速度、皮带温度等数据。
应说明的是，传感器具体采集主通风机监控数据、主排水监控数据、立井提升监控数据、斜井提升监控数据、空气压缩机监控数据、绞车监控数据。
还应说明的是，时间序列是根据不同设备灵活设置的，根据设备的需求设置不同的采样间隔，本实施例中，以压力容器设备和传输设备为例，压力容器设备每隔30秒进行一次数据采集，传输设备每隔5秒进行一次数据采集，压力容器设备数据通常处于恒压状态，缸内气体变化较慢或没有变化，传输设备处于中作状态时间较长，皮带承载的矿石重量不同，不同重量对皮带和转轴产生的摩擦力不同，为预防皮带过热需要高频率采集设备状态信息，因此，针对不同设备采取不同的数据采集时间间隔。
S2：对采集到的井下数据进行大数据分析提取设备信息；
更进一步的，对采集到的井下数据进行大数据分析提取设备信息包括对采集到的井下数据进行大数据分析，进行数据清洗、特征提取、数据可视化操作，获取设备的关键指标和性能参数。
应说明的是，数据清洗包括对不同来源的同一对象设备的同一种数据进行识别并剔除；针对缺失的数据，结合大数据以及历史运行数据，进行适应性补充或判断设备故障；
还应说明的是，特征提取从设备数据中提取容易影响设备状态的特征数据，降低数据冗余度。
更进一步的，数据可视化操作将设备数据以图表的形式通过运维平台进行展示，使操作人员直观地看到设备的状态变化。
应说明的是，关键指标和性能参数包括不同设备的折旧年限、设备剩余寿命、可靠度、平均维修时刻以及失效率。
还应说明的是，关键指标包括设备自身指标和大数据中对应的设备的平均指标。
更进一步的，结合大数据信息与人工智能诊断算法构成自诊断模块。
S3：根据设备的状态和性能参数进行自诊断，预测设备的故障情况并提示维护措施。
更进一步的，自诊断包括，若常规设备发生故障，且使用时间已达到设备使用寿命，将故障设备标记为折旧并示警运维人员，判断设备是否需要替换；若常规设备发生故障，设备剩余寿命不为零，将设备标记为待维修根据大数据和历史维修记录向运维人员发送设备维修策略，并判断设备是否达到折旧年限，将已达到折旧年限的设备标记为折旧，完成检修后记录维修时刻；若维修时刻大于平均维修时刻，将设备标记为易损；若特种设备发生故障，运维平台发出警报，自动向官方发送设备状态信息和位置信息。
应说明的是，预测设备的故障情况包括根据采集的设备特性数据判断设备状态并根据大数据计算常规设备故障点，确定大数据中设备所有故障类型的设备特性值区间，取最大值与最小值，构建风险区间；若设备特性数据达到风险区间，判断为可能存在故障，调查设备历史故障记录，若已存在同类故障或设备类型为特种设备，则将设备标记为待维修，调度运维人员进行检修；若设备为第一次出现异常且设备为常规设备，设备下一次数据采集未恢复正常，则标记为待维修，调度运维人员进行检查；若设备为第一次出现异常且设备为常规设备，设备下一次数据采集恢复正常，则标记为易损。
还应说明的是，标记包括折旧、待维修以及易损，若设备被标记为折旧，需计算设备剩余寿命并设置为设备替换时间阈值，计算设备可靠度是否达到设备的大数据平均可靠度，设备可靠度低于平均值，则直接进行替换；若设备被标记为待维修，则从大数据中调度设备的故障类型和检修方案至运维人员的移动设备中，派遣相应人员进行维修，完成维修后，采集数据判断设备是否符合标记；若设备被标记为易损，需从大数据和历史维修信息中提取设备的历史故障记录，由运维人员进行故障排除，降低故障风险，并计算设备失效率，失效率低于大数据设备平均失效率取消易损标记，否则将易损标记更改为待维修；若设备被标记为折旧和易损，设备数据上传至对应的运维人员，进行设备状态监控，并判断是否可以去除易损标记；若设备被标记为折旧和待维修，由运维人员根据经验判断设备是否具有使用价值，检修具有使用价值的设备，并去除待维修标记，没有使用价值的设备进行设备更替。
实施例2
本发明的一个实施例，提供了一种基于大数据分析和自诊断的煤矿井下运维方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。
在煤矿井中进行30天的测试，与传统的运维方法进行对比试验。
如性能对比表所示，我方发明采取统计大数据中故障特性范围，几乎包含设备的全部故障种类，因此故障感知范围较广泛，可以感知全部种类故障；我方发明从大数据和历史检修数据中调取设备检修意见，大大降低了运维人员的误作用概率，并且我方发明判断故障时采取标记法，使设备判断更为精确。相较于传统技术方案，我方发明具有显著的技术提升。
故障感知范围 修改意见相关性 故障判断准确性
传统技术方案 78.90％ 0 80.10％
我方发明技术方案 99.70％ 97.70％ 89.90％
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
实施例3
参照图2-3，为本发明的一个实施例，提供了一种基于大数据分析和自诊断的煤矿井下运维系统，包括：数据采集模块、大数据分析模块、自诊断模块，数据采集模块是一种采集设备数据的装置，用于根据预设时间序列间隔采集设备数据，针对设备类型采集设备特性数据；大数据分析模块是一种分析设备状态的装置，用于根据大数据和设备实时数据判断设备当前状态并根据状态进行分类；自诊断模块是一种分析故障提供维护意见的装置，用于根据大数据分析模块预测的设备故障情况，提供维护措施。
如图3所示，设备信息上传至服务器和运维平台后，服务器记录数据，运维平台的内置自诊断模块进行设备状态判断，判断结果将通过APP发送至运维人员手机中，发送警报或调度信息等。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于大数据分析和自诊断的煤矿井下运维方法，其特征在于，包括：
部署传感器采集数据传送至服务器和运维平台；
对采集到的井下数据进行大数据分析提取设备信息；
根据设备的状态和性能参数进行自诊断，预测设备的故障情况并提示维护措施。
2.如权利要求1所述的基于大数据分析和自诊断的煤矿井下运维方法，其特征在于：所述部署传感器采集数据传送至服务器和运维平台包括部署传感器以时间序列采集设备特性数据和位置信息，传输至地面服务器和运维平台。
3.如权利要求1或2任一所述的基于大数据分析和自诊断的煤矿井下运维方法，其特征在于：所述对采集到的井下数据进行大数据分析提取设备信息包括进行数据清洗、特征提取、数据可视化操作，获取设备的关键指标、性能参数以及关键指标均值。
4.如权利要求3所述的基于大数据分析和自诊断的煤矿井下运维方法，其特征在于：所述关键指标和性能参数包括不同设备的折旧年限、设备剩余寿命、可靠度、平均维修时刻以及失效率。
5.如权利要求4所述的基于大数据分析和自诊断的煤矿井下运维方法，其特征在于：所述自诊断包括，若常规设备发生故障，且使用时间已达到设备使用寿命，将故障设备标记为折旧并示警运维人员，判断设备是否需要替换；
若常规设备发生故障，设备剩余寿命不为零，将设备标记为待维修根据大数据和历史维修记录向运维人员发送设备维修策略，并判断设备是否达到折旧年限，将已达到折旧年限的设备标记为折旧，完成检修后记录维修时刻；
若维修时刻大于平均维修时刻，将设备标记为易损；
若特种设备发生故障，运维平台发出警报，自动向官方发送设备状态信息和位置信息。
6.如权利要求4所述的基于大数据分析和自诊断的煤矿井下运维方法，其特征在于：所述预测设备的故障情况包括根据采集的设备特性数据判断设备状态并根据大数据计算常规设备故障点，确定大数据中设备所有故障类型的设备特性值区间，取最大值与最小值，构建风险区间；
若设备特性数据达到风险区间，判断为可能存在故障，调查设备历史故障记录，若已存在同类故障或设备类型为特种设备，则将设备标记为待维修，调度运维人员进行检修；
若设备为第一次出现异常且设备为常规设备，设备下一次数据采集未恢复正常，则标记为待维修，调度运维人员进行检查；
若设备为第一次出现异常且设备为常规设备，设备下一次数据采集恢复正常，则标记为易损。
7.如权利要求5或6任一所述的基于大数据分析和自诊断的煤矿井下运维方法，其特征在于：所述标记包括折旧、待维修以及易损，若设备被标记为折旧，需计算设备剩余寿命并设置为设备替换时间阈值，计算设备可靠度是否达到设备的大数据平均可靠度，设备可靠度低于平均值，则直接进行替换；
若设备被标记为待维修，则从大数据中调度设备的故障类型和检修方案至运维人员的移动设备中，派遣相应人员进行维修，完成维修后，采集数据判断设备是否符合标记；
若设备被标记为易损，需从大数据和历史维修信息中提取设备的历史故障记录，由运维人员进行故障排除，降低故障风险，并计算设备失效率，失效率低于大数据设备平均失效率取消易损标记，否则将易损标记更改为待维修；
若设备被标记为折旧和易损，设备数据上传至对应的运维人员，进行设备状态监控，并判断是否可以去除易损标记；
若设备被标记为折旧和待维修，由运维人员根据经验判断设备是否具有使用价值，检修具有使用价值的设备，并去除待维修标记，没有使用价值的设备进行设备更替。
8.一种采用如权利要求1～7任一所述的基于大数据分析和自诊断的煤矿井下运维系统，其特征在于：包括，数据采集模块、大数据分析模块、自诊断模块，
所述数据采集模块是一种采集设备数据的装置，用于根据预设时间序列间隔采集设备数据，针对设备类型采集设备特性数据；
所述大数据分析模块是一种分析设备状态的装置，用于根据大数据和设备实时数据判断设备当前状态并根据状态进行分类；
所述自诊断模块是一种分析故障提供维护意见的装置，用于根据大数据分析模块预测的设备故障情况，提供维护措施。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于大数据分析和自诊断的煤矿井下运维方法。
CN202310394487.5A 2023-04-13 2023-04-13 一种基于大数据分析和自诊断的煤矿井下运维方法及系统 Pending CN116384977A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310394487.5A CN116384977A (zh) 2023-04-13 2023-04-13 一种基于大数据分析和自诊断的煤矿井下运维方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310394487.5A CN116384977A (zh) 2023-04-13 2023-04-13 一种基于大数据分析和自诊断的煤矿井下运维方法及系统

Publications (1)

Publication Number Publication Date
CN116384977A true CN116384977A (zh) 2023-07-04

Family

ID=86967377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310394487.5A Pending CN116384977A (zh) 2023-04-13 2023-04-13 一种基于大数据分析和自诊断的煤矿井下运维方法及系统

Country Status (1)

Country Link
CN (1) CN116384977A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117272031A (zh) * 2023-11-21 2023-12-22 唐山智诚电气（集团）有限公司 一种基于多来源的煤流平衡自适应控制方法
CN117892701A (zh) * 2024-03-18 2024-04-16 工业云制造(四川)创新中心有限公司 一种云制造业务协同系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117272031A (zh) * 2023-11-21 2023-12-22 唐山智诚电气（集团）有限公司 一种基于多来源的煤流平衡自适应控制方法
CN117272031B (zh) * 2023-11-21 2024-02-06 唐山智诚电气（集团）有限公司 一种基于多来源的煤流平衡自适应控制方法
CN117892701A (zh) * 2024-03-18 2024-04-16 工业云制造(四川)创新中心有限公司 一种云制造业务协同系统
CN117892701B (zh) * 2024-03-18 2024-05-17 工业云制造(四川)创新中心有限公司 一种云制造业务协同系统

Similar Documents

Publication Publication Date Title
CN116384977A (zh) 一种基于大数据分析和自诊断的煤矿井下运维方法及系统
CN108460144B (zh) 一种基于机器学习的煤炭设备故障预警系统及方法
CN113093693B (zh) 一种面向采煤机运行状态的在线故障诊断方法
CN113982850B (zh) 融合高低频信号的风机综合健康分析方法及系统
CN112179691B (zh) 基于对抗学习策略的机械装备运行状态异常检测系统和方法
CN113063611B (zh) 一种设备的监控管理方法及其系统
CN107490479B (zh) 轴承剩余寿命预测方法与装置
CN112232405B (zh) 齿轮箱的故障预测、监测和诊断方法及相应装置
CN116292241A (zh) 一种输油泵机组的故障诊断预警方法及系统
CN115343623A (zh) 一种电化学储能电池故障的在线检测方法及装置
CN116561514A (zh) 车辆轮毂轴承单元的故障诊断方法、系统、装置及介质
CN117910999A (zh) 一种智能电厂设备检修方法及系统
CN118152784B (zh) 模块化变电站设备数据特征提取方法
CN117078227A (zh) 一种基于标识解析的环境监测运维平台
CN112363432A (zh) 一种水电站辅助设备的监测系统及监测方法
CN116821107A (zh) 一种用于智慧电厂的主数据智能化管理方法及系统
CN115208061A (zh) 一种电力设备自动化检修装置及方法
CN110687851A (zh) 一种终端运行监控系统及方法
CN117010601B (zh) 数据处理方法、装置、计算机设备及计算机可读存储介质
CN112524077A (zh) 检测风机故障的方法及装置、系统
CN116910680A (zh) 一种健身器材的远程故障检测方法及系统
CN117110736A (zh) 一种基于配电网避雷器的检测预警方法及系统
CN114837902A (zh) 一种风电机组健康度评估方法、系统、设备和介质
CN115596653A (zh) 一种化工库区油泵智能管控应用技术
CN115630284A (zh) 一种考虑服役周期的空压机故障分析与寿命预测系统

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