CN116517862A - 一种基于stft-cnn的矿井通风机异常诊断系统 - Google Patents

一种基于stft-cnn的矿井通风机异常诊断系统 Download PDF

Info

Publication number
CN116517862A
CN116517862A CN202310469379.XA CN202310469379A CN116517862A CN 116517862 A CN116517862 A CN 116517862A CN 202310469379 A CN202310469379 A CN 202310469379A CN 116517862 A CN116517862 A CN 116517862A
Authority
CN
China
Prior art keywords
cnn
ventilation
value
early warning
damage
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.)
Granted
Application number
CN202310469379.XA
Other languages
English (en)
Other versions
CN116517862B (zh
Inventor
王国锋
陈瑞云
蔡长利
陈宝震
王守军
李敬兆
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.)
Huainan Mining Group Co ltd Coal Industry Branch
Original Assignee
Huainan Mining Group Co ltd Coal Industry Branch
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 Huainan Mining Group Co ltd Coal Industry Branch filed Critical Huainan Mining Group Co ltd Coal Industry Branch
Priority to CN202310469379.XA priority Critical patent/CN116517862B/zh
Publication of CN116517862A publication Critical patent/CN116517862A/zh
Application granted granted Critical
Publication of CN116517862B publication Critical patent/CN116517862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
    • 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
    • E21F1/00—Ventilation of mines or tunnels; Distribution of ventilating currents
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/008—Stop safety or alarm devices, e.g. stop-and-go control; Disposition of check-valves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mining & Mineral Resources (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mechanical Engineering (AREA)
  • Geochemistry & Mineralogy (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及矿井通风机异常诊断技术领域，用于解决现有的对矿井通风机异常诊断的方式较为单一和片面，无法对矿井通风机异常诊断进行准确的监测分析和预警提示，导致通风状况异常直接影响到井下工人的生命安全和生产效率经济效益，尤其公开了一种基于STFT‑CNN的矿井通风机异常诊断系统，包括服务器，服务器通信连接有数据采集单元、动力设施电气诊断单元、主体设施损坏诊断单元、CNN通风运行状态诊断单元、异常诊断控制单元和显示终端，本发明，采用公式计算、数据分析、阈值比较和异常信息分析等方式，从而实现了对矿井通风机精确而全面的检测，保障了井下工人的生命安全和生产效率。

Description

一种基于STFT-CNN的矿井通风机异常诊断系统
技术领域
本发明涉及矿井通风机异常诊断技术领域，具体为一种基于STFT-CNN的矿井通风机异常诊断系统。
背景技术
矿井通风机是井下重要工作设备之一，而矿井通风是矿井安全生产的重要保障，通风状况直接影响到井下工人的生命安全和生产效率经济效益。
目前对于矿井下的环境通风情况，一般会定期分配工作人员进行通风检查，检查人员会根据自己的经验和对通风机相关的知识对通风机进行逐一排查，这种检测方式不仅需要花费大量的时间、物力和人力而且对于检测出的异常情况比较单一和片面，无法做到对矿井通风机异常情况进行全面和精确的检测。
为了解决上述缺陷，现提供一种技术方案。
发明内容
本发明的目的在于解决现有的对矿井通风机异常诊断的方式较为单一和片面，无法对矿井通风机异常诊断进行准确的监测分析和预警提示，且无法确定通风机电气运行情况以及出现故障情况，导致通风状况异常直接影响到井下工人的生命安全和生产效率经济效益，通过数据分析的方式分别对矿井通风机电气运行状态和矿井通风机损坏程度以及矿井通风机CNN通风运行状态进行了准确的监测分析，并通过触发相应的控制操作，来进行预警提示，从而实现了对矿井通风机的全面异常诊断，而提出一种基于STFT-CNN的矿井通风机异常诊断系统。
本发明的目的可以通过以下技术方案实现：
本发明为一种基于STFT-CNN的矿井通风机异常诊断系统，包括服务器，服务器通信连接有数据采集单元、动力设施电气诊断单元、主体设施损坏诊断单元、CNN通风运行状态诊断单元、异常诊断控制单元和显示终端；
所述数据采集单元用于采集矿井通风机电气运行状态信息以及矿井通风机损坏程度状态信息和矿井通风机CNN通风运行状态信息，并将其通过服务器发送到动力设施电气诊断单元、主体设施损坏诊断单元和CNN通风运行状态诊断单元；
所述动力设施电气诊断单元用于接收矿井通风机电气运行状态信息并进行电气运行状态分析处理，据此得到重度预警信号、中度预警信号和轻度预警信号并将其发送到异常诊断控制单元；
所述主体设施损坏诊断单元用于接收矿井通风机损坏程度状态信息并进行损坏程度状态分析处理，据此得到重损反馈信号、中损反馈信号和轻损反馈信号并将其发送到异常诊断控制单元；
所述CNN通风运行状态诊断单元用于接收矿井通风机CNN通风运行状态信息并进行CNN通风运行状态分析处理，据此得到通风正常信号和通风异常信号，将得到的通风异常信号发送到异常诊断控制单元；
所述异常诊断控制单元用于接收动力设施电气诊断单元直接发送的重度预警信号和通过服务器发送的中度预警信号和轻度预警信号，用于接收主体设施损坏诊断单元直接发送的重损反馈信号和通过服务器发送的中损反馈信号和轻损反馈信号，用于接收CNN通风运行状态诊断单元发送的通风异常信号，并进行异常数据调控分析处理，据此触发一级检修指令、K1报警指令、F1报警检修指令、F2报警检修指令和F3报警检修指令，并将其发送到显示终端进行相对应的操作处理。
进一步的，电气运行状态分析处理，具体操作过程如下：
监测一段时间内矿井通风机电气运行状态信息中的停电次数、过热预警次数和电气故障次数，将其标定为npo、now和nef并将其进行归一化处理，依据公式：npem＝npo×e1+now×e2+nef×e3，得到电气运行系数npem，其中e1、e2和e3分别表示为停电次数、过热预警次数和电气故障次数的修正因子，且e3＞e2＞e1，修正因子用于修正各项参数在公式计算过程中出现的偏差，从而使得计算更加准确的参数数据，具体修正因子的设置由本领域技术人员根据实际情况合理设置；
以时间为横坐标，以电气运行系数为纵坐标，并据此建立二维电气动态坐标系，并将一段时间内计算得到的电气运行系数通过描点的方式绘制在二维电气动态坐标系上；
获取一段时间内各电气运行系数跟原点之间在二维电气动态坐标系上的斜率值，设置电气运行参照斜率阈值，将电气运行斜率值与设定的电气运行参照斜率阈值进行对比分析，当电气运行斜率值大于或小于设定的电气运行参照斜率阈值时，则将电气运行状态判定为异常运行形态，统计被判定为异常运行形态的数量，并将与一段时间内电气运行状态总判定数量进行占比计算，依据公式：得到电气运行异常波动值nk，其中q1，q2为权重系数，且q2＞q1，权重系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性，具体权重系数的设置由本领域技术人员根据实际情况合理设置；
设置电气运行异常波动阈值为nzd，将电气运行异常波动值与电气运行异常波动阈值进行比较，当电气运行异常波动值大于电气运行异常波动阈值时，则生成重度预警信号，当电气运行异常波动值等于电气运行异常波动阈值时，则生成中度预警信号，异常波动值小于电气运行异常波动阈值时，则生成轻度预警信号。
进一步的，损坏程度状态分析处理，具体操作过程如下：
监测一段时间内矿井通风机损坏程度状态信息中的粉尘量值、过载量值和振动量值，并分别标定为fece、guza和zedo，依据公式：suh＝fece*u1+guza*u2+zedo*u3，得到损坏程度系数suh，其中u1、u2和u3分别表示为粉尘量值、过载量值和振动量值的权重系数，且u1＞u2＞u3，权重系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性，具体权重因子的设置由本领域技术人员根据实际情况合理设置；
设置损坏程度系数的三个损坏梯度对比区间，分别为第一梯度损坏区间tdsh1、第二梯度损坏区间tdsh2和第三梯度损坏区间tdsh3，且tdsh1＝Atdsh2＝2Atdsh3，其中，tdsh1＞tdsh2＞tdsh3，A表示梯度的倍数，且A的具体数值的设定由本领域技术人员在具体矿井通风机实例中进行具体设置；
当损坏程度系数处于预设的第一梯度损坏区间tdsh1时，则生成重损反馈信号，当损坏程度系数处于预设的第二梯度损坏区间tdsh2时，则生成中损反馈信号，当损坏程度系数处于预设的第三梯度损坏区间tdsh3时，则生成轻损反馈信号。
进一步的，CNN通风运行状态分析处理，具体操作过程如下：
获取一段时间内矿井中的空气密度值，并将其标定为kmi，并将各时间点的空气密度值进行均值分析，依据公式：得到均值空气密度值fkm，其中，i表示一段时间内的各时间监测点，且i＝1，2，3……n1；
获取一段时间内矿井中的瓦斯含量值，并将各时间点的瓦斯含量值进行均值分析，得到均值瓦斯含量值fws，监测每个时间点的瓦斯含量值标记为wsi，并将其与均值瓦斯含量值进行差值分析，ybi＝|wsi-fws|，得到瓦斯含量偏差值ybi；其中，i表示一段时间内的各时间监测点，且i＝1，2，3……n1；
以一段时间内矿井中的气流量值为纵坐标，以一段时间为横坐标，据此建立气流量动态坐标系，并将一段时间内矿井中的气流值通过描点的方式绘制在气流量动态坐标系上并得到气流量折线，统计气流量折线与对应水平线之间为45度夹角的气流量值并标定为fqlz，依据公式：得到气流量平稳值，其中，fql表示在气流量动态坐标系上0度到90度之间的气流量值，z表示气流量折线与对应水平线之间为45度夹角的各气流量值对应的时间点，且z＝1,2,3……k，θ1表示权重系数，用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性，具体权重系数的设置由本领域技术人员根据实际情况合理设置；
将一段时间内矿井通风机CNN通风运行状态信息中的均值空气密度值、瓦斯含量偏差值和气流量平稳值，依据公式：得到CNN通风量系数wqk，其中，r表示一段时间内各子时间段，且r＝1,2,3,……o，λ1、λ2和λ3分别为空气密度值、瓦斯含量值和气流量值的修正因子，且λ1＜λ2＜λ3，修正因子用于修正各项参数在公式计算中出现的偏差，从而使得计算更加准确的参数数据，具体修正因子的设置由本领域技术人员根据实际情况合理设置；
设置CNN通风量的阈值为ttf，将CNN通风量的系数与CNN通风量的阈值进行对比分析，当CNN通风量的系数大于或等于CNN通风量的阈值时，则生成通风正常信号，当CNN通风量的系数小于CNN通风量的阈值时，则生成通风异常信号。
进一步的，异常数据调控分析处理，具体操作过程如下：
当接收到动力设施电气诊断单元发送的重度预警信号时，则触发一级检修指令，并将一级检修指令发送至显示终端，当显示终端接收到一级检修指令时，则将在设定的A1时间段内指派维修人员前往进行维修操作；
当接收到主体设施损坏诊断单元发送的重损反馈信号时，则触发K1报警指令，并将K1报警指令发送至显示终端，当显示终端接收到K1报警指令时，则需要在B1时间段内迅速将矿井内人员进行疏散；
依据CNN通风运行状态诊断单元中生成的通风异常信号，调取动力设施电气诊断单元中的中度预警信号和轻度预警信号以及主体设施损坏诊断单元中的中损反馈信号和轻损反馈信号；
当同时捕捉到中度预警信号和中损反馈信号时，则触发F1报警检修指令，并将F1报警检修指令发送至显示终端，当显示终端接收到F1报警检修指令时，则需要在Q1时间段内迅速将矿井内人员进行疏散并将在设定的W1时间段内指派维修人员前往进行维修操作；
当同时捕捉到中度预警信号和轻损反馈信号或轻度预警信号和中损反馈信号时，则触发F2报警检修指令，并将F2报警检修指令发送至显示终端，当显示终端接收到F2报警检修指令时，则需要在Q2时间段内迅速将矿井内人员进行疏散并将在设定的W2时间段内指派维修人员前往进行维修操作；
当同时捕捉到轻度预警信号和轻损反馈信号时，则触发F3报警检修指令，并将F3报警检修指令发送至显示终端，当显示终端接收到F3报警检修指令时，则需要在Q3时间段内迅速将矿井内人员进行疏散并将在设定的W3时间段内指派维修人员前往进行维修操。
本发明的有益效果是：
本发明，通过监测一段时间内矿井通风机电气运行状态信息中的停电次数、过热预警次数和电气故障次数并将其代入公式进行计算分析，依据数据对比和阈值比较的方式进行电气运行状态分析从而实现了对矿井通风机出现电气异常时能及时发出预警指令通知维修人员进行维修；
通过监测一段时间内矿井通风机损坏程度状态信息中的粉尘量值、过载量值和振动量值并将其代入公式进行计算分析，依据设置的梯度对比区间进行分析处理从而实现了对矿井通风机出现损坏时进行分析，根据损坏程度发出不同级别的报警指令通知矿井人员进行撤离，保障了井下工人的生命安全和生产效率；
通过获取一段时间内矿井通风机CNN通风运行状态信息中的均值空气密度值、瓦斯含量偏差值和气流量平稳值并将其的代入公式进行计算分析，依据数据处理、角度分析和阈值比较等方式进行分析处理从而实现了对矿井通风机CNN通风运行出现异常时进行分析，依据通风量情况对矿井通风机进行精确的检测为检测工作人员提供了便利保障了经济效益；
采用对通风异常数据分析的方式对电气运行状态和通风机损坏状态进行了再次分析处理，并为矿井通风机异常情况诊断提供了强有力的支撑，进而给矿井通风机异常情况进行了全面精确的检测。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；
图1为本发明的系统总框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于STFT-CNN的矿井通风机异常诊断系统，包括服务器，服务器通信连接有数据采集单元、动力设施电气诊断单元、主体设施损坏诊断单元、CNN通风运行状态诊断单元、异常诊断控制单元和显示终端；
数据采集单元用于采集矿井通风机电气运行状态信息以及矿井通风机损坏程度状态信息和矿井通风机CNN通风运行状态信息，并将其通过服务器发送到动力设施电气诊断单元、主体设施损坏诊断单元和CNN通风运行状态诊断单元；
当动力设施电气诊断单元接收到矿井通风机电气运行状态信息时，并据此进行电气运行状态分析处理，具体操作过程如下：
监测一段时间内矿井通风机电气运行状态信息中的停电次数、过热预警次数和电气故障次数，将其标定为npo、now和nef并将其进行归一化处理，依据公式：npem＝npo×e1+now×e2+nef×e3，得到电气运行系数npem，其中e1、e2和e3分别表示为停电次数、过热预警次数和电气故障次数的修正因子，且e3＞e2＞e1，修正因子用于修正各项参数在公式计算过程中出现的偏差，从而使得计算更加准确的参数数据，具体修正因子的设置由本领域技术人员根据实际情况合理设置；
以时间为横坐标，以电气运行系数为纵坐标，并据此建立二维电气动态坐标系，并将一段时间内计算得到的电气运行系数通过描点的方式绘制在二维电气动态坐标系上；
获取一段时间内各电气运行系数跟原点之间在二维电气动态坐标系上的斜率值，设置电气运行参照斜率阈值，将电气运行斜率值与设定的电气运行参照斜率阈值进行对比分析，当电气运行斜率值大于或小于设定的电气运行参照斜率阈值时，则将电气运行状态判定为异常运行形态，统计被判定为异常运行形态的数量，并将与一段时间内电气运行状态总判定数量进行占比计算，依据公式：得到电气运行异常波动值nk，其中q1，q2为权重系数，且q2＞q1，权重系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性，具体权重系数的设置由本领域技术人员根据实际情况合理设置；
需要说明的是，s异表示被判定为异常运行形态的数量，s总表示被判定为
设置电气运行异常波动阈值为nzd，将电气运行异常波动值与电气运行异常波动阈值进行比较，当电气运行异常波动值大于电气运行异常波动阈值时，则生成重度预警信号，当电气运行异常波动值等于电气运行异常波动阈值时，则生成中度预警信号，异常波动值小于电气运行异常波动阈值时，则生成轻度预警信号；
将生成的重度预警信号直接发送到异常诊断控制单元进行异常数据调控分析处理，将中度预警信号和轻度预警信号通过服务器发送到异常诊断控制单元进行异常数据调控分析处理，具体的：
当接收到重度预警信号时，则触发一级检修指令，并将一级检修指令发送至显示终端，当显示终端接收到一级检修指令时，则将在设定的A1时间段内指派维修人员前往进行维修操作；
当主体设施损坏诊断单元接收到矿井通风机损坏程度状态信息时，并据此进行损坏程度状态分析处理，具体操作过程如下：
监测一段时间内矿井通风机损坏程度状态信息中的粉尘量值、过载量值和振动量值，并分别标定为fece、guza和zedo，依据公式：suh＝fece*u1+guza*u2+zedo*u3，得到损坏程度系数suh，其中u1、u2和u3分别表示为粉尘量值、过载量值和振动量值的权重系数，且u1＞u2＞u3，权重系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性，具体权重因子的设置由本领域技术人员根据实际情况合理设置；
需要说明的是，粉尘量值表示每立方米空气中所含粉尘的数量，过载量值表示在一段时间内超负荷运行量，振动量值表示在一段时间内通风机在运行时的振动幅度；
设置损坏程度系数的三个损坏梯度对比区间，分别为第一梯度损坏区间tdsh1、第二梯度损坏区间tdsh2和第三梯度损坏区间tdsh3，且tdsh1＝Atdsh2＝2Atdsh3，其中，tdsh1＞tdsh2＞tdsh3，A表示梯度的倍数，且A的具体数值的设定由本领域技术人员在具体矿井通风机实例中进行具体设置；
当损坏程度系数处于预设的第一梯度损坏区间tdsh1时，则生成重损反馈信号，当损坏程度系数处于预设的第二梯度损坏区间tdsh2时，则生成中损反馈信号，当损坏程度系数处于预设的第三梯度损坏区间tdsh3时，则生成轻损反馈信号；
将生成的重损反馈信号直接发送到异常诊断控制单元进行异常数据调控分析处理，将中损反馈信号和轻损反馈信号通过服务器发送到异常诊断控制单元进行异常数据调控分析处理，具体的：
当接收到重损反馈信号时，则触发K1报警指令，并将K1报警指令发送至显示终端，当显示终端接收到K1报警指令时，则需要在B1时间段内迅速将矿井内人员进行疏散；
当CNN通风运行状态诊断单元接收到矿井通风机CNN通风运行状态信息时，并据此进行CNN通风运行状态分析处理，具体操作过程如下：
获取一段时间内矿井中的空气密度值，并将其标定为kmi，并将各时间点的空气密度值进行均值分析，依据公式：得到均值空气密度值fkm，其中，i表示一段时间内的各时间监测点，且i＝1，2，3……n1；n1为时间监测点的总数，取值为正整数；
获取一段时间内矿井中的瓦斯含量值，并将各时间点的瓦斯含量值进行均值分析，得到均值瓦斯含量值fws，监测每个时间点的瓦斯含量值标记为wsi，并将其与均值瓦斯含量值进行差值分析，ybi＝|wsi-fws|，得到瓦斯含量偏差值ybi；其中，i表示一段时间内的各时间监测点，且i＝1，2，3……n1；
以一段时间内矿井中的气流量值为纵坐标，以一段时间为横坐标，据此建立气流量动态坐标系，并将一段时间内矿井中的气流值通过描点的方式绘制在气流量动态坐标系上并得到气流量折线，统计气流量折线与对应水平线之间为45度夹角的气流量值并标定为fqlz，依据公式：得到气流量平稳值，其中，fql表示在气流量动态坐标系上0度到90度之间的气流量值，z表示气流量折线与对应水平线之间为45度夹角的各气流量值对应的时间点，且z＝1,2,3……k，k为正整数，为时间点的总数；θ1表示权重系数，用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性，具体权重系数的设置由本领域技术人员根据实际情况合理设置；
将一段时间内矿井通风机CNN通风运行状态信息中的均值空气密度值、瓦斯含量偏差值和气流量平稳值，依据公式：得到CNN通风量系数wqk，其中，r表示一段时间内各子时间段，且r＝1,2,3,……o，λ1、λ2和λ3分别为空气密度值、瓦斯含量值和气流量值的修正因子，且λ1＜λ2＜λ3，o为正整数表示各子时间段的总数；修正因子用于修正各项参数在公式计算中出现的偏差，从而使得计算更加准确的参数数据，具体修正因子的设置由本领域技术人员根据实际情况合理设置；
设置CNN通风量的阈值为ttf，将CNN通风量的系数与CNN通风量的阈值进行对比分析，当CNN通风量的系数大于或等于CNN通风量的阈值时，则生成通风正常信号，当CNN通风量的系数小于CNN通风量的阈值时，则生成通风异常信号；
将生成的通风异常信号通过服务器发送到异常诊断控制单元进行异常数据调控分析处理，具体操作过程如下：
依据CNN通风运行状态诊断单元中生成的通风异常信号，调取动力设施电气诊断单元中的中度预警信号和轻度预警信号以及主体设施损坏诊断单元中的中损反馈信号和轻损反馈信号；
当同时捕捉到中度预警信号和中损反馈信号时，则触发F1报警检修指令，并将F1报警检修指令发送至显示终端，当显示终端接收到F1报警检修指令时，则需要在Q1时间段内迅速将矿井内人员进行疏散并将在设定的W1时间段内指派维修人员前往进行维修操作；
当同时捕捉到中度预警信号和轻损反馈信号或轻度预警信号和中损反馈信号时，则触发F2报警检修指令，并将F2报警检修指令发送至显示终端，当显示终端接收到F2报警检修指令时，则需要在Q2时间段内迅速将矿井内人员进行疏散并将在设定的W2时间段内指派维修人员前往进行维修操作；
当同时捕捉到轻度预警信号和轻损反馈信号时，则触发F3报警检修指令，并将F3报警检修指令发送至显示终端，当显示终端接收到F3报警检修指令时，则需要在Q3时间段内迅速将矿井内人员进行疏散并将在设定的W3时间段内指派维修人员前往进行维修操作；
需要说明的是，触发的报警检修指令严重级别是F1＞F2＞F3，需要人员撤离的时间长短是Q1＜Q2＜Q3，指派维修人员进行维修的设定时间长短是W1＜W2＜W3；
本发明在使用时，通过采集矿井通风机电气运行状态信息，并进行电气运行状态分析处理，利用公式计算得到了电气运行系数，依据数据处理、坐标系中电气运行斜率值对比和阈值比较的方式，实现了对矿井通风机电气异常状态信息进行了判定处理，生成了重度预警信号、中度预警信号和轻度预警信号，并将生成的重度预警信号直接发送到异常诊断控制单元进行异常数据调控处理；
通过采集矿井通风机损坏程度状态信息，并进行损坏程度状态分析处理，利用公式计算得到了损坏程度系数，依据设置损坏程度系数的梯度对比区间的方式，实现了对矿井通风机损坏程度状态信息进行了判定处理，生成了重损反馈信号、中损反馈信号和轻损反馈信号，并将生成的重损反馈信号直接发送到异常诊断控制单元进行异常数据调控处理；
通过采集矿井通风机CNN通风运行状态信息，并将机CNN通风运行状态分析处理，利用数据处理、差值分析和坐标系中折线与水平线间的角度分析等方式得到了一段时间内矿井通风机CNN通风运行状态信息中的参数，并将其代入公式得到了CNN通风量系数，依据设置CNN通风量的阈值对比分析，生成了通风正常信号和通风异常信号，并将生成的通风异常信号通过服务器发送到异常诊断控制单元进行异常数据调控分析处理；
异常诊断控制单元依据CNN通风运行状态诊断单元中发送的通风异常信号，调取动力设施电气诊断单元中的中度预警信号和轻度预警信号以及主体设施损坏诊断单元中的中损反馈信号和轻损反馈信号并据此进行分析处理，并将触发的对应指令发送到显示终端进行对应的操作处理。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可做很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.一种基于STFT-CNN的矿井通风机异常诊断系统，包括服务器、数据采集单元和显示终端，其特征在于，还包括动力设施电气诊断单元、主体设施损坏诊断单元、CNN通风运行状态诊断单元、异常诊断控制单元；
所述数据采集单元用于采集矿井通风机电气运行状态信息以及矿井通风机损坏程度状态信息和矿井通风机CNN通风运行状态信息，并将其通过服务器发送到动力设施电气诊断单元、主体设施损坏诊断单元和CNN通风运行状态诊断单元；
所述动力设施电气诊断单元用于接收矿井通风机电气运行状态信息，并进行电气运行状态分析处理，据此得到重度预警信号、中度预警信号和轻度预警信号，并将其发送到异常诊断控制单元；
所述主体设施损坏诊断单元用于接收矿井通风机损坏程度状态信息，并进行损坏程度状态分析处理，据此得到重损反馈信号、中损反馈信号和轻损反馈信号，并将其发送到异常诊断控制单元；
所述CNN通风运行状态诊断单元用于接收矿井通风机CNN通风运行状态信息，并进行CNN通风运行状态分析处理，据此得到通风正常信号和通风异常信号，并将通风异常信号发送到异常诊断控制单元；
所述异常诊断控制单元用于接收重度预警信号、中度预警信号、轻度预警信号、重损反馈信号、中损反馈信号、轻损反馈信号和通风异常信号，并进行异常数据调控分析处理，据此触发一级检修指令、K1报警指令、F1报警检修指令、F2报警检修指令和F3报警检修指令，并将其发送到显示终端进行相对应的操作处理。
2.根据权利要求1所述的一种基于STFT-CNN的矿井通风机异常诊断系统，其特征在于，进行电气运行状态分析处理，具体操作过程如下：
监测一段时间内矿井通风机电气运行状态信息中的停电次数、过热预警次数和电气故障次数将其进行归一化处理，得到电气运行系数；
以时间为横坐标，以电气运行系数为纵坐标，并据此建立二维电气动态坐标系，并将一段时间内计算得到的电气运行系数通过描点的方式绘制在二维电气动态坐标系上；
获取一段时间内各电气运行系数跟原点之间在二维电气动态坐标系上的斜率值，设置电气运行参照斜率阈值，将电气运行斜率值与设定的电气运行参照斜率阈值进行对比分析，统计被判定为异常运行形态的数量，并将与一段时间内电气运行状态总判定数量进行占比计算，得到电气运行异常波动值；
设置电气运行异常波动阈值为nzd，将电气运行异常波动值与电气运行异常波动阈值进行比较，当电气运行异常波动值大于电气运行异常波动阈值时，则生成重度预警信号，当电气运行异常波动值等于电气运行异常波动阈值时，则生成中度预警信号，异常波动值小于电气运行异常波动阈值时，则生成轻度预警信号。
3.根据权利要求1所述的一种基于STFT-CNN的矿井通风机异常诊断系统，其特征在于，进行损坏程度状态分析处理，具体操作过程如下：
监测一段时间内矿井通风机损坏程度状态信息中的粉尘量值、过载量值和振动量值进行公式计算，得到损坏程度系数；
设置损坏程度系数的三个损坏梯度对比区间，分别为第一梯度损坏区间、第二梯度损坏区间和第三梯度损坏区间；
当损坏程度系数处于预设的第一梯度损坏区间时，则生成重损反馈信号，当损坏程度系数处于预设的第二梯度损坏区间时，则生成中损反馈信号，当损坏程度系数处于预设的第三梯度损坏区间时，则生成轻损反馈信号。
4.根据权利要求1所述的一种基于STFT-CNN的矿井通风机异常诊断系统，其特征在于，进行CNN通风运行状态分析处理，具体操作过程如下：
获取一段时间内矿井中的空气密度值，并将其标定为kmi，并将各时间点的空气密度值进行均值分析，得到均值空气密度值；
获取一段时间内矿井中的瓦斯含量值，并将各时间点的瓦斯含量值进行均值分析，得到均值瓦斯含量值，监测每个时间点的瓦斯含量值，并将其与均值瓦斯含量值进行作差分析，得到瓦斯含量偏差值；
以一段时间内矿井中的气流量值为纵坐标，以一段时间为横坐标，据此建立气流量动态坐标系，并将一段时间内矿井中的气流值通过描点的方式绘制在气流量动态坐标系上并得到气流量折线，统计气流量折线与对应水平线之间为45度夹角的气流量值进行公式计算，得到气流量平稳值；
将一段时间内矿井通风机CNN通风运行状态信息中的均值空气密度值、瓦斯含量偏差值和气流量平稳值进行归一化处理，得到CNN通风量系数；
设置CNN通风量的阈值为ttf，将CNN通风量的系数与CNN通风量的阈值进行对比分析，当CNN通风量的系数大于或等于CNN通风量的阈值时，则生成通风正常信号，当CNN通风量的系数小于CNN通风量的阈值时，则生成通风异常信号。
5.根据权利要求1所述的一种基于STFT-CNN的矿井通风机异常诊断系统，其特征在于，进行异常数据调控分析处理，具体操作过程如下：
当接收到动力设施电气诊断单元发送的重度预警信号时，则触发一级检修指令，并将一级检修指令发送至显示终端，当显示终端接收到一级检修指令时，则将在设定的A1时间段内指派维修人员前往进行维修操作；
当接收到主体设施损坏诊断单元发送的重损反馈信号时，则触发K1报警指令，并将K1报警指令发送至显示终端，当显示终端接收到K1报警指令时，则需要在B1时间段内迅速将矿井内人员进行疏散；
依据CNN通风运行状态诊断单元中生成的通风异常信号，调取动力设施电气诊断单元中的中度预警信号和轻度预警信号以及主体设施损坏诊断单元中的中损反馈信号和轻损反馈信号；
当同时捕捉到中度预警信号和中损反馈信号时，则触发F1报警检修指令，并将F1报警检修指令发送至显示终端，当显示终端接收到F1报警检修指令时，则需要在Q1时间段内迅速将矿井内人员进行疏散并将在设定的W1时间段内指派维修人员前往进行维修操作；
当同时捕捉到中度预警信号和轻损反馈信号或轻度预警信号和中损反馈信号时，则触发F2报警检修指令，并将F2报警检修指令发送至显示终端，当显示终端接收到F2报警检修指令时，则需要在Q2时间段内迅速将矿井内人员进行疏散并将在设定的W2时间段内指派维修人员前往进行维修操作；
当同时捕捉到轻度预警信号和轻损反馈信号时，则触发F3报警检修指令，并将F3报警检修指令发送至显示终端，当显示终端接收到F3报警检修指令时，则需要在Q3时间段内迅速将矿井内人员进行疏散并将在设定的W3时间段内指派维修人员前往进行维修操作。
CN202310469379.XA 2023-04-27 2023-04-27 一种矿井通风机异常诊断系统 Active CN116517862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310469379.XA CN116517862B (zh) 2023-04-27 2023-04-27 一种矿井通风机异常诊断系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310469379.XA CN116517862B (zh) 2023-04-27 2023-04-27 一种矿井通风机异常诊断系统

Publications (2)

Publication Number Publication Date
CN116517862A true CN116517862A (zh) 2023-08-01
CN116517862B CN116517862B (zh) 2024-02-27

Family

ID=87395454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310469379.XA Active CN116517862B (zh) 2023-04-27 2023-04-27 一种矿井通风机异常诊断系统

Country Status (1)

Country Link
CN (1) CN116517862B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117662510A (zh) * 2024-01-02 2024-03-08 徐州中矿科光机电新技术有限公司 一种风机故障诊断系统及其方法
CN117873009A (zh) * 2024-03-13 2024-04-12 山东鲁玻玻璃科技有限公司 一种基于玻璃生产流程监控系统
CN117662510B (zh) * 2024-01-02 2024-06-07 徐州中矿科光机电新技术有限公司 一种风机故障诊断系统及其方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201517493U (zh) * 2009-10-22 2010-06-30 湘潭平安电气有限公司 矿用主通风机在线监测及故障诊断装置
CN204113701U (zh) * 2014-07-18 2015-01-21 河北联合大学 一种矿井风机在线监测与故障诊断系统
CN112211845A (zh) * 2020-10-12 2021-01-12 上海沃克通用设备有限公司 风机故障诊断系统
CN113567162A (zh) * 2021-07-08 2021-10-29 中核检修有限公司 基于声传感器的风机故障智能诊断装置及方法
CN114861540A (zh) * 2022-05-12 2022-08-05 安徽理工大学 一种基于wt-cnn和声振特征融合的矿井通风机工作状态监测系统
CN115789856A (zh) * 2022-12-09 2023-03-14 安徽省凯杰机械制造有限公司 一种用于通风设备的在线监测控制系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201517493U (zh) * 2009-10-22 2010-06-30 湘潭平安电气有限公司 矿用主通风机在线监测及故障诊断装置
CN204113701U (zh) * 2014-07-18 2015-01-21 河北联合大学 一种矿井风机在线监测与故障诊断系统
CN112211845A (zh) * 2020-10-12 2021-01-12 上海沃克通用设备有限公司 风机故障诊断系统
CN113567162A (zh) * 2021-07-08 2021-10-29 中核检修有限公司 基于声传感器的风机故障智能诊断装置及方法
CN114861540A (zh) * 2022-05-12 2022-08-05 安徽理工大学 一种基于wt-cnn和声振特征融合的矿井通风机工作状态监测系统
CN115789856A (zh) * 2022-12-09 2023-03-14 安徽省凯杰机械制造有限公司 一种用于通风设备的在线监测控制系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117662510A (zh) * 2024-01-02 2024-03-08 徐州中矿科光机电新技术有限公司 一种风机故障诊断系统及其方法
CN117662510B (zh) * 2024-01-02 2024-06-07 徐州中矿科光机电新技术有限公司 一种风机故障诊断系统及其方法
CN117873009A (zh) * 2024-03-13 2024-04-12 山东鲁玻玻璃科技有限公司 一种基于玻璃生产流程监控系统
CN117873009B (zh) * 2024-03-13 2024-05-24 山东鲁玻玻璃科技有限公司 一种基于玻璃生产流程监控系统

Also Published As

Publication number Publication date
CN116517862B (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
CN115425764B (zh) 一种电力系统智能网络风险实时监控方法、系统及存储介质
CN116758719B (zh) 一种生产车间设备环境在线监测系统
CN116517862B (zh) 一种矿井通风机异常诊断系统
CN117079428A (zh) 一种用于厂区危化气体泄漏监测的区域预警系统
CN116148582A (zh) 基于数据分析的电力开关柜监测预警反馈系统
CN117040138B (zh) 一种配电柜运行动态安全评估系统
CN117075528B (zh) 一种基于数据处理的手机配件旋转流水线的监控系统
CN116777433B (zh) 一种基于数据分析的工业产线设备运维管理系统
CN107654342A (zh) 一种考虑湍流的风电机组功率异常的检测方法
CN112173636B (zh) 一种巡检机器人对皮带机托辊故障的检测方法
CN115394060A (zh) 基于互联网的煤矿综采工作面ai视频智能监控系统
CN104615123B (zh) 基于k近邻的传感器故障隔离方法
CN117268455B (zh) 一种工程建筑施工质量检测设备的监测系统
CN108508860B (zh) 一种基于耦合关系的流程工业生产系统数据监测方法
CN117308275B (zh) 一种基于温差的管路连接异常检测方法及系统
CN117171366B (zh) 用于电网调度运行态势的知识图谱构建方法及系统
CN113934536A (zh) 面向边缘计算的数据采集方法
CN117130332A (zh) 一种基于数据分析的军工企业产线智能监管系统
CN110598680A (zh) 一种机械设备健康状态评估方法、系统和可读存储介质
CN109828146B (zh) 一种通过设备电参数ad采样判断设备工况的方法
JP2009283580A (ja) 半導体装置の生産管理システム
CN108956888B (zh) 一种智能化工控设备湿度异常的监控方法
CN113552853A (zh) 一种化工系统多工况的报警管理方法及装置
CN117536951B (zh) 一种基于物联网的液压锁运行质量评估系统
CN111780149B (zh) 火力发电厂制粉系统设备状态远程诊断方法

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