周春玲
陕煤集团神南产业发展有限公司 陕西省神木市 719300
摘要：基于煤矿井下特殊的工矿环境建立矿用设备安全监控动态信息管理系统的初步思路，研究结果对提高矿用设备安全性能和管理水平，增强矿用设备使用单位防范事故的能力具有重要意义。本文对矿用设备智能安全监测与预知维护系统进行分析，以供参考。
关键词：矿用设备；智能安全监测；预知维护
引言
设备是矿山企业生产中不可或缺的重要设备之一，由于不同类型的矿山开采条件及工艺不同，在开采过程中所使用的设备也不尽相同，但大体上所使用的设备有采掘机械、排水供水设备、通风、供气设备、提升运输设备以及供、用电设备。不管采用哪种开采工艺，设备的种类繁多，由于矿山企业特殊的作业环境，矿用设备使用过程中的安全问题日渐突出，造成大量的人员伤亡和财产损失。
1系统架构
数据采集层主要采集矿用设备安全监测数据，数据采集方式包括感知设备自动上传和人工录入，采集的安全监测数据、矿用设备历史状态样本数据与设备维护方案均以数据表的形式通过服务器存储至数据库。数据处理层采用智能数据预选模型对矿用设备安全监测数据进行筛选，以剔除数据中的异常值；利用智能安全预知维护模型对预选的数据进行处理，以提取矿用设备运行状态特征，并通过映射到矿用设备历史状态样本数据表，判断矿用设备运行状态。
2煤矿智能化安全生产管理系统的组成
2.1煤矿井下分站及传感器
在回采工作面轨道顺槽内距回采工作面不大于10m处、距回风大巷10～15m处、长度超过1000m的顺槽中部、回采工作面上隅角各设置1个甲烷传感器。轨道顺槽内距回采工作面不大于10m处及回采工作面上隅角甲烷传感器的报警CH4体积分数为≥1.0%，断电CH4体积分数为≥1.5%，复电CH4体积分数为＜1.0%。断电范围：工作面及其回风巷内全部非本质安全型电气设备、掘进巷道内全部非本质安全型电气设备。在主通风机风硐、巷道的测风站设风速传感器。当风速低于或超过设计风速值的20%时发出声光报警信号。主通风机风硐设风压传感器2台，负压传感器安装在通风机风硐处，在超限时报警。井下主要风门设风门开关传感器。主要通风机、掘进工作面局部通风机、主排水泵等设置开停传感器。为监测被控设备是否断电，被控开关的负荷侧必须设置馈电传感器。在采煤机上安装机载式甲烷断电仪1个。掘进工作面设置馈电状态传感器2台、断电器2台。顺槽临时避难硐室设甲烷传感器、一氧化碳传感器、二氧化碳传感器、氧气传感器等。
2.2矿井人员定位监控系统
人员管理采用KJ251A型人员定位监控系统。系统在地面由监控中心站、矿用信息传输接口、打印机、避雷器、UPS（不间断电源）等组成；井下设KJ251-F读卡分站8台，KJF210B型读卡器37台。读卡分站与识别卡之间使用GFSK（高斯频移键控）传输方式，读卡分站与识别卡之间的识别距离0～50m，最大位移速度不小于25m/s，系统及分站并发识别数量不少于200。系统固定机容量128GB，矿井共配备KGE116D识别卡1100张。
3关键技术分析
3.1云计算技术
云计算是提升计算速率、优化计算资源的模式之一，在现有的云服务条件下，实现了以数据挖掘为核心的架构体系，从而为建设数字矿山以及智慧矿山奠定基础。传统模式的云计算一般包含基础设施即服务（基础设施层）、平台即服务（平台层）、软件即服务（软件层）３个层面，通过构建３个层次的服务，进而实现业务的快速计算及科学分析。基础设施层也被称为资源层，主要为平台层和中间件准备所需要的计算和存储资源，其主要包含虚拟化、分布式存储、关系型数据库等几种技术；平台层也称为中间层，主要作用是程序的开发以及设计，即为开发人员提供服务，主要包含ＲＥＳＴ、并行处理、分布式缓存等技术；软件层也称为显示层，主要为软件的使用人员提供服务，为用户提供所需要的内容以及服务体验，主要包含Ｗｅｂ页面、ＲＩＡ技术等。
3.2大数据挖掘技术
大数据挖掘技术是以海量数据为基础、以数学模型为核心，对数据中隐含的、潜在的逻辑理论进行探究的方法。数据挖掘对象通常包含关系数据、空间数据、时态数据等，通过构建多种数据之间的逻辑关联，进而实现海量数据中的有效信息的提取与分析。现阶段流行的大数据计算通常以分布式计算为主，通过以Ｈａｄｏｏｐ平台为基础，构建Ｍａ－ｐｒｅｄｕｃｅ计算模型，实现数据的流计算以及批计算，进而对业务数据进行快速的预处理、解析以及科学计算。通过对主通风机等各种参数的采集，构建主通风机故障预测模型，以预测模型参数为基础，对主通风机进行周期性管理，降低其故障率；通过结合安全监控系统数据和井下人员定位系统数据，实现两者之间的逻辑关系关联，通过挖掘安全监控系统数据，实现对煤矿瓦斯风险等在内的风险预测及分析，当发生危险时，通过网络传输，对井下人员进行风险预警预告，进而降低生产过程中的人员安全风险，保障安全生产的顺利开展。
4基于ＳＡ的智能数据预选模型
初始遍历矿用设备某监测项的安全监测数据，设定数据预选的最大阈值、最小阈值及迭代次数，采用Ｍｅｔｒｏｐｏｌｉｓ准则获取概率阈值。随机选出监测项中某个数据项作为初始节点（携带邻近节点值的信息记录表），从初始节点向周围的邻近节点发散，随机选择１个邻近节点作为下一跳节点，计算初始节点与该节点的能量差。若能量差小于０，则跳转至该节点；否则，通过Ｍｅｔｒｏｐｏｌｉｓ准则计算从初始节点到其他邻近节点的概率。若概率大于概率阈值，则选取最大概率对应的邻近节点跳转，温度衰减，判断该节点值是否在数据预选阈值范围内，若是则将该节点值记录至数据表中，继续从该节点向邻近节点发散；若概率小于概率阈值，则停留在初始节点，重新选择下一跳节点。当温度衰减至０或达到迭代次数时，数据预选过程结束并记录终点节点值至数据表。
5基于ＣＮＮ的智能安全预知维护模型
基于ＣＮＮ的智能安全预知维护模型原理。首先，将通过智能数据预选模型预选后的矿用设备安全监测数据（噪声、功率、温度、振动、电流、电压、湿度、转速）转换为输入矩阵。然后，通过具有不同大小卷积核的卷积层对输入矩阵进行数据特征提取。接着，利用池化层进行数据降维，缩减数据的特征项，再经过全连接得到矿用设备运行状态预测数据。最后，将矿用设备运行状态预测数据与历史状态数据进行对比，判断矿用设备状态是否异常。
结束语
随着人工智能时代的到来，煤矿开采也正朝着智能化的方向发展。为了进一步提升煤矿开采的安全性，很多煤矿引入了煤矿智能化安全生产管理系统。重点介绍了煤矿目前正在使用的KJ73X型煤矿智能化安全生产管理系统，并探讨了该系统所使用的通信方式，可以为煤矿智能生产管理系统的设计提供一定的参考。
参考文献
[1]徐丽平,赵亮.矿用设备开停传感器自学习工作方法[J].煤炭与化工,2019,42(11):83-84+89.
[2]王明勇.物联网在矿用设备的应用[J].矿业装备,2019(05):108-109.
[3]陈晓勇.矿用设备电机运行安全综合监测系统[J].露天采矿技术,2018,34(01):115-117+124.
[4]李雪芬,张保太,施峰.矿用设备部件国产化探讨和实践[J].煤炭科学技术,2018,46(S2):174-177.