矿山机电设备运行大数据应用研究王勇刚--中国期刊网

字体：大中小

首页> 原创作品> 正文

矿山机电设备运行大数据应用研究王勇刚

发表时间：2021/7/9 来源：《基层建设》2021年第12期作者：王勇刚

[导读] 当前矿山行业发展迅猛。大数据技术的出现和应用必将成为矿物开采与加工效益提升的倍增器，也将推动和加快矿山二化融合的进程。近些年来，我国矿物开采与加工设备快速发展

        西部黄金哈密金矿有限责任公司新疆哈密市 839000
        摘要：当前矿山行业发展迅猛。大数据技术的出现和应用必将成为矿物开采与加工效益提升的倍增器，也将推动和加快矿山二化融合的进程。近些年来，我国矿物开采与加工设备快速发展，大数据技术在矿山领域的应用起步不久，发展势头较好，但是大数据技术应用总体还处于发展初期，以机电设备运行数据采集源为例，对大数据分析做了一些尝试，并对存在的问题作了简要说明，为矿山大数据应用起到一个抛砖引玉的推动作用。
        关键词：大数据；机电设备；大数据

        引言
        随着矿山行业现代化技术的不断进步，在保障生产安全的前提下，为提高矿山现代化建设和煤矿产量，矿山机械化设备不断更新的同时也给矿山机电设备的安全管理提出了更为严格的要求。
        1矿山机电设备管理的意义
        随着我国社会和经济的不断发展，科学技术的不断进步，在矿山生产当中，各种机电设备被应用到生产作业中来，机电设备的使用提高了矿山生产的效率，能够帮助工作人员做一些重复性工作。机电设备的使用还能够减少因工作人员的疏忽而产生的一些问题，提高了矿山生产过程当中的安全性。而随着机电设备的不断发展，使用数量的不断增加，如果不对其进行科学合理的管理，便极易造成一定的损失，不利于提高矿山生产的效率。随着机电设备使用规模的逐渐扩大，大部分的矿山企业将机电设备视作矿山生产的重要辅助机器，其与矿山生产的质量密切相关。机电设备的应用也使矿山开采工作逐渐走向现代化、自动化，所以做好机电设备的管理工作至关重要。机电设备改变了以往的矿山开采工作方式，有效优化了矿山开采的技术，提高了矿山开采的效率。随着设备的不断更新，其对管理的要求也逐渐提高，为了保障矿山生产的安全性，提升矿山生产的效率，就必须重视机电设备的管理。如果机电设备出现了问题，如老、旧、安全设施不足、保护设施不全、设备与配件质量不合格、安装尺寸不相同等，都会造成一定的安全问题，阻碍了矿山生产作业，不利于矿山企业的发展。因此，相关工作人员必须加大对矿山机电设备的管理力度，构建科学合理的管理体系，不断更新管理理念，重视机电设备零部件的质量问题等，从而保障机电设备的运行安全，确保矿山生产过程中的安全性，提高生产的效率，减少相关的经济成本。
        2基于大数据技术的云服务平台
        2.1大数据技术平台
        大数据技术是一种在云计算平台基础上的数据分析与处理技术，主要涉及数据获取、存储、处理、挖掘、可视化和管理等核心技术。在平台管理的统一协调下，利用底层数据接口，把机电设备、监控、环境、管理等数据统一接入并进行抽取和清洗，基于Hadoop、HDFS、数据仓库和分布式数据库等技术，实现对海量数据的存储和访问。在算法服务管理和算法运行调度框架下，利用二类大数据计算引擎Spark和Storm，实现矿山机电设备大数据算法的离线和实时计算服务。服务中心实现了数据接入、筛选、存储、挖掘、处理和可视化展示等功能。数据是第一要素，在理解和分析矿山各类数据源的前提下，研究人－机－环－管相关的各类动态和静态数据，通过多种途径获取信息化系统的所有数据包括日志数据、感知数据等。通过对洗洗厂各类数据相关的关键数据库分析，从而可以确定数据采集对象、要素、设备以及采集流程。利用多种类型的数据访问适配器，依据数据来源、存储方式和接口形式的特点，配接数据访问适配器，把采集的原始数据通过ETL工具进行抽取、净化、转换并加载处理，实现对各类数据的清洗和整理从而提高数据质量。矿业生产产生的海量数据基于云平台存储，把历史数据和信息永久保存。

期刊文章分类查询,尽在期刊图书馆

开展对生产业务数据多维度的分析、挖掘和知识评价，采用多种关联分析算法进行分析计算，对人－机－环－管监测数据分析，根据各分系统业务进行危险源特征、属性的多维度分析。大数据数据处理技术主要包括离线计算方式和流式实时计算2种，通常离线计算适用于先存储后计算，数据系统性、准确性要求较高的业务模式，而流式实时计算一般用于动态性数据处理，动态数据处理要求实时性强、数据源多、处理速度高，具有可扩展性强、容错性好、性能优等特点。大数据处理十分强调数据可视化，以用户良好体验为最高设计准则，采用多种图形直观展示数据。
        2.2大数据分析技术
        大数据分析的核心涉及模型建立和算法应用二个方面，这二方面也是矿山大数据技术应用的关键和难点所在。矿山机电设备大数据动态监测与诊断系统是矿山大数据分析平台的核心应用系统。基于大数据技术，以矿山各类各型设备生产规范规程为依据，结合综合自动化、在线监测以及矿山生产日常获取的动态和静态数据开展数据分析，利用设备状态、运行环境等海量多源数据进行深度融合分析，实现设备状态评估、故障诊断和预测预知，提高对矿山机电设备科学管理和使用寿命。矿山大数据分析的基础是海量数据采集和存储，通过传感器和LoＲa远程传输平台构建的机电设备状态数据采集系统采集海量数据，结合监控、环境、管理和各类日志数据的获取，通过ETL的各种数据处理工具，整理合并归整填补后统一存储在云服务中心。大数据分析需构建数据分析模型，可以构建3类分析模型：一是通过关联分析、时间序列分析、回归分析、多维统计分析、聚类等方法分析各类状态数据，发现它们之间的关联关系及变化规律，建立历史知识模型；二是通过多维统计和挖掘分析的手段，构建设备状态评价、故障诊断和预测预知模型；三是随着认知的深入，通过智能学习和迭代，对各类模型（状态评价和故障诊断模型）进行修正、补充和完善。针对机电设备，应用系统设计了设备动态诊断及风险评估预控、重大危险源预测预警、设备寿命预测评估、生产加工效能评估决策等主要模块，依据各自特点建立相应分析模型，采用回归树算法、贝叶斯算法、决策树算法等多类算法进行解算处理。以机电设备振动信号采集为例来分析研究，机电设备故障很大部分原因是由于振动造成的，在分析模型中主要考虑对采集的振动信号进行时域和频域分析，通过计算出绝对均值、偏态指标、峰值、有效值等多个特征指标来开展评价分析。对正常状态和待评估状态的振动信号进行预处理，各计算得出多参数特征指标，利用投影寻踪法对正常状态的特征指标进行投影，通过待评价设备运行状态投影参数指标对比分析，可获得设备的运行状态，实现早期故障预警和预知维护的功能。大数据分析结果最终要面向用户，数据分析的展示是大数据分析的重要方面，数据可视化通过各种图形和线条直观形象地表征分析结果，目前大数据可视化软件和工具较多，可视情况依据所展示的需求选择合适的软件进行可视化处理，做到更加人性化地为用户服务。矿山机电设备状态大数据分析目前处于初始应用阶段，无论模型的构建还是算法的应用都不是十分成熟，大数据分析的关键和核心是分析模型的构建，由于对大        数据技术应用认知的不足，所建立模型很难在短时内较准确地反映设备状态的实际，需要在实践中提高认知和大数据技术的应用水平，通过不断的迭代应用来修正和改进。
        结语
        总之，基于大数据技术研究矿山机电设备运行状态数据，提出了矿山大数据技术应用平台和数据处理流程，在云计算服务平台支持下，实现矿山机电设备各种异常状态和故障的预测与判别以及多参数之间相互关系的分析与预测，为大数据技术在矿山领域的应用提供借鉴。
        参考文献：
        ［1］石焕，程宏志，刘万超．我国选煤技术现状及发展趋势［J］．煤炭科学技术，2016，44（6）：169－174．
        ［2］党清刚．洗选设备保护应用分析［J］．低碳世界，2016（10）：271－273．