朱元軍，張 驥，李成西

（陜西陜煤黃陵礦業(yè)有限公司 一號(hào)煤礦，陜西 黃陵 727307）

1 概 況

近年來(lái)，煤炭輔助生產(chǎn)系統(tǒng)的遠(yuǎn)程控制領(lǐng)域日趨完善，但各輔助生產(chǎn)系統(tǒng)運(yùn)行數(shù)據(jù)、監(jiān)測(cè)數(shù)據(jù)未得到深層次的挖掘和利用，生產(chǎn)輔助系統(tǒng)集中控制相對(duì)孤立，無(wú)法規(guī)避和預(yù)防系統(tǒng)運(yùn)行環(huán)節(jié)存在的潛在隱患。黃陵一號(hào)煤礦經(jīng)過(guò)多年發(fā)展，各生產(chǎn)輔助系統(tǒng)自動(dòng)化已達(dá)到較高水平，但存在著以下問(wèn)題：一是雖然集控程度較高，但未實(shí)現(xiàn)高效實(shí)時(shí)的信息集成和互通，各個(gè)生產(chǎn)自動(dòng)化系統(tǒng)分散獨(dú)立；二是控制系統(tǒng)在接口、軟件協(xié)議、冗余功能等方面存在版本較多，無(wú)法真正實(shí)現(xiàn)集中整合和實(shí)施集中控制功能以及數(shù)據(jù)交互；三是系統(tǒng)間對(duì)于專(zhuān)業(yè)分析數(shù)據(jù)的一致性、時(shí)效性很難實(shí)現(xiàn)智能決策聯(lián)動(dòng)和預(yù)警。基于以上問(wèn)題，眾多子系統(tǒng)需要一個(gè)“智慧分析大腦”，為系統(tǒng)或設(shè)備潛在故障進(jìn)行預(yù)警，為維修策略提供技術(shù)支持，做到生產(chǎn)環(huán)節(jié)整體性的超前故障預(yù)警效果，達(dá)到智能分析診斷、高效服務(wù)管控目的，減少故障影響時(shí)間，縮小系統(tǒng)維護(hù)成本。

2 大數(shù)據(jù)故障預(yù)警平臺(tái)總體方案設(shè)計(jì)

整個(gè)設(shè)計(jì)方案分為3 個(gè)階段，一是研究礦井系統(tǒng)及設(shè)備健康管理體系分級(jí)策略和模式，建立高效協(xié)同預(yù)警調(diào)度平臺(tái)；二是研究全礦井系統(tǒng)及設(shè)備分類(lèi)、系統(tǒng)構(gòu)成和故障預(yù)測(cè)、健康評(píng)估、維修預(yù)警機(jī)理模型，開(kāi)發(fā)面向不同業(yè)務(wù)系統(tǒng)及設(shè)備設(shè)施的就地管控平臺(tái)，包主運(yùn)輸系統(tǒng)、壓風(fēng)系統(tǒng)、供配電系統(tǒng)、排水系統(tǒng)、瓦斯抽采系統(tǒng)、通風(fēng)系統(tǒng)、污水處理、礦壓分析系統(tǒng)等其他相關(guān)配套系統(tǒng)及設(shè)備；三是研究不同設(shè)備機(jī)械電氣、潤(rùn)滑系統(tǒng)、冷卻系統(tǒng)、電機(jī)震動(dòng)、設(shè)備噪音、熱成像圖像識(shí)別等故障檢測(cè)、檢驗(yàn)手段，以及裝配套設(shè)施的運(yùn)行數(shù)據(jù)，包括電動(dòng)機(jī)、減速器、潤(rùn)滑系統(tǒng)、冷卻水等關(guān)鍵核心部件和系統(tǒng)的故障診斷算法、剩余壽命預(yù)測(cè)算法、設(shè)備性能評(píng)估和部件劣化特征識(shí)別等，根據(jù)專(zhuān)家算法建立模型，采集故障數(shù)據(jù)進(jìn)行大數(shù)據(jù)計(jì)算與分析，形成智能視頻分析、智能巡檢，為專(zhuān)家遠(yuǎn)程診斷提供便捷，達(dá)到真正提前預(yù)判和高效及時(shí)實(shí)時(shí)預(yù)警推送，形成基于一套架構(gòu)下的全礦井系統(tǒng)及設(shè)備大數(shù)據(jù)故障預(yù)警平臺(tái)與大型設(shè)備健康管理體系。煤礦大數(shù)據(jù)故障預(yù)警平臺(tái)總體方案如圖1 所示。

圖1 煤礦大數(shù)據(jù)故障預(yù)警平臺(tái)總體方案Fig.1 Overall plan of big data fault warning platform in mine

3 預(yù)警平臺(tái)關(guān)鍵分系統(tǒng)設(shè)計(jì)

3.1 煤礦大數(shù)據(jù)故障預(yù)警平臺(tái)

煤礦大數(shù)據(jù)故障預(yù)警平臺(tái)的主要分系統(tǒng)包括礦井全生產(chǎn)鏈系統(tǒng)故障數(shù)據(jù)交互系統(tǒng)、全生產(chǎn)鏈大數(shù)據(jù)故障決策平臺(tái)、專(zhuān)家智能診斷預(yù)警系統(tǒng)，如圖2所示。

圖2 煤礦大數(shù)據(jù)故障預(yù)警平臺(tái)架構(gòu)Fig.2 Architecture of big data fault warning platform in mine

3.2 礦井全生產(chǎn)系統(tǒng)故障數(shù)據(jù)交互系統(tǒng)

3.2.1 生產(chǎn)輔助系統(tǒng)故障數(shù)據(jù)采集交互系統(tǒng)

平臺(tái)通過(guò)數(shù)據(jù)發(fā)布/訂閱傳輸協(xié)議和傳輸控制協(xié)議/因特網(wǎng)互聯(lián)協(xié)議進(jìn)行數(shù)據(jù)采集，由各個(gè)系統(tǒng)部署環(huán)境的數(shù)據(jù)采集端發(fā)送至數(shù)據(jù)中心，由數(shù)據(jù)中心再次處理轉(zhuǎn)發(fā)，接入大數(shù)據(jù)平臺(tái)數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)處理系統(tǒng)過(guò)濾及清洗，轉(zhuǎn)換數(shù)據(jù)格式形成統(tǒng)一規(guī)范，存儲(chǔ)故障點(diǎn)表參考和干預(yù)機(jī)制數(shù)據(jù)倉(cāng)庫(kù)內(nèi)，為故障預(yù)警平臺(tái)學(xué)習(xí)、分析、決策提供數(shù)據(jù)支撐。數(shù)據(jù)交互系統(tǒng)框架如圖3 所示。

圖3 數(shù)據(jù)交互系統(tǒng)Fig.3 Data interaction system

3.2.2 生產(chǎn)輔助系統(tǒng)故障倉(cāng)庫(kù)建立

煤礦大數(shù)據(jù)故障預(yù)警平臺(tái)建立單獨(dú)的數(shù)據(jù)存儲(chǔ)服務(wù)器，將采集到的運(yùn)行信息進(jìn)行統(tǒng)一存儲(chǔ)。按照不同的系統(tǒng)對(duì)運(yùn)行信息進(jìn)行分類(lèi)，按照運(yùn)行信息的重要性進(jìn)行等級(jí)劃分。由于生產(chǎn)輔助系統(tǒng)數(shù)據(jù)監(jiān)測(cè)不一，采集的監(jiān)測(cè)數(shù)據(jù)存在多源異構(gòu)問(wèn)題，且系統(tǒng)數(shù)據(jù)采集無(wú)統(tǒng)一結(jié)構(gòu)，不能被平臺(tái)統(tǒng)一識(shí)別，需對(duì)采集到的數(shù)據(jù)依據(jù)平臺(tái)內(nèi)部配置，對(duì)數(shù)據(jù)模型進(jìn)行統(tǒng)一的格式轉(zhuǎn)換，如圖4 所示。當(dāng)故障決策服務(wù)端檢測(cè)到當(dāng)前數(shù)據(jù)出現(xiàn)異常數(shù)據(jù)時(shí)進(jìn)行標(biāo)記，對(duì)數(shù)據(jù)源進(jìn)行分析，調(diào)用對(duì)應(yīng)異常數(shù)據(jù)的設(shè)備信息，攜帶異常數(shù)據(jù)及對(duì)應(yīng)設(shè)備信息主動(dòng)向干預(yù)庫(kù)發(fā)起請(qǐng)求，在同步監(jiān)測(cè)下，干預(yù)庫(kù)介入。

圖4 數(shù)據(jù)轉(zhuǎn)換Fig.4 Data transformation process

3.3 預(yù)警平臺(tái)軟件架構(gòu)設(shè)計(jì)

平臺(tái)包括數(shù)據(jù)流處理、微震計(jì)算、可視化結(jié)果顯示等部分。遠(yuǎn)程監(jiān)測(cè)數(shù)據(jù)傳輸至轉(zhuǎn)換器中進(jìn)行底層數(shù)據(jù)流處理，核心計(jì)算模塊進(jìn)行后臺(tái)震級(jí)及定位計(jì)算后，將計(jì)算結(jié)果傳輸至可視化交互界面中，通過(guò)各個(gè)模塊之間的文件交互，如Data 文件，完成數(shù)據(jù)傳輸及交換，實(shí)時(shí)保存。軟件系統(tǒng)中的高頻微震信號(hào)能提供C 語(yǔ)音調(diào)用的接口，利用Java 語(yǔ)言來(lái)對(duì)微震計(jì)算模塊進(jìn)行設(shè)計(jì)開(kāi)發(fā)，所設(shè)計(jì)的微震計(jì)算模塊能實(shí)現(xiàn)超過(guò)5 個(gè)的高頻信號(hào)采集、判斷、定位及計(jì)算等功能。可視化則采用JSP 配合E-charts技術(shù)進(jìn)行開(kāi)發(fā)。預(yù)警平臺(tái)軟件架構(gòu)如圖5 所示。

圖5 預(yù)警平臺(tái)軟件架構(gòu)Fig.5 Software architecture of the early warning platform

4 結(jié) 語(yǔ)

在完成預(yù)警平臺(tái)的建立后，將其在黃陵一號(hào)煤礦中進(jìn)行了實(shí)際應(yīng)用測(cè)試，測(cè)試周期將近4 個(gè)月。測(cè)試結(jié)果表明，該預(yù)警平臺(tái)中各子系統(tǒng)運(yùn)行正常、程序邏輯控制合理，能精準(zhǔn)的對(duì)井下進(jìn)行定位，顯示界面操作簡(jiǎn)單，操作人員只需通過(guò)簡(jiǎn)易培訓(xùn)，即可實(shí)現(xiàn)對(duì)系統(tǒng)的操作。該平臺(tái)能根據(jù)礦井中的實(shí)際情況，發(fā)出異常報(bào)警，人員可根據(jù)故障類(lèi)型及位置快速進(jìn)行故障排除。經(jīng)過(guò)初步估計(jì)，在預(yù)警平臺(tái)進(jìn)行成功應(yīng)用后，設(shè)備的故障率降低了50%，故障排除時(shí)間縮短70%，相關(guān)崗位人員也明顯減少。