彭 俊

中國中煤能源集團有限公司 北京 100120

引言

隨著煤機設(shè)備的增長,煤礦特殊的工作時間安排,設(shè)備長期處于復(fù)雜的環(huán)境及長時間的工作,必然會帶來設(shè)備的損耗等,使得采煤機設(shè)備出現(xiàn)故障,導(dǎo)致影響生產(chǎn),嚴重甚至出現(xiàn)影響周邊環(huán)境安全,所以對于煤機設(shè)備的設(shè)備診斷是必要的。

傳統(tǒng)的設(shè)備診斷技術(shù)更多是依靠人工拿著儀器或者專業(yè)技術(shù)人員采集現(xiàn)場數(shù)據(jù)之后進行分析研究,再得出結(jié)論。這種方式一方面很依賴于技術(shù)人員的經(jīng)驗及技術(shù)等。另一方面分析研究結(jié)果也會消耗很多的時間,使得生產(chǎn)受到影響。所以為了保證煤礦的正常生產(chǎn),設(shè)備的正常運行,節(jié)約成本等方面,對于傳統(tǒng)的設(shè)備診斷方式需要進行更新升級。而近年來,隨著傳感器技術(shù)及大數(shù)據(jù)技術(shù)的發(fā)展,基于這方面技術(shù)的故障診斷方式出現(xiàn)。

1 系統(tǒng)總體框架

大數(shù)據(jù)成套裝備專家系統(tǒng)的系統(tǒng)體系結(jié)構(gòu),由數(shù)據(jù)采集層、數(shù)據(jù)存儲層、服務(wù)層,業(yè)務(wù)層以及與用戶端的web展示層組成。系統(tǒng)總體功能框架如圖所示:

圖1 系統(tǒng)總體框架

1.2.1 系統(tǒng)通過服務(wù)端數(shù)據(jù)采集模塊通過數(shù)據(jù)連接代碼讀取OPC實時數(shù)據(jù),當(dāng)失去實時數(shù)據(jù)連接的時候,從歷史數(shù)據(jù)庫獲取數(shù)據(jù),解析數(shù)據(jù)發(fā)送到kafka消息隊列。接著服務(wù)端啟動2個原始數(shù)據(jù)消費者,其中一個消費者將原始數(shù)據(jù)直接存入實時數(shù)據(jù)存儲庫;另一個消費者,根據(jù)模型管理中配置的在線模型是否需要接收的實時信息和關(guān)聯(lián)的數(shù)據(jù)集信息,啟動模型;模型接收數(shù)據(jù)服務(wù)輸入的數(shù)據(jù),將運行結(jié)果扔回給數(shù)據(jù)服務(wù),數(shù)據(jù)服務(wù)將分析結(jié)果數(shù)據(jù)存入分析數(shù)據(jù)庫,同時發(fā)送結(jié)果信息至kaF-ka。預(yù)警模塊通過消費結(jié)果消息判斷是否預(yù)警,如果預(yù)警,根據(jù)預(yù)警元數(shù)據(jù)信息存入傳統(tǒng)數(shù)據(jù)庫,并放入緩存,前端實時展示。業(yè)務(wù)端每天通過定時任務(wù)調(diào)用離線模型請求服務(wù)端的數(shù)據(jù)存儲服務(wù)將分析數(shù)據(jù)存入分析數(shù)據(jù)庫,并放入緩存。業(yè)務(wù)端調(diào)用在線模型,請求數(shù)據(jù)服務(wù)獲取數(shù)據(jù)集,完成例如預(yù)警信息、圖形化展示等功能,采用調(diào)用一次熱點數(shù)據(jù)后放入緩存,再次訪問時提高訪問速度。

2 系統(tǒng)分層結(jié)構(gòu)

大數(shù)據(jù)成套裝備專家系統(tǒng)的系統(tǒng)體系結(jié)構(gòu),由數(shù)據(jù)采集層、數(shù)據(jù)存儲層、服務(wù)層,業(yè)務(wù)層以及與用戶端的web展示層組成。

2.1 數(shù)據(jù)采集層

數(shù)據(jù)采集層主要包括兩個部分,分別為實時數(shù)據(jù)庫和歷史數(shù)據(jù)庫。當(dāng)系統(tǒng)實時數(shù)據(jù)庫連接成功后,通過數(shù)據(jù)協(xié)議采集實時數(shù)據(jù),當(dāng)實時數(shù)據(jù)庫連接失敗后,會自動從歷史數(shù)據(jù)庫中獲取數(shù)據(jù),確保數(shù)據(jù)時刻能提供進行分析展示。

2.2 數(shù)據(jù)存儲層

數(shù)據(jù)存儲層主要包括傳統(tǒng)數(shù)據(jù)庫以及大數(shù)據(jù)數(shù)據(jù)存儲,大數(shù)據(jù)數(shù)據(jù)存儲包括實時數(shù)據(jù)存儲和分析數(shù)據(jù)存儲。

2.3 服務(wù)層

服務(wù)層主要抽象成六大服務(wù)板塊,數(shù)據(jù)采集、預(yù)警診斷模塊、指標(biāo)模塊,數(shù)據(jù)服務(wù)接口,模型元數(shù)據(jù)、數(shù)據(jù)集,用于給業(yè)務(wù)層提供數(shù)據(jù)支撐。

數(shù)據(jù)采集模塊適用于實時數(shù)據(jù)采集、數(shù)據(jù)解析、數(shù)據(jù)轉(zhuǎn)發(fā)至kafka。預(yù)警診斷模塊主要處理預(yù)警信息、診斷信息和模型數(shù)據(jù)、原始數(shù)據(jù)的關(guān)系;通過預(yù)警信息可以查詢診斷信息;通過預(yù)警信息追溯相關(guān)的原始數(shù)據(jù)信息等功能。指標(biāo)模塊主要管理重要分析模型指標(biāo)的可配置,根據(jù)現(xiàn)場工況情況建立不同設(shè)備的分析模型,針對不同的設(shè)備使用需求、運行狀況和使用壽命建立分析模型。數(shù)據(jù)服務(wù)模塊主要提供統(tǒng)一的大數(shù)據(jù)查詢、存儲接口,可以提供模型需要的數(shù)據(jù),提供模型輸出數(shù)據(jù)的存儲接口,接收數(shù)據(jù),存儲到分析數(shù)據(jù)庫Hbase,還可以消費kafka數(shù)據(jù)采集信息,將原始數(shù)據(jù)存入實時數(shù)據(jù)庫HIVE中。模型管理模塊主要是把模型從運行分為在線模型和離線模型,在線模型主要負責(zé)請求原始實時數(shù)據(jù)及歷史數(shù)據(jù),離線模型主要負責(zé)請求服務(wù)端實時數(shù)據(jù)存儲庫中將分析數(shù)據(jù)提取出來。模型從功能分為預(yù)警模型、診斷模型,功能涉及到存儲模型入?yún)?、出參以及模型的基本元?shù)據(jù)信息,可以為模型入?yún)⒓俺鰠⑴渲脭?shù)據(jù)集。數(shù)據(jù)集模塊主要維護數(shù)據(jù)集信息,包括數(shù)據(jù)庫配置、表字段信息、條件信息等。

2.4 業(yè)務(wù)層

業(yè)務(wù)層主要包括用戶管理,礦區(qū)、工作面管理,設(shè)備基礎(chǔ)信息管理,以及設(shè)備異常預(yù)警、故障診斷、能耗分析、生命周期預(yù)測等業(yè)務(wù)展示頁面的接口,同時包括模型的運行。

2.5 展示層

系統(tǒng)提供一個統(tǒng)一的綜合門戶,為用戶提供設(shè)備監(jiān)控、專家業(yè)務(wù)系統(tǒng)等業(yè)務(wù)功能的集中展示頁面。

3 系統(tǒng)業(yè)務(wù)實現(xiàn)功能

3.1 基礎(chǔ)信息管理

基礎(chǔ)信息管理提供維護煤礦信息、工作面信息、設(shè)備基礎(chǔ)信息、指標(biāo)信息等基礎(chǔ)信息的維護功能。

3.2 設(shè)備在線監(jiān)測

設(shè)備在線監(jiān)測顯示工作面內(nèi)采煤機、輸送機、支架、帶式輸送機、乳化液泵、噴霧泵等設(shè)備的實時運行狀態(tài)。

A.總覽頁面:系統(tǒng)提供總覽界面按設(shè)備類型分類顯示不同類型設(shè)備的數(shù)量及狀態(tài),狀態(tài)分為正常、預(yù)警、報警、通訊異常、停機和重點關(guān)注。同時總覽頁面還展示故障記錄統(tǒng)計信息,包括設(shè)備名稱、設(shè)備編號、故障類型、故障等級、故障發(fā)生時間等重要信息。

B.某類型設(shè)備頁面:設(shè)備在總覽界面中點擊某種類型設(shè)備,進入相應(yīng)類型設(shè)備的展示頁面,展示具體該種類型的所有設(shè)備的運行狀態(tài)及歷史故障趨勢曲線,故障記錄信息等內(nèi)容。

C.單體設(shè)備頁面:點擊某臺設(shè)備進入設(shè)備明細頁面,可展示該設(shè)備所有的測點信息實時數(shù)據(jù)展示,以及按時間和狀態(tài)查詢?nèi)魏螠y點的原始數(shù)據(jù)、分析曲線,歷史報警信息、故障記錄及分析結(jié)論等內(nèi)容。

3.3 預(yù)警管理

預(yù)警管理根據(jù)專家系統(tǒng)的預(yù)警模型分析出的設(shè)備預(yù)警信息在預(yù)警中心中統(tǒng)一管理,以列表方式展示當(dāng)前的所有預(yù)警信息,點擊某條預(yù)警信息可查看一段時間的原始數(shù)據(jù),可查看分析預(yù)警原因。

3.4 故障診斷

故障診斷根據(jù)專家系統(tǒng)故障診斷模型分析出設(shè)備故障原因,設(shè)備故障內(nèi)容包括電機壽命、輸送機鏈條壽命等。

logistic回歸分析是廣義線性回歸方法中的一種,在數(shù)據(jù)挖掘、疾病自動診斷等領(lǐng)域應(yīng)用較多,經(jīng)典的應(yīng)用場景有探索某疾病的危險因素,并根據(jù)危險因素評估一個人患該疾病的概率等等。在線性回歸分析中,因變量與自變量之間的關(guān)系是線性的。若只對一個自變量和一個因變量分析,我們稱之為一元線性回歸分析,否則若回歸分析中自變量個數(shù)有兩個或兩個以上,則稱之為多元線性回歸分析。設(shè)備健康診斷系統(tǒng)可以參考對人體健康或某種疾病診斷的方式和模型,通過該變因變量的因子類型及系數(shù)值,結(jié)合工業(yè)控制和設(shè)備運行的特點,參考工業(yè)故障分析診斷技術(shù),對設(shè)備的健康情況進行建模分析,進而實現(xiàn)對設(shè)備的健康情況。

3.5 閾值配置管理

閾值配置系統(tǒng)提供維護設(shè)備和指標(biāo)的關(guān)系,維護每種類型設(shè)備的對應(yīng)的關(guān)鍵指標(biāo),以及指標(biāo)對應(yīng)的閾值的配置功能。

同時支持自適應(yīng)預(yù)警。在自適應(yīng)預(yù)警中,對于不同的設(shè)備,從該設(shè)備的歷史特征值數(shù)據(jù)中,經(jīng)過數(shù)據(jù)清洗,得到代表正常運行的特征值數(shù)據(jù)集,將設(shè)備正常運行的特征值數(shù)據(jù)集導(dǎo)入自適應(yīng)閾值計算模型中,得到自適應(yīng)的閾值。自適應(yīng)報警適用于各種特征值報警,包括振動特征值,溫度,壓力等,并且自適應(yīng)閾值不需要事先獲取設(shè)備的各種參數(shù),只需要設(shè)備運行的歷史特征值數(shù)據(jù)集,就可以從中挖掘出設(shè)備正常運行的特征值臨界點。和傳統(tǒng)的人工設(shè)定閾值相比,自適應(yīng)閾值克服了閾值設(shè)置偏高或偏低導(dǎo)致的漏診斷和虛假報警,能夠及時發(fā)現(xiàn)設(shè)備出現(xiàn)的早期故障。

3.6 綜合分析

綜合分析包括統(tǒng)計信息包括,異常設(shè)備數(shù)量總數(shù)、異常設(shè)備數(shù)據(jù)分布情況、風(fēng)險設(shè)備數(shù)量變化趨勢、設(shè)備報警累計時長統(tǒng)計（Top10）、設(shè)備報警持續(xù)時間較長的事件（Top10）等重點關(guān)注的統(tǒng)計信息以圖形化的方式展示。

3.7 系統(tǒng)配置

系統(tǒng)配置功能包括如用戶管理、用戶角色管理、權(quán)限管理、日志管理等功能。

結(jié)語

本系統(tǒng)通過研究全面感知技術(shù),數(shù)據(jù)管理技術(shù),設(shè)備智能診斷技術(shù),大數(shù)據(jù)技術(shù)等,通過構(gòu)建統(tǒng)一數(shù)據(jù)采集模型,規(guī)范各類型設(shè)備數(shù)據(jù)接入方式,構(gòu)建了一個統(tǒng)一的工作面成套裝備運行大數(shù)據(jù)中心,整合專家知識,構(gòu)建智慧的預(yù)測分析模型,通過大數(shù)據(jù)BI分析技術(shù),構(gòu)建專家業(yè)務(wù)分析系統(tǒng),實現(xiàn)對煤礦工作面設(shè)備大數(shù)據(jù)的智慧化管理和價值應(yīng)用。