王景陽，王有杰

（1.中煤電氣有限公司技術(shù)中心，北京 101300；2.中國礦業(yè)大學(xué)物聯(lián)網(wǎng)（感知礦山）研究中心，江蘇 徐州 221008；3.中國礦業(yè)大學(xué)信息與控制工程學(xué)院，江蘇 徐州 221116）

0 引言

通常礦山設(shè)備所處的生產(chǎn)環(huán)境復(fù)雜多樣，且自身分布并不存在明顯的規(guī)律性，某臺設(shè)備出現(xiàn)問題往往會(huì)影響整個(gè)鏈條的生產(chǎn)進(jìn)度，礦山設(shè)備監(jiān)測分析系統(tǒng)的未來發(fā)展趨勢是多臺設(shè)備協(xié)同下的多態(tài)精準(zhǔn)感知與診斷預(yù)警方向。實(shí)時(shí)且準(zhǔn)確地分析當(dāng)前工況下的設(shè)備運(yùn)行狀態(tài)是礦山設(shè)備系統(tǒng)智慧化發(fā)展的重要基礎(chǔ)，設(shè)備早期故障預(yù)測預(yù)警可以降低維護(hù)檢修成本，避免設(shè)備突發(fā)故障引發(fā)的停產(chǎn)檢修和安全事故，精準(zhǔn)分析并合理預(yù)測礦山設(shè)備運(yùn)行工況狀態(tài)的安全性是實(shí)現(xiàn)礦山生產(chǎn)自動(dòng)化、智慧化的重要前提[1]。

目前，絕大部分的礦山設(shè)備監(jiān)測系統(tǒng)僅僅停留在傳統(tǒng)的簡單數(shù)據(jù)顯示甚至人工抄錄的層面，設(shè)備的維修保養(yǎng)主要通過維修工人定期巡視檢查來實(shí)現(xiàn)，礦山設(shè)備運(yùn)行狀態(tài)分析預(yù)測技術(shù)的落后影響了礦山智慧化生產(chǎn)的發(fā)展趨勢，通過對現(xiàn)有技術(shù)和應(yīng)用系統(tǒng)的分析，礦山設(shè)備狀態(tài)精準(zhǔn)感知與預(yù)測分析需要解決設(shè)備運(yùn)行狀態(tài)信息精準(zhǔn)感知與知識表達(dá)、工作狀態(tài)的合理性評估與異常狀態(tài)實(shí)時(shí)診斷以及設(shè)備主要部件早期故障診斷與退化分析等方面的問題。

為此，本文基于大數(shù)據(jù)分析技術(shù)，針對傳統(tǒng)生產(chǎn)場景下異構(gòu)分散的監(jiān)測監(jiān)控、維護(hù)管理服務(wù)、傳感數(shù)據(jù)采集等系統(tǒng)，構(gòu)建全方位多層次的數(shù)據(jù)采集、接收、管理與分析體系，建立基于礦山設(shè)備的多維度實(shí)時(shí)狀態(tài)監(jiān)測與控制的分布式服務(wù)系統(tǒng)，完成服務(wù)于礦山設(shè)備狀態(tài)演變分析的預(yù)測模型，實(shí)現(xiàn)礦山設(shè)備系統(tǒng)的全方面狀態(tài)感知。

1 相關(guān)工作

1.1 多源數(shù)據(jù)統(tǒng)一接入

針對礦山設(shè)備系統(tǒng)目前的系統(tǒng)平臺和各個(gè)監(jiān)測子系統(tǒng)，為實(shí)現(xiàn)整個(gè)礦山海量設(shè)備狀態(tài)的多源異構(gòu)感知和各監(jiān)測數(shù)據(jù)的統(tǒng)一接入，分析各異構(gòu)接入終端的數(shù)據(jù)通信協(xié)議，制定數(shù)據(jù)統(tǒng)一傳輸標(biāo)準(zhǔn)和數(shù)據(jù)交互協(xié)議，建立面向礦山系統(tǒng)交互信息的特征庫，實(shí)現(xiàn)礦山系統(tǒng)的各個(gè)子系統(tǒng)之間數(shù)據(jù)傳輸與分析的完整性、規(guī)范性、統(tǒng)一化管理[2]，支持常用的通信協(xié)議與文件傳輸協(xié)議，提供可靠性高、實(shí)時(shí)效率高、安全性能可控的服務(wù)。

基于礦山系統(tǒng)交互信息特征庫，為了實(shí)現(xiàn)礦山系統(tǒng)的各個(gè)子系統(tǒng)之間多源數(shù)據(jù)采集傳輸?shù)母咝?、安全性，研發(fā)各異構(gòu)協(xié)議的統(tǒng)一接入接口，支持包含各異構(gòu)采集卡、新增或現(xiàn)有PLC、嵌入式控制器、非標(biāo)數(shù)據(jù)采集設(shè)備、移動(dòng)采集設(shè)備等異構(gòu)傳感信息采集終端，兼容多種通信協(xié)議。

（1）硬件相關(guān)的通信協(xié)議支持：總線協(xié)議、TCP/IP協(xié)議以及相關(guān)自定義接口協(xié)議等。

（2）設(shè)備聯(lián)網(wǎng)協(xié)議支持：O P C/O P C UA、Modbus、MQTT、PROFINET、自定義協(xié)議等。

（3）文件傳輸協(xié)議：FTP、SCP SFTP、HTTP協(xié)議等。

（4）通信模型協(xié)議支持：COM/DCOM、XML、SOAP、WSDL等協(xié)議。

圖1 多源異構(gòu)傳感數(shù)據(jù)統(tǒng)一接入

1.2 數(shù)據(jù)分布式存儲(chǔ)

平臺通過綜合自動(dòng)化系統(tǒng)、其他生產(chǎn)控制子系統(tǒng)、設(shè)備PLC、傳感器系統(tǒng)等進(jìn)行多源數(shù)據(jù)接入，這些異構(gòu)的礦山信息是設(shè)備狀態(tài)評估和診斷的重要參考信息，為監(jiān)測信息的可視化、設(shè)備狀態(tài)判識、故障診斷和融合分析提供重要的數(shù)據(jù)支撐[3]。因此，針對這些多源異構(gòu)數(shù)據(jù)需要采用信號處理、關(guān)聯(lián)性分析、文本挖掘等技術(shù)實(shí)現(xiàn)海量多源異構(gòu)數(shù)據(jù)的計(jì)算和處理[4]，建立礦山設(shè)備多源異構(gòu)數(shù)據(jù)的統(tǒng)一描述方法、高通量數(shù)據(jù)訪問和分布式多級異構(gòu)存儲(chǔ)環(huán)境下的數(shù)據(jù)存儲(chǔ)容災(zāi)技術(shù)，形成安全、高效的分布式存儲(chǔ)架構(gòu)。

2 系統(tǒng)總體設(shè)計(jì)

基于大數(shù)據(jù)分析的礦山設(shè)備智能分析與實(shí)時(shí)診斷應(yīng)用系統(tǒng)實(shí)現(xiàn)針對正常運(yùn)行過程中生成的大量多源數(shù)據(jù)進(jìn)行采集、接收、存儲(chǔ)、分析的統(tǒng)一化管理，提供設(shè)備狀態(tài)分析、設(shè)備管理維護(hù)、定期巡檢、告警信息分析等多維度服務(wù)，研發(fā)礦山設(shè)備數(shù)據(jù)分析應(yīng)用平臺，實(shí)現(xiàn)針對礦山設(shè)備系統(tǒng)狀態(tài)多維度分析、實(shí)時(shí)預(yù)警、分析診斷與基礎(chǔ)管理。系統(tǒng)平臺的總體架構(gòu)如圖2所示。

圖2 礦山設(shè)備智能分析與實(shí)時(shí)診斷應(yīng)用系統(tǒng)總體架構(gòu)

（1）感知層。結(jié)合需求參數(shù)與數(shù)據(jù)統(tǒng)計(jì)分析所需參數(shù)，對比設(shè)備可輸出參數(shù)完成外加模塊/外加傳感器的選型、安裝；針對各設(shè)備異構(gòu)通信接口，完成通信模塊、數(shù)據(jù)轉(zhuǎn)換設(shè)備的選型、安裝；基于現(xiàn)有生產(chǎn)網(wǎng)絡(luò)環(huán)境，實(shí)現(xiàn)各設(shè)備組網(wǎng)設(shè)計(jì)、網(wǎng)關(guān)安裝與入網(wǎng)設(shè)計(jì)等，為設(shè)備數(shù)據(jù)的完備、穩(wěn)定采集提供感知基礎(chǔ)。

（2）網(wǎng)絡(luò)層。實(shí)現(xiàn)對不同生產(chǎn)設(shè)備的對接，完成數(shù)據(jù)采集、緩存和邊緣計(jì)算，網(wǎng)絡(luò)層設(shè)備主要由無線通信網(wǎng)絡(luò)、有線通信網(wǎng)絡(luò)、交互設(shè)備和融合通信網(wǎng)關(guān)等組成，根據(jù)不同設(shè)備的邊緣端應(yīng)用需求確定采集方式，實(shí)現(xiàn)采集邊緣端彈性部署。邊緣端可以實(shí)現(xiàn)對不同設(shè)備的數(shù)據(jù)采集，如PLC、傳感器、機(jī)器人系統(tǒng)等。可以采集的數(shù)據(jù)有設(shè)備工藝數(shù)據(jù)、運(yùn)行參數(shù)、生產(chǎn)產(chǎn)量和異常告警信息等。

（3）智能分析層。實(shí)現(xiàn)采集數(shù)據(jù)的匯聚、存儲(chǔ)管理、數(shù)據(jù)集成分析及人工智能算法應(yīng)用，通過對數(shù)據(jù)的處理、分析、深度挖掘提升生產(chǎn)效率和產(chǎn)品質(zhì)量。智能分析層采用集群化的消息服務(wù)器、規(guī)則引擎、消息隊(duì)列進(jìn)行數(shù)據(jù)處理和數(shù)據(jù)傳輸，并根據(jù)實(shí)際使用需要存儲(chǔ)于各種類型數(shù)據(jù)庫中，支持與第三方智能制造系統(tǒng)的數(shù)據(jù)交互，以應(yīng)對生產(chǎn)場景復(fù)雜的環(huán)境和巨大的數(shù)據(jù)量。算法管理模塊提供從算法構(gòu)建、算法同步、在線更新到算法模型邊緣下沉的人工智能算法邊云協(xié)同流程，將復(fù)雜的數(shù)學(xué)模型結(jié)合實(shí)際的場景切實(shí)的落地應(yīng)用，并且提供標(biāo)準(zhǔn)算法滿足簡單場景，同時(shí)開發(fā)了場景化算法滿足多參數(shù)復(fù)雜場景。管理模塊可以遠(yuǎn)程配置邊緣計(jì)算網(wǎng)關(guān)的協(xié)議與采集項(xiàng)，并支持遠(yuǎn)程升級、遠(yuǎn)程網(wǎng)關(guān)校時(shí)、遠(yuǎn)程讀取日志等管理功能，極大的降低配置安裝的時(shí)間成本并節(jié)省現(xiàn)場工程師的運(yùn)維時(shí)間。

（4）應(yīng)用服務(wù)層。提供各種不同的管理分析模塊以及多層次多維度（二維/2.5D/三維組態(tài)等）可視化看板，針對業(yè)務(wù)應(yīng)用需求，應(yīng)用服務(wù)層實(shí)現(xiàn)各業(yè)務(wù)場景應(yīng)用，包括統(tǒng)計(jì)分析、監(jiān)控看板、設(shè)備維保、能耗監(jiān)控、故障診斷、狀態(tài)分析等；提供數(shù)據(jù)可視化展現(xiàn)工具，支持常見的統(tǒng)計(jì)或展示類圖；為系統(tǒng)的決策和響應(yīng)提供相應(yīng)的數(shù)據(jù)支撐和科學(xué)依據(jù)。

3 礦山設(shè)備智能分析與實(shí)時(shí)診斷應(yīng)用系統(tǒng)

3.1 系統(tǒng)狀態(tài)智能分析方法

智能判識及融合分析算法是系統(tǒng)狀態(tài)智能分析的關(guān)鍵，采用信號分析、特征分析和模式識別方法，針對各子系統(tǒng)判識及預(yù)警需求，采集表征各子系統(tǒng)或設(shè)備狀態(tài)的多維傳感信號；基于均值、標(biāo)準(zhǔn)差、峰度、脈沖因子、波峰因子、波形因子、能量熵等多表達(dá)域特征參數(shù)，歸納原始信號的特點(diǎn)；基于多域多特征分析，構(gòu)建系統(tǒng)或設(shè)備狀態(tài)的深層特征表達(dá)；研究基于流行學(xué)習(xí)、相空間重構(gòu)、稀疏表示等手段的多維信息中冗余和干擾信息的濾除方法，降低狀態(tài)特征向量維度，進(jìn)一步實(shí)現(xiàn)系統(tǒng)或設(shè)備狀態(tài)的敏感特征表達(dá)[5]；利用特征級融合理論聯(lián)合分析系統(tǒng)或設(shè)備表征的多個(gè)特征參數(shù)；結(jié)合向量機(jī)、機(jī)器學(xué)習(xí)等大數(shù)據(jù)挖掘分析方法，利用設(shè)備歷史運(yùn)行數(shù)據(jù)和實(shí)時(shí)工況信息，構(gòu)建各系統(tǒng)設(shè)備狀態(tài)判識及態(tài)勢估計(jì)模型，進(jìn)一步實(shí)現(xiàn)系統(tǒng)整體的多維聯(lián)動(dòng)診斷預(yù)警及健康狀態(tài)評估，實(shí)現(xiàn)礦山設(shè)備系統(tǒng)海量異構(gòu)數(shù)據(jù)的多維度分析與關(guān)聯(lián)性挖掘，構(gòu)建礦山設(shè)備運(yùn)行狀態(tài)分析模型與平臺。

3.2 設(shè)備狀態(tài)大數(shù)據(jù)分析與挖掘

為了構(gòu)建設(shè)備狀態(tài)專家知識庫和設(shè)備早期故障分析、診斷模型，需要研究多種設(shè)備故障發(fā)生的機(jī)理和狀態(tài)演化規(guī)律，為礦山設(shè)備海量監(jiān)測數(shù)據(jù)的狀態(tài)演化分析和設(shè)備早期故障診斷提供了有力技術(shù)支撐。

礦山設(shè)備狀態(tài)大數(shù)據(jù)分析的核心是充分利用設(shè)備運(yùn)行實(shí)時(shí)、歷史、巡檢記錄、故障案例等多源、海量數(shù)據(jù)進(jìn)行深度融合分析和人工智能方法分析，提高設(shè)備狀態(tài)演化、故障診斷和預(yù)測的實(shí)時(shí)性和準(zhǔn)確性[6]。根據(jù)應(yīng)用場景構(gòu)建3類分析模型。

（1）通過統(tǒng)計(jì)、聚類、關(guān)聯(lián)分析、回歸分析、時(shí)間序列分析等大數(shù)據(jù)挖掘手段分析各類狀態(tài)數(shù)據(jù)的關(guān)聯(lián)關(guān)系及演化規(guī)律，構(gòu)建歷史知識模型和專家知識庫。

（2）通過大量數(shù)據(jù)的多維統(tǒng)計(jì)、挖掘分析和知識聚合，建立基于數(shù)據(jù)驅(qū)動(dòng)的狀態(tài)評價(jià)、故障診斷和剩余壽命預(yù)測模型。

（3）利用大量樣本數(shù)據(jù)進(jìn)行人工智能算法模型訓(xùn)練，從數(shù)據(jù)內(nèi)在規(guī)律分析的角度挖掘設(shè)備狀態(tài)演化規(guī)律，實(shí)現(xiàn)設(shè)備運(yùn)行安全態(tài)勢評估和運(yùn)行演化規(guī)律分析。

3.3 礦山設(shè)備監(jiān)測數(shù)據(jù)管理與服務(wù)

數(shù)據(jù)庫模塊提供四種不同類型的數(shù)據(jù)庫內(nèi)存數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫、圖數(shù)據(jù)庫和時(shí)序數(shù)據(jù)庫，來存儲(chǔ)不同類型的數(shù)據(jù)，以應(yīng)對大數(shù)據(jù)量、多數(shù)據(jù)類型的復(fù)雜應(yīng)用場景。其中，內(nèi)存數(shù)據(jù)庫是非關(guān)系型數(shù)據(jù)庫，Redis用來存放實(shí)時(shí)數(shù)據(jù)、告警等具有高實(shí)時(shí)性需求的功能模塊；關(guān)系數(shù)據(jù)庫，MySQL用于存儲(chǔ)各種業(yè)務(wù)邏輯；NoSQL數(shù)據(jù)庫，neo4j用于存儲(chǔ)設(shè)備狀態(tài)判定規(guī)則[7]；而海量歷史數(shù)據(jù)將存儲(chǔ)在集群部署的時(shí)序數(shù)據(jù)庫中，influxDB為數(shù)據(jù)統(tǒng)計(jì)分析和人工智能算法等深度數(shù)據(jù)挖掘提供數(shù)據(jù)源。

歷史數(shù)據(jù)是海量的具有時(shí)序特性的數(shù)據(jù)，是離線數(shù)據(jù)統(tǒng)計(jì)分析和人工智能算法等深度數(shù)據(jù)挖掘的基礎(chǔ)數(shù)據(jù)，它們以結(jié)構(gòu)化格式存入時(shí)序數(shù)據(jù)庫Influx DB，數(shù)據(jù)以時(shí)間序列的形式直接寫入數(shù)據(jù)庫服務(wù)器硬盤。平臺大數(shù)據(jù)管理體系結(jié)構(gòu)如圖3所示。

為適應(yīng)礦山大數(shù)據(jù)多源異構(gòu)數(shù)據(jù)的采集、分布式存儲(chǔ)和實(shí)時(shí)/離線分析等服務(wù)的管理需求，建立了包括數(shù)據(jù)接入、實(shí)時(shí)數(shù)據(jù)計(jì)算和預(yù)處理、分布式數(shù)據(jù)存儲(chǔ)、離線數(shù)據(jù)計(jì)算、設(shè)備健康狀態(tài)分析和故障診斷模型、數(shù)據(jù)安全機(jī)制在內(nèi)的針對多場景、多設(shè)備的平臺管理服務(wù)。

4 系統(tǒng)實(shí)現(xiàn)

4.1 環(huán)境部署

系統(tǒng)平臺基于大數(shù)據(jù)分析的系統(tǒng)性研究方法，完成了各核心組件以及分布式計(jì)算組件的部署與安裝，部署完成了分布式文件系統(tǒng)、分布式存儲(chǔ)系統(tǒng)等。

4.2 功能展示

系統(tǒng)平臺提供診斷分析結(jié)果顯示的功能，各控制子系統(tǒng)設(shè)備故障診斷結(jié)果實(shí)時(shí)展示、狀態(tài)判識結(jié)果實(shí)時(shí)展示、設(shè)備健康態(tài)勢分析結(jié)果展示，如圖4所示。

針對礦山各生產(chǎn)控制子系統(tǒng)的設(shè)備關(guān)鍵部件，平臺提供設(shè)備畫像分析功能。對相關(guān)關(guān)鍵部件的結(jié)構(gòu)狀態(tài)進(jìn)行分析診斷，提供可靠的維保建議與評分明細(xì)等參考數(shù)據(jù)，從而保障設(shè)備運(yùn)行的安全和效率。

5 結(jié)束語

本文為實(shí)現(xiàn)針對礦山設(shè)備在安全開采環(huán)境下進(jìn)行數(shù)據(jù)監(jiān)控與智能分析，基于大數(shù)據(jù)分析的礦山設(shè)備智能分析與實(shí)時(shí)診斷應(yīng)用系統(tǒng)，分類采集并存儲(chǔ)分析了多源信息數(shù)據(jù)，針對不同類型的數(shù)據(jù)采取了數(shù)據(jù)挖掘與管理分析處理，從而為礦山設(shè)備相關(guān)服務(wù)功能的決策分析提供了依據(jù)，支持礦山設(shè)備系統(tǒng)狀態(tài)的精準(zhǔn)感知與預(yù)測分析服務(wù)?！?/p>