羅　波，張金鎖，邢書(shū)寶(1.西安科技大學(xué)能源學(xué)院，陜西西安71005; 2.西安科技大學(xué)能源與經(jīng)濟(jì)管理研究中心，陜西西安71005; .延安大學(xué)經(jīng)濟(jì)管理學(xué)院，陜西延安716000; .西安科技大學(xué)管理學(xué)院，陜西西安71005)

?

大數(shù)據(jù)煤礦膠帶輸送機(jī)速度狀態(tài)評(píng)估模型設(shè)計(jì)*

羅波1，2，張金鎖3，邢書(shū)寶4
(1.西安科技大學(xué)能源學(xué)院，陜西西安710054; 2.西安科技大學(xué)能源與經(jīng)濟(jì)管理研究中心，陜西西安710054; 3.延安大學(xué)經(jīng)濟(jì)管理學(xué)院，陜西延安716000; 4.西安科技大學(xué)管理學(xué)院，陜西西安710054)

摘要:當(dāng)前煤炭行業(yè)由于宏觀經(jīng)濟(jì)增長(zhǎng)速度的下滑出現(xiàn)困難，傳統(tǒng)的生產(chǎn)、管理模式對(duì)提升企業(yè)的經(jīng)營(yíng)效率難有作為，煤炭企業(yè)亟需轉(zhuǎn)型升級(jí)，利用互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等現(xiàn)代信息手段重構(gòu)生產(chǎn)、管理模式勢(shì)在必行。同時(shí)，中國(guó)“互聯(lián)網(wǎng)+智慧能源”行動(dòng)在能源企業(yè)運(yùn)用大數(shù)據(jù)技術(shù)對(duì)設(shè)備狀態(tài)等數(shù)據(jù)進(jìn)行分析挖掘與預(yù)測(cè)，推進(jìn)能源生產(chǎn)智能化，對(duì)進(jìn)一步提高煤礦安全穩(wěn)定運(yùn)行水平具有重要意義。通過(guò)運(yùn)用大數(shù)據(jù)、信息融合和灰色關(guān)聯(lián)法，設(shè)計(jì)了一種甄別皮帶故障的實(shí)用方法。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)提高皮帶使用效率，降低因皮帶損壞導(dǎo)致停工而產(chǎn)生的經(jīng)濟(jì)損失具有十分重要的應(yīng)用價(jià)值。

關(guān)鍵詞:大數(shù)據(jù);信息融合;灰色關(guān)聯(lián)分析;皮帶輸送機(jī)

0　引言

當(dāng)前煤炭行業(yè)由于宏觀經(jīng)濟(jì)增長(zhǎng)速度的下滑出現(xiàn)困難，傳統(tǒng)的生產(chǎn)、管理模式對(duì)提升企業(yè)的經(jīng)營(yíng)效率難有作為，煤炭企業(yè)亟需轉(zhuǎn)型升級(jí)，利用互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等現(xiàn)代信息手段重構(gòu)生產(chǎn)、管理模式勢(shì)在必行。國(guó)務(wù)院發(fā)布的《關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)》提出了“互聯(lián)網(wǎng)+智慧能源”的路線(xiàn)圖，其首要措施是推進(jìn)能源生產(chǎn)智能化。鼓勵(lì)能源企業(yè)運(yùn)用大數(shù)據(jù)技術(shù)對(duì)設(shè)備狀態(tài)、電能負(fù)載等數(shù)據(jù)進(jìn)行分析挖掘與預(yù)測(cè)，開(kāi)展精準(zhǔn)調(diào)度、故障判斷和預(yù)測(cè)性維護(hù)，提高能源利用效率和安全穩(wěn)定運(yùn)行水平［1］。

膠帶輸送機(jī)是煤礦普遍使用的、高效率的運(yùn)輸設(shè)備，其穩(wěn)定運(yùn)行對(duì)保證煤礦產(chǎn)能和安全生產(chǎn)至關(guān)重要。但由于煤礦井下環(huán)境特殊，膠帶自動(dòng)化設(shè)備本身結(jié)構(gòu)復(fù)雜、故障診斷困難，導(dǎo)致機(jī)電事故時(shí)有發(fā)生，給煤礦的安全生產(chǎn)造成巨大損失。大數(shù)據(jù)技術(shù)、故障診斷技術(shù)、信息融合技術(shù)和煤礦安全監(jiān)測(cè)監(jiān)控系統(tǒng)的快速發(fā)展，膠帶輸送機(jī)傳感器信息、人工檢測(cè)信息和膠帶輸送機(jī)相關(guān)安全規(guī)程及標(biāo)準(zhǔn)的綜合利用，為煤礦膠帶輸送機(jī)大數(shù)據(jù)智能診斷決策發(fā)展提供了便利條件。

早在1984年Harrison就開(kāi)始研究膠帶輸送機(jī)傳感器監(jiān)測(cè)裝置［2］，隨后Trevor Lowe開(kāi)展無(wú)損檢測(cè)［3］，Aport M等對(duì)膠帶接頭損傷進(jìn)行研究［4］。國(guó)內(nèi)膠帶故障診斷研究近幾年才慢慢開(kāi)始發(fā)展，主要分為3類(lèi):①對(duì)膠帶故障的分析，如黃民等對(duì)鋼繩芯膠帶輸送機(jī)接頭斷裂、縱向撕帶、火災(zāi)、張力超限的分析［5］;李士戎、鄧軍等研究了膠帶打滑引起的摩擦起火危險(xiǎn)點(diǎn)分布規(guī)律［6］;胡偉、李歐將模糊信息融合引入膠帶故障診斷［7］;吳定會(huì)等研究了DS證據(jù)理論的信息融合方法在膠帶輸送機(jī)故障診斷的應(yīng)用［8］;②膠帶系統(tǒng)的開(kāi)發(fā):雷志鵬，宋建成設(shè)計(jì)基于PLC的綜采工作面輸送設(shè)備工況實(shí)時(shí)監(jiān)測(cè)及故障診斷系統(tǒng)［9］;宋偉研究了無(wú)人值守膠帶輸送機(jī)的狀態(tài)在線(xiàn)監(jiān)測(cè)系統(tǒng)［10］;劉江輝研究膠帶機(jī)運(yùn)行中速度參數(shù)特征與膠帶機(jī)運(yùn)行狀態(tài)的對(duì)應(yīng)關(guān)系，提出了運(yùn)行狀態(tài)故障識(shí)別方法［11］;張旭輝、馬宏偉等提出一種帶式輸送機(jī)多級(jí)安全防護(hù)策略［12］;③膠帶系統(tǒng)安全評(píng)價(jià):王廣豐，譚繼文對(duì)帶式輸送機(jī)運(yùn)行狀態(tài)分析及監(jiān)測(cè)［13］;劉樹(shù)新，張飛等基于故障樹(shù)對(duì)膠帶進(jìn)行安全評(píng)價(jià)［14］。

由上述研究可知，膠帶相關(guān)研究集中在故障診斷分析、膠帶保護(hù)和監(jiān)測(cè)系統(tǒng)的開(kāi)發(fā)和膠帶系統(tǒng)的安全評(píng)價(jià)，對(duì)煤礦系統(tǒng)大數(shù)據(jù)的利用還處在起步階段。膠帶機(jī)運(yùn)行速度不僅能實(shí)時(shí)反應(yīng)膠帶運(yùn)行狀態(tài)，也可以為膠帶其他故障的判斷，如斷帶、打滑等提供有效支撐［15］。為得到可靠的膠帶輸送機(jī)運(yùn)行速度的狀態(tài)信息，文中利用南梁煤礦現(xiàn)有的大數(shù)據(jù)平臺(tái)為支撐，融合了傳感器實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、歷史數(shù)據(jù)和膠帶人工檢測(cè)信息，建立了基于信息融合－灰色關(guān)聯(lián)分析的煤礦膠帶輸送機(jī)速度狀態(tài)評(píng)估模型，實(shí)現(xiàn)膠帶運(yùn)行速度的狀態(tài)評(píng)估與故障診斷，同時(shí)為膠帶其他重大故障提供數(shù)據(jù)支撐，從而實(shí)現(xiàn)煤礦膠帶輸送機(jī)運(yùn)輸?shù)闹悄芑?/p>

1　信息融合狀態(tài)評(píng)估模型

灰色系統(tǒng)理論包含了對(duì)各子系統(tǒng)進(jìn)行灰色關(guān)聯(lián)度分析的概念，試圖去尋求系統(tǒng)中各因素之間的數(shù)值關(guān)系，對(duì)于一個(gè)系統(tǒng)發(fā)展變化態(tài)勢(shì)提供了量化的度量，在自然科學(xué)和社會(huì)科學(xué)領(lǐng)域得到較好應(yīng)用。

由于煤礦井下工作環(huán)境十分惡劣，并且膠帶系統(tǒng)相對(duì)復(fù)雜，膠帶集控系統(tǒng)傳感器對(duì)數(shù)據(jù)的采集存儲(chǔ)，間隔時(shí)間較大，同時(shí)要去除傳感器裝置的老化、隨機(jī)擾動(dòng)、現(xiàn)場(chǎng)環(huán)境的影響，提高實(shí)測(cè)結(jié)果的置信度和可靠性。文中從傳感器數(shù)據(jù)互補(bǔ)的角度出發(fā)，結(jié)合信息融合中的加權(quán)平均法和灰色關(guān)聯(lián)分析算法，以速度傳感器為例，探索大數(shù)據(jù)平臺(tái)下實(shí)測(cè)數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)的數(shù)據(jù)級(jí)信息融合評(píng)估方法。

圖1　信息融合－灰色關(guān)聯(lián)的速度狀態(tài)評(píng)估模型Fig．1　Speed state evaluation model of information fusion and grey correlation

如圖1所示，利用煤礦大數(shù)據(jù)平臺(tái)提供的歷史數(shù)據(jù)和人工檢測(cè)數(shù)據(jù)多次統(tǒng)計(jì)加權(quán)平均的基礎(chǔ)上，識(shí)別速度的一般特征規(guī)律，與傳感器實(shí)測(cè)數(shù)據(jù)組合構(gòu)成加權(quán)評(píng)估向量，建立速度狀態(tài)評(píng)估標(biāo)準(zhǔn)，對(duì)速度狀態(tài)評(píng)估向量與速度狀態(tài)評(píng)估標(biāo)準(zhǔn)做灰色關(guān)聯(lián)分析，從而實(shí)現(xiàn)速度狀態(tài)識(shí)別、評(píng)估。

2　灰色關(guān)聯(lián)分析算法

灰色關(guān)聯(lián)是是一種研究不確定性關(guān)聯(lián)的方法，根據(jù)數(shù)據(jù)序列的微觀或宏觀幾何接近，分析事物之間的不確定性關(guān)聯(lián)，或確定事物內(nèi)部因子間的影響程度或因子對(duì)主行為的貢獻(xiàn)程度。其實(shí)質(zhì)是分析因素之間發(fā)展態(tài)勢(shì)的相似或相異程度，是一種曲線(xiàn)間幾何形狀的比較分析，由幾何形狀的接近程度決定相互間的關(guān)聯(lián)程度，越接近關(guān)聯(lián)度越大，遠(yuǎn)離則?。?6］。

2．1確定反映系統(tǒng)行為特征的參考數(shù)列和影響系統(tǒng)行為的比較數(shù)列

反映系統(tǒng)行為特征的數(shù)據(jù)序列，稱(chēng)為參考數(shù)列。參考序列x0j，如下所示

影響系統(tǒng)行為的因素組成的數(shù)據(jù)序列，稱(chēng)比較數(shù)列，又稱(chēng)為“系統(tǒng)相關(guān)因素序列”，簡(jiǎn)記為xxi，表達(dá)式如下

2．2計(jì)算灰色關(guān)聯(lián)度

根據(jù)鄧聚龍教授的灰色關(guān)聯(lián)度計(jì)算理論，設(shè)參考序列和比較序列如下

n為因素個(gè)數(shù)，則在k點(diǎn)x0和xi的關(guān)聯(lián)系數(shù)如下

在式(4)中，|x0(k)－xi(k) |為第k點(diǎn)x0和xi的距離，|x(k)－xi(k) |為兩級(jí)最大差，|x(k)－xi(k) |為兩級(jí)最小差。ρ是分辨系數(shù)，是用來(lái)調(diào)節(jié)兩級(jí)最大差| x(k)－xi(k) |對(duì)結(jié)果的影響程度。其選取準(zhǔn)則如下

設(shè)Δ為| x0(k )－xi(k ) |均值，ε=，且滿(mǎn)足以下條件:ε≤Δ≤2ε，并且ε＜1/3時(shí)ε≤Δ≤1．5ε，ε≥1/3時(shí)，ε≤Δ≤1．5ε．則可知ρ取值需滿(mǎn)足

(Δ/max|x0(k)－xi(k) |)＞3Δ時(shí)，ε≤ρ≤0．5;

(Δ/max|x0(k)－xi(k) |)≤3Δ時(shí)，0．5≤ρ≤2ε．

灰色關(guān)聯(lián)度由對(duì)應(yīng)點(diǎn)及其權(quán)值系數(shù)加權(quán)求和，方程如下

λ(k)是權(quán)值因子，其和為1．

2．3關(guān)聯(lián)度排序

不僅是關(guān)聯(lián)度的大小，關(guān)聯(lián)度的大小次序更能描述因素間的關(guān)聯(lián)程度。將n個(gè)比較數(shù)列和一個(gè)參考序列的關(guān)聯(lián)度按大小順序排列起來(lái)，便組成了關(guān)聯(lián)序，它反映了對(duì)于參考序列來(lái)說(shuō)各比較序列的重要程度。

灰色關(guān)聯(lián)度分析法是根據(jù)序列的幾何曲線(xiàn)的相互關(guān)系，比較二者之間的貼近度，并予以量化，從而計(jì)算出影響因素和研究對(duì)象的關(guān)聯(lián)度。通過(guò)比較各關(guān)聯(lián)度的大小來(lái)判斷待識(shí)別對(duì)象對(duì)研究對(duì)象的影響程度。相對(duì)于傳統(tǒng)的數(shù)理統(tǒng)計(jì)方法，需要的樣本數(shù)據(jù)更少，計(jì)算量也相對(duì)較少。

3　多源信息融合評(píng)估與超限診斷

3．1評(píng)估標(biāo)準(zhǔn)

設(shè)平均值x1，傳感器返回?cái)?shù)據(jù)為x2，共同作為評(píng)估參數(shù)，組成評(píng)估向量x = { x(1)，x(2) }．在速度0～6 m/s范圍內(nèi)，以0. 30 m/s為單位長(zhǎng)度進(jìn)行劃分，將速度狀態(tài)分為20個(gè)速度狀態(tài)，設(shè)x0，x1，x2，x3，…x19為速度狀態(tài)的標(biāo)準(zhǔn)模式向量，建立狀態(tài)標(biāo)準(zhǔn)評(píng)估矩陣［17］

3．2灰色關(guān)聯(lián)模型

對(duì)評(píng)估向量x = { x(1)，x(2) }和評(píng)估標(biāo)準(zhǔn)矩陣X進(jìn)行灰色關(guān)聯(lián)分析，通過(guò)關(guān)聯(lián)度排序確定速度狀態(tài)級(jí)別。

設(shè)速度評(píng)估序列i級(jí)狀態(tài)的標(biāo)準(zhǔn)參考序列為

設(shè)γ(x(k)，xi(k) )為點(diǎn)x(k)和xi(k)的關(guān)聯(lián)系數(shù)，γ(x，xi)是速度和第i級(jí)速度標(biāo)準(zhǔn)的參考序列的關(guān)聯(lián)度，建立關(guān)聯(lián)度模型如下

其中ρ為分辨系數(shù);λ(k)為標(biāo)準(zhǔn)向量因子權(quán)重系數(shù)，其和為1，根據(jù)其重要程度分配權(quán)重。

得到速度評(píng)估序列和標(biāo)準(zhǔn)狀態(tài)的關(guān)聯(lián)度γ(x，xi)，再由關(guān)聯(lián)度排序進(jìn)行速度狀態(tài)評(píng)估。

實(shí)際應(yīng)用中，廠(chǎng)方給出的速度傳感器的額定速度為3. 30 m/s，報(bào)警閾值為額定速度的70%和120%，即2. 31和3. 96 m/s為速度的報(bào)警上、下閾值，其對(duì)應(yīng)的速度狀態(tài)分別為狀態(tài)8和狀態(tài)14．停機(jī)上下限為額定速度的30%和140%．

4　應(yīng)用案例

根據(jù)上述信息融合－灰色關(guān)聯(lián)度模型，通過(guò)采集膠帶安全保護(hù)系統(tǒng)數(shù)據(jù)庫(kù)，進(jìn)行實(shí)例分析。

膠帶速度數(shù)據(jù)采集自南梁主煤流監(jiān)控系統(tǒng)20304順槽膠帶輸送機(jī)。再對(duì)歷史大數(shù)據(jù)記錄挖掘的基礎(chǔ)上，將膠帶正常運(yùn)行的數(shù)據(jù)剔除，選取膠帶降速停機(jī)的部分?jǐn)?shù)據(jù)用以分析，結(jié)合某次的實(shí)測(cè)值得到時(shí)間數(shù)據(jù)見(jiàn)表1．

利用公式2對(duì)T0，T1，T2，T3時(shí)刻的速度進(jìn)行分析，取權(quán)重系數(shù)λ=0. 5，評(píng)估結(jié)果如圖2所示。

表1　各時(shí)刻實(shí)測(cè)值和加權(quán)均值Tab．1 Actual value and weighted mean value of each time

T0時(shí)刻速度狀態(tài)為11，其速度范圍為3. 00～3. 30 m/s，T1時(shí)刻為狀態(tài)9，其速度范圍為2. 4～2. 70 m/s，T2為狀態(tài)6，其速度范圍為1. 50～1. 80 m/s，T3為狀態(tài)1，其速度范圍為0～0. 30 m/s，與實(shí)際情況相符。根據(jù)廠(chǎng)方給定的速度欠速報(bào)警狀態(tài)為狀態(tài)8和狀態(tài)14，欠速停車(chē)狀態(tài)為狀態(tài)4和狀態(tài)15，可見(jiàn)T0較為安全，T1低于額定速度，T2進(jìn)入欠速報(bào)警狀態(tài)，T3已進(jìn)入欠速停車(chē)狀態(tài)。

鑒于膠帶系統(tǒng)復(fù)雜度較大，傳感器長(zhǎng)期使用失準(zhǔn)，及考慮其他環(huán)境因素的影響和仿真的數(shù)據(jù)波動(dòng)，因此加入±0. 05 m/s的誤差項(xiàng)與正常情況進(jìn)行比較。

圖2　各時(shí)刻速度灰色關(guān)聯(lián)度曲線(xiàn)Fig．2　Grey correlational degree curve of velocity at different time

表2　速度狀態(tài)評(píng)估結(jié)果Tab．2 Speed status evaluation results

由表2可知，加入±5 MPa的擾動(dòng)時(shí)，8次擾動(dòng)評(píng)估結(jié)果中，采用單特征方法，有3次評(píng)估結(jié)果發(fā)生了變化，而采用融合評(píng)估時(shí)，評(píng)估結(jié)果改變的次數(shù)為1次。由此可見(jiàn)，采用大數(shù)據(jù)平臺(tái)的多參數(shù)融合的評(píng)估方法在一定程度上能夠提高狀態(tài)識(shí)別結(jié)果的可靠性和準(zhǔn)確性。

5　結(jié)論

利用現(xiàn)有的煤礦大數(shù)據(jù)平臺(tái)，建立煤礦膠帶輸送機(jī)信息融合－灰色關(guān)聯(lián)分析的速度狀態(tài)評(píng)估模型，將信息融合技術(shù)和灰色系統(tǒng)理論應(yīng)用到膠帶速度狀態(tài)評(píng)估中，并以南梁礦業(yè)膠帶輸送機(jī)為例進(jìn)行實(shí)例應(yīng)用。

1)相較于單特征評(píng)估，采用大數(shù)據(jù)平臺(tái)支撐的信息融合－灰色關(guān)聯(lián)速度狀態(tài)評(píng)估模型結(jié)果更準(zhǔn)確，可靠性更高;

2)該模型同時(shí)驗(yàn)證了數(shù)據(jù)融合方法的優(yōu)勢(shì)，有助于進(jìn)一步開(kāi)展精準(zhǔn)調(diào)度、故障判斷和預(yù)測(cè)性維護(hù)，提高煤礦運(yùn)輸設(shè)備的安全穩(wěn)定運(yùn)行水平;

3)目前各個(gè)煤礦企業(yè)對(duì)煤礦大數(shù)據(jù)的利用依然處在初步階段，國(guó)家大數(shù)據(jù)戰(zhàn)略以及“互聯(lián)網(wǎng)+智慧能源”在能源生產(chǎn)智能化方面的發(fā)展空間廣闊，對(duì)大數(shù)據(jù)進(jìn)行利用的技術(shù)有待于進(jìn)一步研究。

參考文獻(xiàn)References

［1］國(guó)務(wù)院．國(guó)務(wù)院關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)［S］．北京:人民出版社，2015．

［2］Harrison A．A new technique form ensuring loss of adhesion in conveyor belt splices［J］．Australian J．Coal Mining Technology and Research，1984(4) : 27－34.

［3］Trevor Lowe．The application of the nondestructive test of conveyor belt-apractical experience at welback colliery［J］．British Coal Midlands Group，Mining Technology，1994(1) : 77－81.

［4］Aport M，Govinder P，Plum S，et al．Identification of conveyor belt splices and damages using neural networks ［J］．Bulk Solids Handling，2001(6) : 612－616.

［5］黃民，魏任之．礦用鋼繩芯帶式輸送機(jī)實(shí)時(shí)工況監(jiān)測(cè)與故障診斷技術(shù)［J］．煤炭學(xué)報(bào)，2005(2) : 245－250. HUANG Min，WEI Ren-zhi．Real time monitoring techniques and fault diagnosis of mining steel cord belt conveyors［J］．Journal of China Coal Society，2005(2) : 245 －250.

［6］李士戎，鄧軍，陳曉坤，等．煤礦井下輸送帶摩擦起火危險(xiǎn)點(diǎn)分布規(guī)律［J］．西安科技大學(xué)學(xué)報(bào)，2011，31 (6) : 679－683. LI Shi-rong，DENG Jun，CHEN Xiao-kun，et al．Distribution law of potential fire point caused by friction of conveyor belt in underground coal mines［J］．Journal of Xi’an University of Science and Technology，2011，31 (6) : 679－683.

［7］胡偉，李歐．模糊信息融合在帶式輸送機(jī)故障診斷中的應(yīng)用［J］．工礦自動(dòng)化，2013(6) : 48－51. HU Wei，LI Ou．Application of fuzzy information fusion in fault diagnosis of belt conveyor［J］．Mining Automation，2013(6) : 48－51.

［8］吳定會(huì)，王莉，紀(jì)志成．信息融合在帶式輸送機(jī)故障診斷中的應(yīng)用［J］．控制工程，2014(4) : 483－486. WU Ding-hui，WANG Li，JI Zhi-cheng．Application of information fusion in fault diagnosis of belt conveyor［J］．Control Engineering，2014(4) : 483－486.

［9］雷志鵬，宋建成．綜采工作面輸送設(shè)備工況實(shí)時(shí)監(jiān)測(cè)及故障診斷系統(tǒng)的設(shè)計(jì)［J］．工礦自動(dòng)化，2010(7) : 1 －5. LEI Zhi-peng，SONG Jian-cheng．The design of real-time monitoring and fault diagnosis system for conveying equipment operating condition of fully mechanized face in the full mechanized mining face［J］．Industry and Mine Automation，2010(7) : 1－5.

［10］宋偉．井下皮帶輸送機(jī)運(yùn)行狀態(tài)在線(xiàn)監(jiān)測(cè)系統(tǒng)［D］．青島:青島科技大學(xué)，2014. SONG Wei．The running state of the underground belt conveyor running state online monitoring system［D］．Qingdao: Qingdao University of Science＆Technology，2014.

［11］劉江輝．基于PLC的皮帶機(jī)運(yùn)行狀態(tài)監(jiān)測(cè)與綜合保護(hù)系統(tǒng)開(kāi)發(fā)［D］．北京:北京工業(yè)大學(xué)，2014. LIU Jiang-hui．Based on the PLC of the belt machine running state monitoring and integrated protection system development［D］．Beijing: Beijing University of Technology，2014.

［12］張旭輝，馬宏偉，毛清華．煤礦帶式輸送機(jī)多級(jí)防護(hù)系統(tǒng)研究與測(cè)試［J］．中國(guó)科技論文，2015(3) : 359－363. ZHANG Xu-hui，MA Hong-wei，MAO Qing-hua．Research and test of the multi level protection system of belt conveyor in coal mine［J］．Chinese Science and Technology Paper，2015(3) : 359－363.

［13］王廣豐，譚繼文．帶式輸送機(jī)運(yùn)行狀態(tài)分析及監(jiān)測(cè)［M］．北京:高等教育出版社，2005．WANG Guang-feng，TAN Ji-wen．Analysis and monitoring of running status of belt conveyor［M］．Beijing: Higher Education Press，2005.

［14］劉樹(shù)新，張飛．基于故障樹(shù)分析的輸送帶輸送系統(tǒng)安全性評(píng)價(jià)［J］．煤礦機(jī)械，2006(6) : 980－982. LIU Shu-xin，ZHANG Fei．The safety assessment of coal mine machinery［J］．Coal Mine Machinery，2006(6) : 980－982.

［15］姜杰．煤礦機(jī)器設(shè)備的可靠性研究［J］．西安科技大學(xué)學(xué)報(bào)，2014，34(1) : 75－80. JIANG Jie．Reliability research of the coal mine machinery and equipment［J］．Journal of Xi’an University of Science and Technology，2014，34(1) : 75－80.

［16］譚學(xué)瑞，鄧聚龍．灰色關(guān)聯(lián)分析:多因素統(tǒng)計(jì)分析新方法［J］．統(tǒng)計(jì)研究，1995(3) : 46－48. TAN Xue-rui，DENG Ju-long．Grey correlation analysis: a new method of multivariate statistical analysis［J］．Statistical Research，1995(3) : 46－48.

Design of speed state evaluation model of coal mine belt conveyor based on big data

LUO Bo1，2，ZHANG Jin-suo3，XING Shu-bao4
(1. College of Energy Science and Engineering，Xi’an University of Science and Technology，Xi’an 710054，China; 2．Research Center for Energy Economic and Management，Xi’an University of Science and Technology，Xi’an 710054，China; 3. College of Economics and Management，Yan’an University，Yan’an 716000，China; 4. College of Management，Xi’an University of Science and Technology，Xi’an 710054，China)

Abstract:The current coal industry faces difficulties due to the decline of macroeconomic growth rate．It’s difficult to improve the operational efficiency of coal enterprises by traditional production and management mode，so there is urgent need for coal enterprises to transform and upgrade themselves，and use the Internet，big data，cloud computing and other modern information means to reconstruct production and management mode．At the same time，In response to the national“Internet + smart energy”action to improve the coal mine safety and stable operation level and promote energy production more intelligent．Using big data technology we analyze and predict the status of the equipment and other data．In this paper，we design a practical method to identify belt faults by using large data，information fusion and gray correlation method，which is important to improve the efficiency of the belt and reduce the economic losses caused by the failure of belt．

Key words:big data; information fusion; gray correlation analysis; belt conveyor

通訊作者:張金鎖(1962－)，男，陜西鳳翔人，教授，博導(dǎo)，E-mail: mark56zhang@163．com

基金項(xiàng)目:國(guó)家自然科學(xué)基金(71273206，71273207)

*收稿日期:2015－11－05責(zé)任編輯:李克永

DOI:10．13800/j．cnki．xakjdxxb．2016．0205

文章編號(hào):1672－9315(2016) 02－0176－05

中圖分類(lèi)號(hào):TD 528; X 936

文獻(xiàn)標(biāo)志碼:A