彭 俊

中國中煤能源集團有限公司 北京 100120

引言

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

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

1 系統(tǒng)總體框架

大數據成套裝備專家系統(tǒng)的系統(tǒng)體系結構,由數據采集層、數據存儲層、服務層,業(yè)務層以及與用戶端的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)通過服務端數據采集模塊通過數據連接代碼讀取OPC實時數據,當失去實時數據連接的時候,從歷史數據庫獲取數據,解析數據發(fā)送到kafka消息隊列。接著服務端啟動2個原始數據消費者,其中一個消費者將原始數據直接存入實時數據存儲庫;另一個消費者,根據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聯的數據集信息,啟動模型;模型接收數據服務輸入的數據,將運行結果扔回給數據服務,數據服務將分析結果數據存入分析數據庫,同時發(fā)送結果信息至kaF-ka。預警模塊通過消費結果消息判斷是否預警,如果預警,根據預警元數據信息存入傳統(tǒng)數據庫,并放入緩存,前端實時展示。業(yè)務端每天通過定時任務調用離線模型請求服務端的數據存儲服務將分析數據存入分析數據庫,并放入緩存。業(yè)務端調用在線模型,請求數據服務獲取數據集,完成例如預警信息、圖形化展示等功能,采用調用一次熱點數據后放入緩存,再次訪問時提高訪問速度。

2 系統(tǒng)分層結構

大數據成套裝備專家系統(tǒng)的系統(tǒng)體系結構,由數據采集層、數據存儲層、服務層,業(yè)務層以及與用戶端的web展示層組成。

2.1 數據采集層

數據采集層主要包括兩個部分,分別為實時數據庫和歷史數據庫。當系統(tǒng)實時數據庫連接成功后,通過數據協(xié)議采集實時數據,當實時數據庫連接失敗后,會自動從歷史數據庫中獲取數據,確保數據時刻能提供進行分析展示。

2.2 數據存儲層

數據存儲層主要包括傳統(tǒng)數據庫以及大數據數據存儲,大數據數據存儲包括實時數據存儲和分析數據存儲。

2.3 服務層

服務層主要抽象成六大服務板塊,數據采集、預警診斷模塊、指標模塊,數據服務接口,模型元數據、數據集,用于給業(yè)務層提供數據支撐。

數據采集模塊適用于實時數據采集、數據解析、數據轉發(fā)至kafka。預警診斷模塊主要處理預警信息、診斷信息和模型數據、原始數據的關系;通過預警信息可以查詢診斷信息;通過預警信息追溯相關的原始數據信息等功能。指標模塊主要管理重要分析模型指標的可配置,根據現場工況情況建立不同設備的分析模型,針對不同的設備使用需求、運行狀況和使用壽命建立分析模型。數據服務模塊主要提供統(tǒng)一的大數據查詢、存儲接口,可以提供模型需要的數據,提供模型輸出數據的存儲接口,接收數據,存儲到分析數據庫Hbase,還可以消費kafka數據采集信息,將原始數據存入實時數據庫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,在線模型主要負責請求原始實時數據及歷史數據,離線模型主要負責請求服務端實時數據存儲庫中將分析數據提取出來。模型從功能分為預警模型、診斷模型,功能涉及到存儲模型入參、出參以及模型的基本元數據信息,可以為模型入參及出參配置數據集。數據集模塊主要維護數據集信息,包括數據庫配置、表字段信息、條件信息等。

2.4 業(yè)務層

業(yè)務層主要包括用戶管理,礦區(qū)、工作面管理,設備基礎信息管理,以及設備異常預警、故障診斷、能耗分析、生命周期預測等業(yè)務展示頁面的接口,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,為用戶提供設備監(jiān)控、專家業(yè)務系統(tǒng)等業(yè)務功能的集中展示頁面。

3 系統(tǒng)業(yè)務實現功能

3.1 基礎信息管理

基礎信息管理提供維護煤礦信息、工作面信息、設備基礎信息、指標信息等基礎信息的維護功能。

3.2 設備在線監(jiān)測

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

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

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

C.單體設備頁面:點擊某臺設備進入設備明細頁面,可展示該設備所有的測點信息實時數據展示,以及按時間和狀態(tài)查詢任何測點的原始數據、分析曲線,歷史報警信息、故障記錄及分析結論等內容。

3.3 預警管理

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

3.4 故障診斷

故障診斷根據專家系統(tǒng)故障診斷模型分析出設備故障原因,設備故障內容包括電機壽命、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,在數據挖掘、疾病自動診斷等領域應用較多,經典的應用場景有探索某疾病的危險因素,并根據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有兩個或兩個以上,則稱之為多元線性回歸分析。設備健康診斷系統(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值,結合工業(yè)控制和設備運行的特點,參考工業(yè)故障分析診斷技術,對設備的健康情況進行建模分析,進而實現對設備的健康情況。

3.5 閾值配置管理

閾值配置系統(tǒng)提供維護設備和指標的關系,維護每種類型設備的對應的關鍵指標,以及指標對應的閾值的配置功能。

同時支持自適應預警。在自適應預警中,對于不同的設備,從該設備的歷史特征值數據中,經過數據清洗,得到代表正常運行的特征值數據集,將設備正常運行的特征值數據集導入自適應閾值計算模型中,得到自適應的閾值。自適應報警適用于各種特征值報警,包括振動特征值,溫度,壓力等,并且自適應閾值不需要事先獲取設備的各種參數,只需要設備運行的歷史特征值數據集,就可以從中挖掘出設備正常運行的特征值臨界點。和傳統(tǒng)的人工設定閾值相比,自適應閾值克服了閾值設置偏高或偏低導致的漏診斷和虛假報警,能夠及時發(fā)現設備出現的早期故障。

3.6 綜合分析

綜合分析包括統(tǒng)計信息包括,異常設備數量總數、異常設備數據分布情況、風險設備數量變化趨勢、設備報警累計時長統(tǒng)計（Top10）、設備報警持續(xù)時間較長的事件（Top10）等重點關注的統(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、權限管理、日志管理等功能。

結語

本系統(tǒng)通過研究全面感知技術,數據管理技術,設備智能診斷技術,大數據技術等,通過構建統(tǒng)一數據采集模型,規(guī)范各類型設備數據接入方式,構建了一個統(tǒng)一的工作面成套裝備運行大數據中心,整合專家知識,構建智慧的預測分析模型,通過大數據BI分析技術,構建專家業(yè)務分析系統(tǒng),實現對煤礦工作面設備大數據的智慧化管理和價值應用。