液压支架工作状态与支护质量的智能诊断方法技术

本发明专利技术公开了一种液压支架工作状态与支护质量的智能诊断方法，属于综采工作面装备技术领域。本发明专利技术包括：步骤一，数据采集监测；步骤二，工作循环识别；步骤三，特征参数提取；步骤四，特征参数分析；步骤五，判断问题；步骤六，反馈结果；步骤七，调节检修等。能对电液压支架工作状态进行实时监测，并能对电液压支架的支护质量进行可靠的评估。护质量进行可靠的评估。护质量进行可靠的评估。

【技术实现步骤摘要】
液压支架工作状态与支护质量的智能诊断方法


[0001]本专利技术涉及一种液压支架智能诊断方法，属于综采工作面装备


技术介绍

[0002]近年来，随着煤矿综采装备制造和开采工艺水平的不断提升，我国综采技术得到了迅速发展。但是，综采面因顶板和支架稳定性问题造成的伤亡事故仍不时发生，局部冒顶、压架等仍然是造成此类综采面伤亡事故的主要原因，并且，由此带来的综采面停机率仍然居高不下，造成了大量的经济损失。此外，提高采掘装备的自动化和智能化水平，逐步实现智能化开采是煤炭综采技术发展的重要趋势。智能化综采工作面的重要特征是综采工作面采用了具有充分全面的感知、自学习和决策、自动执行功能的成套综采装备。综采工作面支架围岩耦合自适应控制、初撑力等支护参数自适应调整、顶板来压超前预报、冒顶/压架事故超前预警及支架群组自组织协调控制等是制约综采工作面智能化开采水平提高的重要难题，而解决这些问题的基础是实现对支架与顶板状态的智能感知。而实现智能感知需要大量的数据来支持，随着煤炭智能化开采的不断进步，越来越多的综采面装备了电液控制液压支架，覆盖综采工作面所有支架的立柱压力传感器采集的海量监测数据为实现支架与顶板状态的智能感知提供了重要契机。
[0003]为了实现准确且可靠地智能感知，需要稳定且有效的采集数据进行支撑，而在液压支架工作时，会有各种工况的发生，这些问题都会导致收集的数据不可靠，不可用，从而会引发一连串的错误。这就要求我们要维护好采集数据的来源，也就是做好对电液压支架工作状态的实时监测与支护质量的评估，这样才可以及时的处理数据监测过程中的各种问题从而确保数据的来源可靠。

技术实现思路

[0004]为了克服上述现有技术的不足之处，本专利技术提供一种液压支架工作状态与支护质量的智能诊断方法，能对电液压支架工作状态进行实时监测，并能对电液压支架的支护质量进行可靠的评估。
[0005]本专利技术是通过如下技术方案实现的：一种液压支架工作状态与支护质量的智能诊断方法，包括以下步骤：
[0006]步骤一，数据采集监测：
[0007]由分布在各个电控液压支架上的传感器对各个液压支架的压力信息、位置信息、活柱下缩量和位态信息进行收集；通过布置在液压支架上及周围的压力传感器和倾角传感器对液压支架检测前、后支柱及前伸梁的压力值以及检测液压支架水平面X轴和Y轴的倾斜角度值，得到原始工作面液压支架状态信息，传输至控制单元；
[0008]步骤二，工作循环识别：
[0009]接受传感器原始数据，经过A/D转换及信号处理、数据清洗、数据时序化步骤后，读取预处理之后的传感器数据，将处理后的数据通过最低阈值法(在支架阻力图中记录下低
于某一压力值的相邻两个点，作为一个工作循环)进行多个工作循环的识别处理，以得到各个液压支架的各项参数信息；
[0010]步骤三，特征参数提取：
[0011]将每个工作循环内的参数信息通过设定的判别算法(判别算法就是下文支架漏液问题、支架左右立柱压力差过大问题、初撑力不足问题、安全阀故障问题和传感器故障问题的判定方法)进行判定分类，将其分类成对应各种诊断问题所需的各项参数并提取出来；对传感器数据进行分段处理，设计输入和输出向量，提取分段的特征参数；
[0012]步骤四，特征参数分析：
[0013]根据不同的诊断问题选取不同项的参数，并对相应参数的变化进行分析；
[0014]步骤五，判断问题：
[0015]根据各项参数呈现的变化规律与各个诊断问题发生时的参数变化规律建立基于人工神经网络(用正常合格的数据作为训练数据，用模型的输出分布来检测异常)的故障判别模型，通过模型判别问题的种类；
[0016]步骤六，反馈结果：
[0017]将确定的问题种类作为诊断结果进行反馈；
[0018]步骤七，调节检修：
[0019]根据反馈结果对电液压支架装置进行检修维护。
[0020]在所述步骤三中，所述的诊断问题包括支架漏液问题、支架左右立柱压力差过大问题、安全阀故障问题、初撑力不足和传感器故障问题。
[0021]支架漏液问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取并保存该支架每个工作循环各承载阶段降阻特征(降阻量r
P
：阻力降低后与阻力未降低前的差值、降阻速率r
v
：降阻量r
P
与降阻力时间r
t
的比值；)，然后监测r
P
、r
v
，当一个工作循环内r
P
多次出现并记录、则可推断支架漏液，若同时r
v
速率大于预设标准值h1时，可推测支架为急速漏液，否则支架轻微漏液。
[0022]支架左右立柱压力差过大问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取支架时间加权工作阻力(定义时间加权工作阻力其中P
n
为支架压力，t
n
为工作循环时间。)，然后分别计算左右立柱时间加权工作阻力差值，连续多个工作循环存在左右立柱时间加权工作阻力压力差大于预设值h2时，可推测支架存在左右立柱压力差过大的问题。
[0023]初撑力不足问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取并保存该支架每个工作循环内初撑力P
s
与支架承载过程中的增阻量ΔP(ΔP为工作循环末阻力P
e
与初撑力P
s
的差值)，然后根据保存的数据统计分析初撑力与增阻量的分布状况，当监测到的实时增阻量ΔP显著大于历史增阻量平均值与此同时这两个值均不位于其所在分布空间的合理范围时，可推测此时该支架初撑力不足。
[0024]安全阀故障问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取包含支架工作阻力P，对工作阻力P存在过大或过小的问题的工作循环分布情况进行安全阀状态分析(定义在当安全阀开启时的支架阻力为安全阀开启压力。
当液压支架工作阻力达到极大值点后，若液压支架工作阻力开始大幅降落，则极大值点工作阻力值即为安全阀开启压力)如果存在连续多个工作循环工作阻力P过大或过小现象的支架，可以认定存在安全阀故障问题，P小于检测的安全阀开启压力为安全阀未正常开启，P大于检测的安全阀开启压力安全阀过早开启。
[0025]传感器故障问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取各个参数，如果连续多个工作循环存在各参数值(各承载阶段增阻速率，时间加权工作阻力P
t
，增阻量ΔP，降阻速率r
v
等值)均不为正常值或显示无值(NaN)的问题的状态，可推断判断传感器故障。
[0026]在步骤六中，确定的问题通过报表进行反馈。
[0027]本专利技术的有益效果是：
[0028]本专利技术能对综采工作面监测到的海量数据进行实时的提取，并能选取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种液压支架工作状态与支护质量的智能诊断方法，其特征在于：包括以下步骤：步骤一，数据采集监测：由分布在各个电控液压支架上的传感器对各个液压支架的压力信息、位置信息、活柱下缩量和位态信息进行收集；通过布置在液压支架上及周围的压力传感器和倾角传感器对液压支架检测前、后支柱及前伸梁的压力值以及检测液压支架水平面X轴和Y轴的倾斜角度值，得到原始工作面液压支架状态信息，传输至控制单元；步骤二，工作循环识别：接受传感器原始数据，经过A/D转换及信号处理、数据清洗、数据时序化步骤后，读取预处理之后的传感器数据，将处理后的数据通过最低阈值法进行多个工作循环的识别处理，以得到各个液压支架的各项参数信息；步骤三，特征参数提取：将每个工作循环内的参数信息通过设定的判别算法进行判定分类，将其分类成对应各种诊断问题所需的各项参数并提取出来；对传感器数据进行分段处理，设计输入和输出向量，提取分段的特征参数；步骤四，特征参数分析：根据不同的诊断问题选取不同项的参数，并对相应参数的变化进行分析；步骤五，判断问题：根据各项参数呈现的变化规律与各个诊断问题发生时的参数变化规律建立基于人工神经网络人工神经网络的故障判别模型，通过模型判别问题的种类；步骤六，反馈结果：将确定的问题种类作为诊断结果进行反馈；步骤七，调节检修：根据反馈结果对电液压支架装置进行检修维护。2.根据权利要求1所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：在所述步骤三中，所述的诊断问题包括支架漏液问题、支架左右立柱压力差过大问题、初撑力不足问题、安全阀故障问题和传感器故障问题。3.根据权利要求2所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：所述支架漏液问题确定过程如下：针对单台支架、首先对电液控制液压支架监测数据进行实时分析，提取并保存该支架每个工作循环各承载阶段降阻特征，其中，降阻量r
P
：阻力降低后与阻力未降低前的差值、降阻速率r
v
：降阻量r
P
与降阻力时间r
t
的比值；然后监测r
P
、r
v
，当一个工作循环内r
P
多次出现并记录、则可推断支架漏液，若同时r
v
速率大于预设标准值h1时，可推测支架为急速漏液，否则支架轻微漏液。4.根据权利要求2所述的液压支架工作状态与支护质量的智能诊断方法，其特征在于：所述支架左右立柱压力差过大问题确...

【专利技术属性】
技术研发人员：程敬义，杨逸飞，闫万梓，邢轲轲，孙鑫，魏泽捷，周旭东，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：