一种基于大数据的掘进机智能管控系统及方法技术方案

本发明专利技术涉及掘进机智能管控技术领域，具体为一种基于大数据的掘进机智能管控系统及方法，包括掘进数据获取模块、环境相似指数分析模块、目标考察煤巷提取模块、预警优先级分析模块和预警响应模块；掘进数据获取模块用于获取样本数据和历史监测数据；环境相似指数分析模块用于分析第一样本数据与煤巷的第一监测数据并计算对应煤巷的环境相似指数；目标考察煤巷提取模块用于提取环境相似指数最大值对应的煤巷为目标考察煤巷；预警优先级分析模块用于分析第二样本数据与第二监测数据的预警优先级；预警响应模块用于基于预警优先级进行预警响应，本发明专利技术可以为煤巷掘进截割头的替换工作给出有效的规划时间，提高了掘进工作的工作效率。作效率。作效率。

【技术实现步骤摘要】
一种基于大数据的掘进机智能管控系统及方法


[0001]本专利技术涉及掘进机智能管控
，具体为一种基于大数据的掘进机智能管控系统及方法。

技术介绍

[0002]随着我国经济的高速发展，煤炭工业不断朝着机械化、自动化的方向发展，智能机械化采煤设备越来越广泛的应用于各种地质条件的煤炭生产中。
[0003]目前，掘进机在采煤作业中得到了广泛的应用。但是煤巷中地形环境复杂，在煤层中藏有岩石等硬物，从而导致在掘进过程中掘进机的截割头一般在使用一段周期后就需要更换替代，但是目前掘进工作人员对掘进机截割头的寿命难以预测，导致在掘进机使用中会产生因掘进机截割头报废而使得掘进工作停滞不前的情况，对掘进工作造成了极大的影响，导致生产效率下降。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据的掘进机智能管控系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的掘进机智能管控方法，包括以下步骤：
[0006]步骤S1：获取监测煤巷在第一监测周期内已经完成掘进的第一样本数据，样本数据包括监测煤巷的掘进路程、掘进机截割头的使用更换数据以及掘进过程中由摄像装置捕捉记录的图像数据和由测距传感装置获取记录的位置角度数据；
[0007]步骤S2：基于步骤S1中的第一样本数据，获取同一矿区内不同煤巷的历史监测数据，历史监测数据的类型与样本数据中的类型相同，提取历史监测数据中与第一样本数据中开始掘进前截割头状态相同时对应的监测数据为第一监测数据，则历史监测数据除去第一监测数据后的数据为第二监测数据；分析第一样本数据与煤巷的第一监测数据并计算出对应煤巷的环境相似指数；
[0008]步骤S3：基于不同煤巷的环境相似指数，提取环境相似指数最大值对应的煤巷为目标考察煤巷；
[0009]步骤S4：获取目标考察煤巷的第二监测数据，以及实时获取监测巷道的第二样本数据，分析第二样本数据与第二监测数据的预警优先级，并进行预警响应。
[0010]进一步的，步骤S2中开始掘进前截割头状态相同，包括以下分析步骤：
[0011]获取历史监测数据中第i个煤巷掘进机截割头的平均掘进完整周期Ti，平均掘进完整周期是指在第i个煤巷中掘进机的不同截割头从初次使用到报废更换的使用周期的平均值；提取掘进完整周期与平均掘进完整周期相同时对应截割头的监测数据构成第i个煤巷的评估数据序列Ai；
[0012]Ai＝{d1
→
(m1,s1),d2
→
(m2,s2),...,dn
→
(mn,sn)}，
[0013]dj＝{d1,d2,d3,...,dn}，(mj,sj)＝{(m1,s1),(m2,s2),...,(mn,sn)}，j≤n；n表示异常表征的总次数；
[0014]其中dj表示第j次异常表征，mj表示第j次异常表征对应监测数据中的煤岩块运输效率，sj表示第j次异常表征对应监测数据中截割头的平均偏角速度；
[0015]异常表征是指在进行掘进工作时存在掘进层完成该层掘进任务的平均掘进速度小于已完成掘进的路径中所有掘进层对应的平均掘进速度且大于零的事件，并输出事件对应的掘进层为异常层；
[0016]煤岩块运输效率是指异常层开始掘进到完成该层掘进时间周期内的煤岩块运输效率；
[0017]截割头的平均偏角速度是指异常层开始掘进到完成该层掘进时间周期内截割头每次执行角度偏移速度的平均值；
[0018]获取开始掘进前截割头的前向使用数据，前向使用数据是指监测煤巷所使用的截割头从初次使用到第一监测周期开始监测前时段内的使用数据，将前向使用数据与评估数据序列对进行相似度比较分析，并输出对应信号。
[0019]进一步的，评估数据序列Ai，还包括以下分析步骤：
[0020]获取第i个煤巷除去评估数据序列中对应的异常层掘进数据外的数据为正常层掘进数据；
[0021]获取正常层掘进数据中由摄像装置捕捉记录且剔除对应摄像装置捕捉到截割头停止工作时的图像数据为正常层图像数据；将正常层图像数据进行灰度化处理，并标定煤岩块的灰度值范围；以及获取执行角度偏移的度数γ和偏移时长t；利用公式：
[0022][0023]计算第u个时间周期内正常层图像数据中煤岩块的运输效率Pu和截割头的偏角速度Yu，时间周期是指同一掘进层面开始掘进到完成该层掘进的时长；其中R1表示灰度化后的图像数据中属于煤岩块灰度值范围对应的面积值，R2表示传送带对应图像中的面积值；v表示一个时间周期内捕捉到R1/R2的个数，x表示一个时间周期内同一掘进层面截割头执行角度偏转的总次数；
[0024]计算正常层图像数据对应的平均运输效率P0，P0＝[∑(Pu)]/w；w表示正常层图像数据中存在的正常层个数，即时间周期的个数；计算正常层图像数据对应的截割头的平均偏角速度Y0，Y0＝[∑(Yu)]/w；分析运输效率是因为在正常掘进过程中传送带上的煤岩块运输比例是比较均匀的，当存在煤岩壁硬度较大的情况时掘进机掘进出的煤岩块可能会出现较多大小不一的规格，而一些小规格的煤岩块便不易被装运机构的三爪星轮给收集到传送到上，从而导致传送带上煤岩块的比例降低；分析偏角速度是因为当煤岩壁的硬度增加，角度偏转的同时因为阻力增大自然会增加转角的时间；而当速度的降低并不是因为这些因素导致的，那么呈现在运输效率和偏角速度则不会存在明显差异；
[0025]当存在|P0
‑
mj|的值小于等于第一差值阈值且|Y0
‑
sj|的值小于等于第二差值阈值时，则剔除满足上述要求的异常表征后构成第一评估数据序列对。剔除满足上述要求的异常表征是为了进一步确定异常层掘进速度的减缓是因为煤岩层硬度等客观因素导致的，确定了截割头损伤程度来源的方向性。
[0026]进一步的，将前向使用数据与评估数据序列对进行相似度比较分析，并输出对应信号包括以下分析步骤：
[0027]提取前向使用数据中异常表征的个数k，对应获取p个煤巷中异常表征数量大于等于k的第一评估数据序列对为待分析评估数据序列对；
[0028]获取前向使用数据中异常表征对应的数据序列(m,s)，将k个异常表征对应的数据序列(m,s)与待分析评估数据序列对依次计算相似度；m表示前向使用数据中的煤岩块运输效率，s表示前向使用数据中的截割头的平均偏角速度；并计算前向使用数据对应k个异常表征的平均相似度；
[0029]提取平均相似度大于等于平均相似度阈值时的煤巷对应截割头的监测数据并输出开始掘进前截割头状态相同信号。
[0030]进一步的，步骤S2中分析第一样本数据与不同煤巷的第一监测数据并计算出对应煤巷的环境相似指数，包括以下分析步骤：
[0031]当第一监测数据唯一时，则输出煤巷的环境相似指数为1；
[0032]当第一监测数据不唯一时，获取第一样本数据与第g个第一监测数据中异常表征对应的数据序列对的平均相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的掘进机智能管控方法，其特征在于，包括以下步骤：步骤S1：获取监测煤巷在第一监测周期内已经完成掘进的第一样本数据，所述样本数据包括监测煤巷的掘进路程、掘进机截割头的使用更换数据以及掘进过程中由摄像装置捕捉记录的图像数据和由测距传感装置获取记录的位置角度数据；步骤S2：基于步骤S1中的第一样本数据，获取同一矿区内不同煤巷的历史监测数据，所述历史监测数据的类型与所述样本数据中的类型相同，提取历史监测数据中与第一样本数据中开始掘进前截割头状态相同时对应的监测数据为第一监测数据，则历史监测数据除去第一监测数据后的数据为第二监测数据；分析第一样本数据与煤巷的第一监测数据并计算出对应煤巷的环境相似指数；步骤S3：基于不同煤巷的环境相似指数，提取环境相似指数最大值对应的煤巷为目标考察煤巷；步骤S4：获取目标考察煤巷的第二监测数据，以及实时获取监测巷道的第二样本数据，分析第二样本数据与第二监测数据的预警优先级，并进行预警响应。2.根据权利要求1所述的一种基于大数据的掘进机智能管控方法，其特征在于：所述步骤S2中开始掘进前截割头状态相同，包括以下分析步骤：获取历史监测数据中第i个煤巷掘进机截割头的平均掘进完整周期Ti，所述平均掘进完整周期是指在第i个煤巷中掘进机的不同截割头从初次使用到报废更换的使用周期的平均值；提取掘进完整周期与平均掘进完整周期相同时对应截割头的监测数据构成第i个煤巷的评估数据序列Ai；Ai＝{d1
→
(m1,s1),d2
→
(m2,s2),...,dn
→
(mn,sn)}，dj＝{d1,d2,d3,...,dn}，(mj,sj)＝{(m1,s1),(m2,s2),...,(mn,sn)}，j≤n；n表示异常表征的总次数；其中dj表示第j次异常表征，mj表示第j次异常表征对应监测数据中的煤岩块运输效率，sj表示第j次异常表征对应监测数据中截割头的平均偏角速度；所述异常表征是指在进行掘进工作时存在掘进层完成该层掘进任务的平均掘进速度小于已完成掘进的路径中所有掘进层对应的平均掘进速度且大于零的事件，并输出事件对应的掘进层为异常层；所述煤岩块运输效率是指异常层开始掘进到完成该层掘进时间周期内的煤岩块运输效率；所述截割头的平均偏角速度是指异常层开始掘进到完成该层掘进时间周期内截割头每次执行角度偏移速度的平均值；获取开始掘进前截割头的前向使用数据，所述前向使用数据是指监测煤巷所使用的截割头从初次使用到第一监测周期开始监测前时段内的使用数据；将前向使用数据与评估数据序列对进行相似度比较分析，并输出对应信号。3.根据权利要求2所述的一种基于大数据的掘进机智能管控方法，其特征在于：所述评估数据序列Ai，还包括以下分析步骤：获取第i个煤巷除去评估数据序列中对应的异常层掘进数据外的数据为正常层掘进数据；获取正常层掘进数据中由摄像装置捕捉记录且剔除对应摄像装置捕捉到截割头停止
工作时的图像数据为正常层图像数据；将正常层图像数据进行灰度化处理，并标定煤岩块的灰度值范围；以及获取执行角度偏移的度数γ和偏移时长t；利用公式：计算第u个时间周期内正常层图像数据中煤岩块的运输效率Pu和截割头的偏角速度Yu，所述时间周期是指同一掘进层面开始掘进到完成该层掘进的时长；其中R1表示灰度化后的图像数据中属于煤岩块灰度值范围对应的面积值，R2表示传送带对应图像中的面积值；v表示一个时间周期内捕捉到R1/R2的个数，x表示一个时间周期内同一掘进层面截割头执行角度偏转的总次数；计算正常层图像数据对应的平均运输效率P0，P0＝[∑(Pu)]/w；w表示正常层图像数据中存在的正常层个数，即时间周期的个数；计算正常层图像数据对应的截割头的平均偏角速度Y0，Y0＝[∑(Yu)]/w；当存在|P0
‑
mj|的值小于等于第一差值阈值且|Y0
‑
sj|的值小于等于第二差值阈值时，则剔除满足上述要求的异常表征后构成第一评估数据序列对。4.根据权利要求3所述的一种基于大数据的掘进机智能管控方法，其特征在于：所述将前向使用数据与评估数据序列对进行相似度比较分析，并输出对应信号包括以下分析步骤：提取前向使用数据中异常表征的个数k，对应获取p个煤巷中异常表征数量大于等于k的第一评估数据序列对为待分析评估数据序列对；获取前向使用数据中异常表征对应的数据序列(m,s)，将k个异常表征对应的数据序列(m,s)与待分析评估数据序列对依次计算相似度；m表示前向使用数据中的煤岩块运输效率，s表示前向使用数据中的截割头的平均偏角速度；并计算前向使用数据对应k个异常表征的平均相似度；提取平均相似度大于等于平均相似度阈值时的煤巷对应截割头的监测数据并输出开始掘进前截割头状...

【专利技术属性】
技术研发人员：韩玉明，赵洪亮，郭超，郝家兴，刘剑，赵垒，李舰，孙磊，张敏，
申请(专利权)人：无锡华瀚能源装备科技有限公司，
类型：发明
国别省市：