【技术实现步骤摘要】
本申请涉及一种基于数据挖掘的矿山设备故障预测方法，属于矿山设备故障预测领域。
技术介绍
1、随着智能化矿山的建设和推广，使矿山企业各个生产环节的装备自动化程度大幅提高，但这些智能化的装备一方面加大了设备现场维护的复杂度和技术难度，对矿山企业设备管理水平和现场管理人员的技术水平和知识结构也提出了更高的要求；另一方面由于矿山设备工作运行的环境条件差，矿用采掘设备、运输设备、支护设备、分选设备、固定设备等大型设备带病工作运行情况经常出现，如果发生失效或维护不当，将造成严重的经济损失，处理不当就会威胁的工作人员的生命安全。因此，保障矿山设备的安全性和可靠性，提高设备的可用性是降低矿山设备的维护成本，提升矿山企业生产效益的重要途径。
2、矿山设备与矿山产量紧密相关，其维修管理水平属于矿山现代化发展的关键环节。因此，为了确保矿山设备的安全可靠运行，并实行无人化作业、智能开采和智能化生产，需要对矿山设备的健康状态进行评估，并根据设备的使用情况，提前预测潜在的故障风险，精准的进行检修维护，维持设备稳定运转，以实现对矿山生产系统设备的健康保障和智能维护。与国外的矿山企业设备管理相比，目前我国大部分矿山生产设备的维护仍然依赖于传统的定期维修和事后维修的设备管理方式，但是随着老龄化日益严重，矿山企业面临着各种人才短缺的困境，导致对于矿区设备的维护工作变得艰难，而随着智慧矿山的建设，进入了对设备运行数据进行集成式管理的模式，但是如何提前识别设备的潜在故障，使得维护可以在设备完全失效前进行，是降低设备发生故障概率的重要手段，因此，有必要研究一
技术实现思路
1、有鉴于此，本申请提供一种基于数据挖掘的矿山设备故障预测方法，用以实现提前识别设备的潜在故障，使得维护可以在设备完全失效前进行，从而降低故障概率的发生，具体方案为：
2、一种基于数据挖掘的矿山设备故障预测方法，包括以下步骤：
3、(1)通过采集装置获取矿区各设备运行的状态数据，建立数据库；
4、(2)将数据库划分为训练集和测试集；
5、(3)构建时间序列分析的自向量回归模型；
6、(4)通过训练集训练自向量回归模型，构建一个经过训练的设备运行的故障预测模型；
7、(5)将测试集输入至故障预测模型中，通过均方误差和准确率评价预测模型的预测准确性；
8、(6)通过故障预测模型对矿区内各设备的故障进行预测。
9、优选的，所述自向量回归模型的构建过程为：
10、首先，在matlab软件中建立并训练基于时间序列分析的var模型；
11、其次，先使用对样本数据中经过预处理的原始时间序列x(t)进行时空序列分析，拟合成新的时间序列x’(t)，然后构建var模型，将多个设备运行参数y(m)和多个时间序列x’(t)组合在一起；
12、最终形成一个多元的时间序列自向量回归模型。
13、优选的，所述设备运行状态数据包括：设备运行参数、网络通讯数据、日志数据、故障记录、厂家信息和设备规格、环境条件。
14、优选的，所述测试集为当前设备的运行状态数据。
15、优选的，所述训练集为矿区内各设备在不同时间段内的历史故障数据。
16、优选的，对所述训练集中的数据进行时间序列分析，消除训练集中数据的趋势和季节性，以提高获取的时间序列数据的准确率。
17、优选的，根据矿区内各设备状态的预测结果以及实际的生产任务计划制定相应的预防维修方案。
18、优选的，所述数据库中的原始数据进行除缺失值、平稳化预处理。
19、本申请能产生的有益效果包括：
20、与现有技术相比，本专利技术通过构建对矿区各设备运行状态进行预测的故障预测模型，实现对矿山的各生产设备的各项运行数据的实时预测，即通过数据挖掘技术，矿山可以对多源异质工业大数据进行存储管理和实时性能分析以便在故障发生之前采取预防性维护措施，降低设备故障带来的损失；通过均方误差和准确率评价预测模型的预测准确性，从而提高预测结果的准确性；
21、本申请通过将故障预测模型对各生产设备运行状态的预测结果结合各生产设备的实时监测数据以及实际的生产任务，计划制定出相应的预防维修方案，降低矿区设备故障率的同时为矿山生产提供安全、高效的设备管理和维护提供有力的保障。
本文档来自技高网...【技术保护点】
1.一种基于数据挖掘的矿山设备故障预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，所述自向量回归模型的构建过程为：
3.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，所述设备运行状态数据包括：设备运行参数、网络通讯数据、日志数据、故障记录、厂家信息和设备规格、环境条件。
4.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，所述测试集为当前设备的运行状态数据。
5.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，所述训练集为矿区内各设备在不同时间段内的历史故障数据。
6.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，对所述训练集中的数据进行时间序列分析，消除训练集中数据的趋势和季节性，以提高获取的时间序列数据的准确率。
7.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，根据矿区内各设备状态的预测结果以及实际的生产任务计划制
8.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，所述数据库中的原始数据进行除缺失值、平稳化预处理。
...【技术特征摘要】
1.一种基于数据挖掘的矿山设备故障预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，所述自向量回归模型的构建过程为：
3.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，所述设备运行状态数据包括：设备运行参数、网络通讯数据、日志数据、故障记录、厂家信息和设备规格、环境条件。
4.根据权利要求1所述的一种基于数据挖掘的矿山设备故障预测方法，其特征在于，所述测试集为当前设备的运行状态数据。
5.根据权利要求1所述的一种基于数据挖掘的矿山设备故...
【专利技术属性】
技术研发人员：毛晶，王丹，杨雨柔，郝阳，刘东台，
申请(专利权)人：西安优迈智慧矿山研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。