CN109441548B - 智能综采设备 - Google Patents
智能综采设备 Download PDFInfo
- Publication number
- CN109441548B CN109441548B CN201910005212.1A CN201910005212A CN109441548B CN 109441548 B CN109441548 B CN 109441548B CN 201910005212 A CN201910005212 A CN 201910005212A CN 109441548 B CN109441548 B CN 109441548B
- Authority
- CN
- China
- Prior art keywords
- driving motor
- current
- normal operation
- working
- corresponding driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005065 mining Methods 0.000 title claims abstract description 112
- 239000003245 coal Substances 0.000 claims abstract description 121
- 238000012544 monitoring process Methods 0.000 claims abstract description 121
- 239000000835 fiber Substances 0.000 claims abstract description 26
- 239000000839 emulsion Substances 0.000 claims description 94
- 238000000034 method Methods 0.000 claims description 23
- 238000012423 maintenance Methods 0.000 claims description 17
- 230000036541 health Effects 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 239000007788 liquid Substances 0.000 description 43
- 238000007789 sealing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000007667 floating Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000007477 logistic regression Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 5
- 229910052802 copper Inorganic materials 0.000 description 5
- 239000010949 copper Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004171 remote diagnosis Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000000919 ceramic Substances 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000005422 blasting Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011480 coordinate descent method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种智能综采设备。本智能综采设备包括工作面液压支架、采煤机、刮板输送机、转载机、皮带输送机、风机、泵站和井下监控主机，工作面液压支架包括中间支架及中间支架两端的端头支架，中间支架和端头支架上分别设有液压立柱和牵引缸，采煤机、刮板输送机、转载机、皮带输送机、风机、泵站分别配有驱动电机，井下监控主机配有矿用光纤光栅解调仪，采煤机、刮板输送机、转载机、皮带输送机、风机、泵站的驱动电机分别设有矿用光纤光栅温度传感器和矿用光纤光栅振动传感器，本发明综合每个设备温度和振动或出口压力等参数，计算出设备的健康指数，作为监控依据，使得综采设备监控更加合理，更加全面，广泛适用于各大煤矿使用。
Description
技术领域
本发明涉及一种智能综采设备。
背景技术
随着煤矿开采技术现代化的发展和科学技术的进步,综采设备的功能越来越完善,结构越来越复杂,自动化程度越来越高。一方面,综合机械化采煤作为煤矿开采技术现代化的重要标志,不仅提高了煤矿工作面的自动化程度,而且降低了煤矿开采成本,带来较好的经济和社会效益。另一方面,由于影响设备运行的因素剧增,使其产生故障或失效的潜在可能性也越来越大,一个部件的故障常常会引起链锁反应,导致整个设备甚至整个生产过程不能正常运行乃至瘫痪。
为确保生产，我国煤矿监测监控***紧跟世界潮流和研发方向,开发了各种基于新技术的监测监控***,不过这些***主要集中在矿井安全方面的监测,对煤矿用电设备的监测也主要集中在对主通风机的监测,对输送设备监测***的研究尚处于起步阶段,如何实现故障预警保障设备安全高效运行,成为亟待解决的一个问题。
发明内容
本发明要解决的技术问题是如何克服现有技术的上述缺陷，提供一种智能综采设备。
为解决上述技术问题，本智能综采设备，包括工作面液压支架、采煤机、刮板输送机、转载机、皮带输送机、风机、泵站和井下监控主机，工作面液压支架包括中间支架及中间支架两端的端头支架，中间支架和端头支架上分别设有液压立柱和牵引缸，采煤机、刮板输送机、转载机、皮带输送机、风机、泵站分别配有驱动电机，其特征在于：井下监控主机配有矿用光纤光栅解调仪，采煤机、刮板输送机、转载机、皮带输送机、风机、泵站的驱动电机分别设有矿用光纤光栅温度传感器和矿用光纤光栅振动传感器，其中矿用光纤光栅温度传感器安装在相应驱动电机的输出轴处，矿用光纤光栅振动传感器安装在相应驱动电机外壳上，风机和泵站还分别配有矿用光纤光栅压力传感器，分别安装在风机的出口管和乳化液的出口管上，井下监控主机按照下述公式计算刮板输送机、转载机、皮带输送机、风机的驱动电机的健康指数H1
其中式中t为相应驱动电机的温度，Tmin为相应驱动电机正常运行的温度最小值，Tmax为相应驱动电机正常运行的温度最大值，z为相应驱动电机的当前振动值，Zmin为相应驱动电机正常运行的振动最小值，Zmax为相应驱动电机正常运行的振动最大值，相应驱动电机启动时或者t＜Tmin或z＜Zmin时，t、z均选用相应驱动电机上次停止前的温度值和振动值，
若H1＝1，则说明相应驱动电机的当前温度、当前振动均等于相应驱动电机的正常运行最小温度和正常运行的最小振动值，相应驱动电机完全处于理想的工作状态下，井下监控主机显示相应驱动电机工作状态极佳，不发出任何报警；
若0＜H1＜1，则说明相应驱动电机的当前温度处于相应驱动电机的正常运行最小温度和正常运行的最大温度之间，相应驱动电机的当前振动处于相应驱动电机的正常运行最小振动值和正常运行的最大振动值之间，相应驱动电机处于正常工作状态下，井下监控主机显示相应驱动电机工作正常，不发出任何报警，继续监控；
若H1≤0，则说明相应驱动电机的当前温度处于相应驱动电机的正常运行的最大温度，相应驱动电机的当前振动处于相应驱动电机的正常运行的最大振动值，相应驱动电机处于危险工作状态下，井下监控主机显示相应驱动电机工作异常，不发出报警，通知工作人员尽快降低相应驱动电机的工作负荷，尽快安排检修；
井下监控主机按照下述公式计算采煤机的驱动电机的健康指数H2
其中式中i为采煤机的驱动电机的当前工作电流，Imin为采煤机的驱动电机正常运行工作电流的最小值，Imax为采煤机驱动电机正常运行工作电流的最大值，采煤机驱动电机启动时或者i＜Imin时，i均选用上次采煤机驱动电机停止前的工作电流值，
若H2＝1，则说明采煤机驱动电机的当前工作电流等于采煤机驱动电机的正常运行最小工作电流，相应驱动电机完全处于理想的工作状态下，井下监控主机显示采煤机驱动电机完全处于理想工作状态，不发出任何报警；
若0.7＜H2＜1，则说明采煤机驱动电机的当前工作电流处于采煤机驱动电机的正常运行最小工作电流和正常运行的最大工作电流之间，且更接近相应采煤机驱动电机的正常运行最小工作电流，采煤机驱动电机处于良好工作状态下，井下监控主机显示采煤机驱动电机工作优秀，不发出任何报警，继续监控；
若0.5＜H2≤0.7，则说明采煤机驱动电机的当前工作电流处于采煤机驱动电机的正常运行最小工作电流和正常运行的最大工作电流之间，采煤机驱动电机处于正常工作状态下，井下监控主机显示采煤机驱动电机工作正常，不发出任何报警，继续监控；
若0＜H2≤0.5，则说明采煤机驱动电机的当前工作电流处于采煤机驱动电机的正常运行最小工作电流和正常运行的最大工作电流之间，但更接近相应采煤机驱动电机的正常运行最大工作电流，采煤机驱动电机处于不良工作状态下，井下监控主机显示采煤机驱动电机工作异常，发出报警，通知工作人员尽快降低相应驱动电机的工作负荷，尽快安排检修；
若H2≤0，则说明采煤机驱动电机的当前工作电流等于大于采煤机驱动电机的正常运行最大工作电流，采煤机驱动电机处于极度危险工作状态下，井下监控主机显示采煤机驱动电机工作异常，发出报警，通知工作人员尽快停机检修；
井下监控主机按照下述公式计算乳化液泵的健康指数H3
其中式中t为相应驱动电机的温度，Tmin为相应驱动电机正常运行的温度最小值，Tmax为相应驱动电机正常运行的温度最大值，z为相应驱动电机的当前振动值，Zmin为相应驱动电机正常运行的振动最小值，Zmax为相应驱动电机正常运行的振动最大值，y为当前乳化液泵出口压力，Ymin为乳化液泵正常运行出口压力的最小值，Ymax为乳化液泵正常运行出口压力的最大值，乳化液泵启动时或者t＜Tmin或z＜Zmin或y＜Ymin时，t、z、y均选用上次乳化液泵停止前的温度值、振动值和出口压力值，
若H3＝1，则说明相应乳化液泵的当前温度、当前振动均等于乳化液泵的正常运行最小温度和正常运行的最小振动值，乳化液泵的当前出口压力等于乳化液泵正常运行的最大出口压力值，相应驱动电机完全处于理想的工作状态下，井下监控主机显示乳化液泵工作良好，不发出任何报警；
若0＜H3＜1，则说明乳化液泵的当前温度处于相应驱动电机的正常运行最小温度和正常运行的最大温度之间，乳化液泵的当前振动处于乳化液泵的正常运行最小振动值和正常运行的最大振动值之间，乳化液泵的当前出口压力处于乳化液泵正常运行的最小出口压力值和最大出口压力值之间，乳化液泵处于正常工作状态下，井下监控主机显示乳化液泵工作正常，不发出任何报警，继续监控；
若H3≤0，则说明乳化液泵的当前温度大于或等于乳化液泵正常运行的最大温度和/或乳化液泵的当前振动大于或等于乳化液泵的正常运行的最大振动值和/或乳化液泵的当前出口压力小于或等于乳化液泵正常运行的最小出口压力值，乳化液泵处于危险工作状态下，井下监控主机显示乳化液泵工作异常，发出报警，通知工作人员尽快安排检修。
作为优化，每个液压立柱的缸体根部设有一个接口管，该接口管与缸体内腔相通，接口管上设有一个液压传感器，液压传感器包括壳体、可充电蓄电池、压电陶瓷片、无线电发射集成电路和测压开关，上述部件连接成一个可控回路，无线电发射集成电路包括信号放大模块、编码模块和无线电发射模块，各个工作面液压支架移架时，所述测压开关可切断无线电发射集成电路的电源供应，所有液压立柱共同设定一个额定最大工作压强。
所述壳体呈圆筒形，壳体中段设有隔板，该隔板将壳体分为外室和内室，压电陶瓷片安装在内室内，可充电蓄电池和无线电发射集成电路安装在外室内，压电陶瓷片呈圆盘形，其外圆周上包裹有绝缘层，其上下表面分别设有电极片，上述电极片通过引线与无线电发射集成电路的信号放大模块的输入端相连，可充电蓄电池为无线电发射集成电路供电，壳体上设有防爆充电接口，防爆充电接口与可充电蓄电池相接，压电陶瓷片下表面还设有一个波纹密封盘，波纹密封盘外缘设有铜质密封垫，所述内室下端设有螺纹通孔，螺纹通孔上端设有环形圆台，所述接口管设有相应的外螺纹，所述壳体通过其螺纹通孔安装上述接口管上，且波纹密封盘外缘及铜质密封垫被夹持在接口管与环形圆台之间。
所述井下监控主机还配有矿用光纤光栅解调仪和无线电接收集成电路，无线电接收集成电路包括无线电接收模块和解码模块。
液压传感器配有一个专用编码，所有液压立柱在支撑顶板状态下，测压开关同步闭合，各个无线电发射集成电路每隔10秒向井下监控主机发射一次采集到的浮化液液压信号，同时发出相应液压传感器的编码，井下监控主机将收集到的各个液压立柱的液压传感器发送来的液压立柱内部液体压强与额定最大工作压强进行比较，
若各个液压立柱的液压传感器发送来的液压立柱内部液体压强均≤额定最大工作压强，则所有液压立柱均在正常工作状态，井下监控主机显示各个液压立柱工作良好，不发出任何报警，继续监控；
若部分液压立柱的液压传感器发送来的液压立柱内部液体压强＞额定最大工作压强，则由井下监控主机计算各个液压立柱的液压传感器分别发送来的液压立柱内部液体压强的算术平均数，并将上述算术平均数与额定最大工作压强进行比较，
若该算术平均数≤额定最大工作压强，则各个液压立柱处于可调工作状态，人工或通过井下监控主机降低内部液体压强最高的液压支柱的高度，每次降低高度为2-3厘米，必要时升高内部液体压强最低的液压支柱的高度，每次升降高度为1厘米，直至所有液压立柱内部液体压强均≤额定最大工作压强，
若该算术平均数＞额定最大工作压强，则各个液压立柱处于危险工作状态，通过井下监控主机降低内部液体压强最高的液压支柱的高度，每次降低高度为2-3厘米，必要时升高内部液体压强最低的液压支柱的高度，每次升降高度为1厘米，直至所有液压立柱内部液体压强均≤额定最大工作压强，
若所有液压立柱的液压传感器发送来的液压立柱内部液体压强均＞额定最大工作压强，则各个液压立柱处于高危工作状态，井下监控主机发出报警，通知工作面人员撤离，同时，通过井下监控主机降低内部液体压强最高的液压支柱的高度，每次降低高度为2-3厘米，直至所有液压立柱内部液体压强均≤额定最大工作压强，且工作面顶板稳定后，井下监控主机再通知工作人员进入工作面工作。
众所周知，液压支架是支护工作面的重要设备，对保证工作面人员和设备安全具有极其重要的作用。现有的液压支架在工作面上排出一横列，支护工作面顶板，液压支架后方即为顶板不断垮塌的采空区。液压支架交替行走前移，前移过程，液压支架需要降低高度，脱离与顶板接触，此外，液压支架需要与顶板充分接触，液压支架的液压支柱进出口阀处于关闭状态。由于浮化液不可压缩，因此，液压支柱内浮化液液压随顶板下沉而同步变化，通过浮化液液压变化，可以准确的监控顶板下沉情况，但是现有技术浮化液液压传感器，检测的都是乳化泵的出口液压，无法检测承重状态下的液压支柱内浮化液液压变化。本发明填补了现有技术空白，使得工作人员可以通过浮化液液压变化，随时知晓顶板下沉变化。如此设计，有效了保障了工作面的设备和人员的安全。
作为优化，沿工作面走向方向，自切眼开始，每隔10米，井下监控主机采集一次工作面中段液压支架的液压立柱内部液体压强，得一系列液压立柱内部液体压强——N1、N2、N3……，井下监控主机配有显示屏，在显示屏显示二维坐标，以上述液压立柱内部液体压强——N1、N2、N3为纵坐标，以为采集次序1、2、3……为横坐标，在二维坐标上分别显示相应的点，并顺次连接上述点，形成一条曲线，同时在该二维坐标中用一条横线表示额定最大工作压强，
若所述曲线一直在代表额定最大工作压强的横线以下，平稳波动，说明工作面液压支架工作正常，所述曲线一直处于低位，且很少波动，则说明可能出现工作面顶板大面积不垮塌，需要进行顶板预***，
若所述曲线骤然升高，则进一步判断此时工作面是否推到顶板断层处，若此时工作面恰好推进到顶板断层处，且所述曲线未超过所述横线，则继续推进工作面，同时进一步监控；
若此时工作面不在顶板断层处，则将该曲线与相邻已开采工作面推进形成曲线进行比较，若二者趋势相符，且所述曲线未超过所述横线，则继续推进工作面，同时进一步监控，
若此时工作面不在顶板断层处，则将该曲线与相邻已开采工作面推进形成曲线相比较，二者趋势不符，且所述曲线有上扬，并有跃过所述横线的趋势和可能，则立即停止工作面推进，工作人员撤离，由专家分析判断无危险后，再工作人员再进入工作面作业。
如此设计，开挖轨道巷和皮带巷时，有经验的煤矿工作人员可以根据顶板的地质情况，预测出工作面推进过程中顶板下沉方式，进度，利用本发明还可以得到工作面推进过程时承重液压支柱内浮化液液压变化曲线，进而推测出工作面推进顶板下沉变化规模，通过相邻两个采区的曲线对比，可以进一步掌握煤层顶板地质情况，进一步确保采掘安全。
本发明智能综采设备，综合每个设备温度和振动或出口压力等参数，计算出设备的健康指数H1，H2和H3，作为井下监控主机的监控依据，使得综采设备监控更加合理，更加全面，广泛适用于各大煤矿使用。
附图说明
下面结合附图对本发明智能综采设备作进一步说明：
图1是本智能综采设备的液压立柱及其上液压传感器的局部结构示意图；
图2是本智能综采设备的井下监控主机配用显示屏显示的曲线图。
图中：1为液压立柱、2为接口管、3为壳体、4为可充电蓄电池、5为压电陶瓷片、6为无线电发射集成电路、7为测压开关、61为信号放大模块、62为编码模块、63为无线电发射模块、8为隔板、9为绝缘层、10为电极片、11为引线、12为防爆充电接口、13为波纹密封盘、14为铜质密封垫、15为环形圆台、16为滑靴、17为顶板、L为表示液压立柱额定最大工作压强的横线。
图2中实线为当前采区综采工作面液压支柱的乳化液液压形成的曲线；虚线为相邻上次采区综采工作面液压支柱的乳化液液压形成的曲线。
具体实施方式
实施方式一：本智能综采设备包括智能综采设备，包括工作面液压支架、采煤机、刮板输送机、转载机、皮带输送机、风机、泵站和井下监控主机，工作面液压支架包括中间支架及中间支架两端的端头支架，中间支架和端头支架上分别设有液压立柱1和牵引缸，采煤机、刮板输送机、转载机、皮带输送机、风机、泵站分别配有驱动电机，其特征在于：井下监控主机配有矿用光纤光栅解调仪，采煤机、刮板输送机、转载机、皮带输送机、风机、泵站的驱动电机分别设有矿用光纤光栅温度传感器和矿用光纤光栅振动传感器，其中矿用光纤光栅温度传感器安装在相应驱动电机的输出轴处，矿用光纤光栅振动传感器安装在相应驱动电机外壳上，风机和泵站还分别配有矿用光纤光栅压力传感器，分别安装在风机的出口管和乳化液的出口管上，井下监控主机按照下述公式计算刮板输送机、转载机、皮带输送机、风机的驱动电机的健康指数H1
其中式中t为相应驱动电机的温度，Tmin为相应驱动电机正常运行的温度最小值，Tmax为相应驱动电机正常运行的温度最大值，z为相应驱动电机的当前振动值，Zmin为相应驱动电机正常运行的振动最小值，Zmax为相应驱动电机正常运行的振动最大值，相应驱动电机启动时或者t＜Tmin或z＜Zmin时，t、z均选用相应驱动电机上次停止前的温度值和振动值，
若H1＝1，则说明相应驱动电机的当前温度、当前振动均等于相应驱动电机的正常运行最小温度和正常运行的最小振动值，相应驱动电机完全处于理想的工作状态下，井下监控主机显示相应驱动电机工作状态极佳，不发出任何报警；
若0＜H1＜1，则说明相应驱动电机的当前温度处于相应驱动电机的正常运行最小温度和正常运行的最大温度之间，相应驱动电机的当前振动处于相应驱动电机的正常运行最小振动值和正常运行的最大振动值之间，相应驱动电机处于正常工作状态下，井下监控主机显示相应驱动电机工作正常，不发出任何报警，继续监控；
若H1≤0，则说明相应驱动电机的当前温度处于相应驱动电机的正常运行的最大温度，相应驱动电机的当前振动处于相应驱动电机的正常运行的最大振动值，相应驱动电机处于危险工作状态下，井下监控主机显示相应驱动电机工作异常，不发出报警，通知工作人员尽快降低相应驱动电机的工作负荷，尽快安排检修；
井下监控主机按照下述公式计算采煤机的驱动电机的健康指数H2
其中式中i为采煤机的驱动电机的当前工作电流，Imin为采煤机的驱动电机正常运行工作电流的最小值，Imax为采煤机驱动电机正常运行工作电流的最大值，采煤机驱动电机启动时或者i＜Imin时，i均选用上次采煤机驱动电机停止前的工作电流值，
若H2＝1，则说明采煤机驱动电机的当前工作电流等于采煤机驱动电机的正常运行最小工作电流，相应驱动电机完全处于理想的工作状态下，井下监控主机显示采煤机驱动电机完全处于理想工作状态，不发出任何报警；
若0.7＜H2＜1，则说明采煤机驱动电机的当前工作电流处于采煤机驱动电机的正常运行最小工作电流和正常运行的最大工作电流之间，且更接近相应采煤机驱动电机的正常运行最小工作电流，采煤机驱动电机处于良好工作状态下，井下监控主机显示采煤机驱动电机工作优秀，不发出任何报警，继续监控；
若0.5＜H2≤0.7，则说明采煤机驱动电机的当前工作电流处于采煤机驱动电机的正常运行最小工作电流和正常运行的最大工作电流之间，采煤机驱动电机处于正常工作状态下，井下监控主机显示采煤机驱动电机工作正常，不发出任何报警，继续监控；
若0＜H2≤0.5，则说明采煤机驱动电机的当前工作电流处于采煤机驱动电机的正常运行最小工作电流和正常运行的最大工作电流之间，但更接近相应采煤机驱动电机的正常运行最大工作电流，采煤机驱动电机处于不良工作状态下，井下监控主机显示采煤机驱动电机工作异常，发出报警，通知工作人员尽快降低相应驱动电机的工作负荷，尽快安排检修；
若H2≤0，则说明采煤机驱动电机的当前工作电流等于大于采煤机驱动电机的正常运行最大工作电流，采煤机驱动电机处于极度危险工作状态下，井下监控主机显示采煤机驱动电机工作异常，发出报警，通知工作人员尽快停机检修；
井下监控主机按照下述公式计算乳化液泵的健康指数H3
其中式中t为相应驱动电机的温度，Tmin为相应驱动电机正常运行的温度最小值，Tmax为相应驱动电机正常运行的温度最大值，z为相应驱动电机的当前振动值，Zmin为相应驱动电机正常运行的振动最小值，Zmax为相应驱动电机正常运行的振动最大值，y为当前乳化液泵出口压力，Ymin为乳化液泵正常运行出口压力的最小值，Ymax为乳化液泵正常运行出口压力的最大值，乳化液泵启动时或者t＜Tmin或z＜Zmin或y＜Ymin时，t、z、y均选用上次乳化液泵停止前的温度值、振动值和出口压力值，
若H3＝1，则说明相应乳化液泵的当前温度、当前振动均等于乳化液泵的正常运行最小温度和正常运行的最小振动值，乳化液泵的当前出口压力等于乳化液泵正常运行的最大出口压力值，相应驱动电机完全处于理想的工作状态下，井下监控主机显示乳化液泵工作良好，不发出任何报警；
若0＜H3＜1，则说明乳化液泵的当前温度处于相应驱动电机的正常运行最小温度和正常运行的最大温度之间，乳化液泵的当前振动处于乳化液泵的正常运行最小振动值和正常运行的最大振动值之间，乳化液泵的当前出口压力处于乳化液泵正常运行的最小出口压力值和最大出口压力值之间，乳化液泵处于正常工作状态下，井下监控主机显示乳化液泵工作正常，不发出任何报警，继续监控；
若H3≤0，则说明乳化液泵的当前温度大于或等于乳化液泵正常运行的最大温度和/或乳化液泵的当前振动大于或等于乳化液泵的正常运行的最大振动值和/或乳化液泵的当前出口压力小于或等于乳化液泵正常运行的最小出口压力值，乳化液泵处于危险工作状态下，井下监控主机显示乳化液泵工作异常，发出报警，通知工作人员尽快安排检修。
注：本文中的乳化液泵出口压力实际为乳化液泵出口压强，称出口压力是业内习惯。
还可以进一步增设通信分站、视频监控网络、地面监控计算机、大数据与数据挖掘服务器、设备故障远程诊断虚拟医院、综采面设备参数越线预警手机app、打印机等。
传感器将采集的设备参数分别传入皮带机监测与通信分站、转载机监测与通信分站、刮板机监测与通信分站、移动变压器监测与通信分站和乳化液泵监测与通信分站并实时显示，各个分站具有8路RS-485通信口和一个以太网通信口，可以与井下设备进行通信与无缝链接让井下工作人员可以及时了解设备运行状况。各个基站利用井下光纤将信息汇总到井下监控主机，然后监控主机将监测信息通过地面环网传送给井上监控中心。
综采工作面视频监控网络主要由液压支架视频监控、采煤机视频监控、其他固定设备如破碎机、刮板机、转载机、皮带运输机，乳化液泵等设备主要部分监控组成。采煤机与液压支架一直处于运动状态，因此决定了我们对采煤机和液压支架的视频监控需要使用无线摄像仪，在与工作面垂直方向和水平方向上每4个液压支架各安装1台本安型无线摄像仪，安装在支架顶梁上，水平方向的摄像仪用来显示支架，垂直方向的摄像仪照向煤壁，用来显示采煤机。破碎机、装载机、刮板机、皮带运输机和乳化液泵等属于位置固定的设备，在关键位置安装云台摄像仪，实现全部设备的无死角监控。每4个无线摄像仪通过无线网络接入一个配有无线接收器的无线通信基站。将各云台摄像仪和各无线通信基站通过光缆接入交换机后一路通过地面环网将视频上传到井上监控中心，另一路接入井下视频监控中心。
井上监控中心主要包括地面监控计算机、大数据与数据挖掘服务器、设备故障远程诊断虚拟医院、综采面设备参数越线预警手机app、打印机。井下设备参数和视频监控信息通过地面环网传给地面监控主机，地面监控主机进行实时显示并存入数据库，大数据服务器对故障信息分析预警，然后传给虚拟医院服务器、手机APP服务器，并通过打印机打印故障信息。
设备故障远程诊断虚拟医院的虚拟医院网络服务器一方面通过解析信息的HTML形式，调用诊断工具进行诊断并将此次诊断的信息保存到相关数据库另一方面可通过与有关维护专家建立联系，获得他们的维护服务。维护过程包括装置测试，诊断，维护，建立文档等。其中涉及到维护成员、专家、操作人员、制造商和研究人员等。
大数据服务器根据设备温度、振动等故障特征量实时在线监测与数据融合挖掘，提取反映机组运行状态的特征数据,建立自适应弹性网逻辑回归模型，并结合领域专家知识和机组历史故障档案进行综合分析,利用逻辑回归算法良好的变量选择能力和预测能力，对各个设备进行故障预测,从而确定可能会发生故障的部位、原因、类型、性质,并提供维修的参考建议。
在弹性网的基础上，建立设备自适应弹性网逻辑回归模型。该模型不仅继承了具备弹性网的稀疏性特性，而且具备更合理的相关特征的群组选择能力。同时，自适应具有Oracle性质，这从本质上保障了这个模型是一个更优的优化模型。自适应弹性网是在弹性网正则化方法的基础上，对L1正则化项中不同的变量系数配给不同的权重，而并不是像弹性网中的L1正则化一样，对变量的非零系数都给予相同的权重。因此，它可以看作是加权了的L1正则化和L2正则化的一个组合。自适应弹性网可以根据变量系数的大小，分别配给它们不同的权重，系数较大的变量配给较小的权重，而系数较小的变量则配给较大的权重，这样使得重要的变量被保留，而不重要的变量则会被去掉。弹性网是L1正则化和L2正则化的一个组合，其表达式如下：
而自适应弹性网，则是在上式中的L1正则化项的基础上进行加权，得到下面这种正则
计算弹性网估计值：
再按照下面的形式来构造自适应权重向量：
可以得到自适应弹性网逻辑回归模型下的估计值：
对于传统逻辑回归模型：
求L(β)关于(β)的一阶导数和二阶导数，可得：
令βold和βnew分别表示β的当前估计值和新的估计值，则有下面这个式子：
由此可以看出每次Newton–Raphson迭代实际上就是求解一个加权最小二乘问题，其形式如下：
βnew＝argmin(z-XB)TM(z-Xβ)
根据传统逻辑回归的求解过程，我们只需对自适应弹性网逻辑回归模型进行变形，就可以得到自适应弹性网逻辑回归模型的迭代形式：
对其稍作变形，得到如下形式：
坐标下降法的思想是其通过逐个优化解向量的每一维特征(坐标)，实现一次外循环。内循环中，在优化某一坐标时，固β的其余s-1维坐标不动，对该维坐标(不妨设为第j维)求解一系列单变量子问题，即每次求解一个一元函数的极值问题。这一系列一元函数可以表示为：
当k＝0时，对f0(β0)求导，并使其导数等于0，就可以得到f0(β0)的最优解。即
当k≠0时，由于正则化项中包含需要优化的变量,f0(β0)的情况变得比价复杂，此时，需要对f0(β0)进行整理，使其便于计算。
通过计算得到最优解：
其中
手机app客户端通过云端服务器与监控室的监控主机进行联网，将综采面设备的运行参数上传到手机客户端，只要手机与监控主机同时联网就可随时随地查看井下你想看的设备的运行情况。当某些参数超过了设定值时，提供报警推送功能，提示设备运行的故障点。
如图1所示，每个液压立柱1的缸体根部设有一个接口管2，该接口管2与缸体内腔相通，接口管2上设有一个液压传感器。液压传感器包括壳体3、可充电蓄电池4、压电陶瓷片5、无线电发射集成电路6和测压开关7，上述部件连接成一个可控回路，无线电发射集成电路6包括信号放大模块61、编码模块62和无线电发射模块63，各个工作面液压支架移架时，所述测压开关7切断可无线电发射集成电路的电源供应，所有液压立柱共同设定一个额定最大工作压强。
所述壳体3呈圆筒形，壳体3中段设有隔板8，该隔板8将壳体3分为外室和内室，压电陶瓷片5安装在内室内，可充电蓄电池4和无线电发射集成电路6安装在外室内，压电陶瓷片5呈圆盘形，其外圆周上包裹有绝缘层9，其上下表面分别设有电极片10，上述电极片10通过引线11与无线电发射集成电路的信号放大模块61的输入端相连，可充电蓄电池4为无线电发射集成电路供电，壳体3上设有防爆充电接口12，防爆充电接口12与可充电蓄电池4相接，压电陶瓷片5下表面还设有一个波纹密封盘13，波纹密封盘13外缘设有铜质密封垫14，所述内室下端设有螺纹通孔，螺纹通孔上端设有环形圆台15，所述接口管2设有相应的外螺纹，所述壳体3通过其螺纹通孔安装上述接口管2上，且波纹密封盘13外缘及铜质密封垫14被夹持在接口管2与环形圆台15之间。
所述井下监控主机还配有矿用光纤光栅解调仪和无线电接收集成电路，无线电接收集成电路包括无线电接收模块和解码模块，图略。
液压传感器配有一个专用编码，所有液压立柱在支撑顶板状态下，测压开关同步闭合，各个无线电发射集成电路每隔10秒向井下监控主机发射一次采集到的浮化液液压信号，同时发出相应液压传感器的编码，井下监控主机将收集到的各个液压立柱的液压传感器发送来的液压立柱内部液体压强与额定最大工作压强进行比较，
若各个液压立柱的液压传感器发送来的液压立柱内部液体压强均≤额定最大工作压强，则所有液压立柱均在正常工作状态，井下监控主机显示各个液压立柱工作良好，不发出任何报警，继续监控；
若部分液压立柱的液压传感器发送来的液压立柱内部液体压强＞额定最大工作压强，则由井下监控主机计算各个液压立柱的液压传感器分别发送来的液压立柱内部液体压强的算术平均数，并将上述算术平均数与额定最大工作压强进行比较，
若该算术平均数≤额定最大工作压强，则各个液压立柱处于可调工作状态，人工或通过井下监控主机降低内部液体压强最高的液压支柱的高度，每次降低高度为2-3厘米，必要时升高内部液体压强最低的液压支柱的高度，每次升降高度为1厘米，直至所有液压立柱内部液体压强均≤额定最大工作压强，
若该算术平均数＞额定最大工作压强，则各个液压立柱处于危险工作状态，通过井下监控主机降低内部液体压强最高的液压支柱的高度，每次降低高度为2-3厘米，必要时升高内部液体压强最低的液压支柱的高度，每次升降高度为1厘米，直至所有液压立柱内部液体压强均≤额定最大工作压强，
若所有液压立柱的液压传感器发送来的液压立柱内部液体压强均＞额定最大工作压强，则各个液压立柱处于高危工作状态，井下监控主机发出报警，通知工作面人员撤离，同时，通过井下监控主机降低内部液体压强最高的液压支柱的高度，每次降低高度为2-3厘米，直至所有液压立柱内部液体压强均≤额定最大工作压强，且工作面顶板稳定后，井下监控主机再通知工作人员进入工作面工作。
井下监控主机配有显示屏，沿工作面走向方向，自切眼开始，每隔10米，井下监控主机采集一次工作面中段液压支架的液压立柱内部液体压强，得一系列液压立柱内部液体压强——N1、N2、N3……，在显示屏上显示二维坐标，以上述液压立柱内部液体压强——N1、N2、N3为纵坐标，以为采集次序1、2、3……为横坐标，在二维坐标上分别显示相应的点，并顺次连接上述点，形成一条曲线，同时在该二维坐标中用一条横线L表示额定最大工作压强，如图2所示。
若所述曲线一直在代表额定最大工作压强的横线以下，平稳波动，说明工作面液压支架工作正常，所述曲线一直处于低位，且很少波动，则说明可能出现工作面顶板大面积不垮塌，需要进行顶板预***，
若所述曲线骤然升高，则进一步判断此时工作面是否推到顶板断层处，若此时工作面恰好推进到顶板断层处，且所述曲线未超过所述横线，则继续推进工作面，同时进一步监控；
若此时工作面不在顶板断层处，则将该曲线与相邻已开采工作面推进形成曲线进行比较，若二者趋势相符，且所述曲线未超过所述横线，则继续推进工作面，同时进一步监控，
若此时工作面不在顶板断层处，则将该曲线与相邻已开采工作面推进形成曲线相比较，二者趋势不符，且所述曲线有上扬，并有跃过所述横线的趋势和可能，则立即停止工作面推进，工作人员撤离，由专家分析判断无危险后，再工作人员再进入工作面作业。
一、工作面顶板灾害预测方法
1、直接顶软弱岩层位于回采工作面液压支架的正上方，本发明利用矿用本安型无线顶板压力传感器采集支架及液压单体柱的工作阻力数据，采用基于卷积神经网络的深度学习算法，对工作面顶板灾害预测预警。
2、说明
支架压力传感器：传感器安装分布式安装，监测支架及单体柱工作阻力。采样频率50Hz，信号时长60s。
数据处理：包括滤波等常规数据处理和傅里叶变换。
神经网络模型：建立多层卷积神经网络模型，其中C1,C2,C4,C5为卷积层，S3,S6为下采样层，FC1,FC2为全连接层，Softmax为分类层。
预测结果：输出为顶板下沉量超过阈值，报警输出。
3、预警方法实现的具体步骤如下：
1)压力信号采集，上传数据库；
2)数据处理，包括对断点数据进行拟合，对异样数据进行标记。
3)将压力时域信号通过傅里叶变换转化为视频图；
4)图形处理，将时频图的非特征部分(即空白处和坐标等)删除，再将图片压缩。
5)建立网络并初始化网络参数，确定学习率、迭代次数、步长等网络参数。
6)网络训练，将样本输入到网络模型中，通过前向传播求得网络输出与预期目标的误差，经反向传播和权值修改，知道网络收敛。
7)输入测试数据，输出顶板灾害预警值。
二、基于大数据的工作面设备故障诊断与预估***
1、本发明采用大数据分析与数据挖掘技术，对故障类型聚类分析(K-means算法)，建立基于卷积神经网络(CNN)方法的评估模型，对煤矿综采工作面机电设备的运行状态进行智能监测与设备诊断、故障预警。
2、机电设备数据：通过硬件传感器原件对井下数据进行采集，主要包括运行电压、电流、运行过程中的振动、温度数据，上传到数据库中。
聚类分析子模型：对采煤机、运输机、破碎机和转载机等设备故障类型聚类分析模型。将各机电设备运行数据关系比较密切的样本聚成一类，计算各类中心点，同时将关系疏远的样本剔除出去，得到各机电设备的聚类子模型。
卷积神经网络子模型：在聚类分析子模型输出结果的基础上，进行基于卷积神经网络的深度学习，分别建立采煤机、运输机、破碎机和转载机等设备基于卷积神经网络故障诊断子模型，诊断结果输出。
卷积神经网络综合模型：将各聚类分析子模型的数据作为输入，建立合适深度的网络模型进行训练，最终得到用于机电设备性能评估的数据，并将设备故障情况评估结果输出。
3、设备性能评估参考表
| 设备健康指数 | 状态描述 |
| 0-0.2 | 严重状态，严重超过标准限值，需要尽快安排停机检修 |
| 0.2-0.4 | 异常状态，状态量变化较大，接近标准值，适时安排停机检修 |
| 0.4-0.7 | 注意状态，状态量变化量趋势向标准值发展，加强运行临控 |
| 0.7-1.0 | 正常状态，状态量处于规定值，常规检修 |
Claims (1)
1.一种智能综采设备，包括工作面液压支架、采煤机、刮板输送机、转载机、皮带输送机、风机、泵站和井下监控主机，工作面液压支架包括中间支架及中间支架两端的端头支架，中间支架和端头支架上分别设有液压立柱和牵引缸，采煤机、刮板输送机、转载机、皮带输送机、风机、泵站分别配有驱动电机，其特征在于：井下监控主机配有矿用光纤光栅解调仪，采煤机、刮板输送机、转载机、皮带输送机、风机、泵站的驱动电机分别设有矿用光纤光栅温度传感器和矿用光纤光栅振动传感器，其中矿用光纤光栅温度传感器安装在相应驱动电机的输出轴处，矿用光纤光栅振动传感器安装在相应驱动电机外壳上，风机和泵站还分别配有矿用光纤光栅压力传感器，分别安装在风机的出口管和乳化液的出口管上，井下监控主机按照下述公式计算刮板输送机、转载机、皮带输送机、风机的驱动电机的健康指数H1
其中式中t为相应驱动电机的温度，Tmin为相应驱动电机正常运行的温度最小值，Tmax为相应驱动电机正常运行的温度最大值，z为相应驱动电机的当前振动值，Zmin为相应驱动电机正常运行的振动最小值，Zmax为相应驱动电机正常运行的振动最大值，相应驱动电机启动时或者t＜Tmin或z＜Zmin时，t、z均选用相应驱动电机上次停止前的温度值和振动值，
若H1＝1，则说明相应驱动电机的当前温度、当前振动均等于相应驱动电机的正常运行最小温度和正常运行的最小振动值，相应驱动电机完全处于理想的工作状态下，井下监控主机显示相应驱动电机工作状态极佳，不发出任何报警；
若0＜H1＜1，则说明相应驱动电机的当前温度处于相应驱动电机的正常运行最小温度和正常运行的最大温度之间，相应驱动电机的当前振动处于相应驱动电机的正常运行最小振动值和正常运行的最大振动值之间，相应驱动电机处于正常工作状态下，井下监控主机显示相应驱动电机工作正常，不发出任何报警，继续监控；
若H1≤0，则说明相应驱动电机的当前温度处于相应驱动电机的正常运行的最大温度，相应驱动电机的当前振动处于相应驱动电机的正常运行的最大振动值，相应驱动电机处于危险工作状态下，井下监控主机显示相应驱动电机工作异常，不发出报警，通知工作人员尽快降低相应驱动电机的工作负荷，尽快安排检修；
井下监控主机按照下述公式计算采煤机的驱动电机的健康指数H2
其中式中i为采煤机的驱动电机的当前工作电流，Imin为采煤机的驱动电机正常运行工作电流的最小值，Imax为采煤机驱动电机正常运行工作电流的最大值，采煤机驱动电机启动时或者i＜Imin时，i均选用上次采煤机驱动电机停止前的工作电流值，
若H2＝1，则说明采煤机驱动电机的当前工作电流等于采煤机驱动电机的正常运行最小工作电流，相应驱动电机完全处于理想的工作状态下，井下监控主机显示采煤机驱动电机完全处于理想工作状态，不发出任何报警；
若0.7＜H2＜1，则说明采煤机驱动电机的当前工作电流处于采煤机驱动电机的正常运行最小工作电流和正常运行的最大工作电流之间，且更接近相应采煤机驱动电机的正常运行最小工作电流，采煤机驱动电机处于良好工作状态下，井下监控主机显示采煤机驱动电机工作优秀，不发出任何报警，继续监控；
若0.5＜H2≤0.7，则说明采煤机驱动电机的当前工作电流处于采煤机驱动电机的正常运行最小工作电流和正常运行的最大工作电流之间，采煤机驱动电机处于正常工作状态下，井下监控主机显示采煤机驱动电机工作正常，不发出任何报警，继续监控；
若0＜H2≤0.5，则说明采煤机驱动电机的当前工作电流处于采煤机驱动电机的正常运行最小工作电流和正常运行的最大工作电流之间，但更接近相应采煤机驱动电机的正常运行最大工作电流，采煤机驱动电机处于不良工作状态下，井下监控主机显示采煤机驱动电机工作异常，发出报警，通知工作人员尽快降低相应驱动电机的工作负荷，尽快安排检修；
若H2≤0，则说明采煤机驱动电机的当前工作电流等于大于采煤机驱动电机的正常运行最大工作电流，采煤机驱动电机处于极度危险工作状态下，井下监控主机显示采煤机驱动电机工作异常，发出报警，通知工作人员尽快停机检修；
井下监控主机按照下述公式计算乳化液泵的健康指数H3
其中式中t为相应驱动电机的温度，Tmin为相应驱动电机正常运行的温度最小值，Tmax为相应驱动电机正常运行的温度最大值，z为相应驱动电机的当前振动值，Zmin为相应驱动电机正常运行的振动最小值，Zmax为相应驱动电机正常运行的振动最大值，y为当前乳化液泵出口压力，Ymin为乳化液泵正常运行出口压力的最小值，Ymax为乳化液泵正常运行出口压力的最大值，乳化液泵启动时或者t＜Tmin或z＜Zmin或y＜Ymin时，t、z、y均选用上次乳化液泵停止前的温度值、振动值和出口压力值，
若H3＝1，则说明相应乳化液泵的当前温度、当前振动均等于乳化液泵的正常运行最小温度和正常运行的最小振动值，乳化液泵的当前出口压力等于乳化液泵正常运行的最大出口压力值，相应驱动电机完全处于理想的工作状态下，井下监控主机显示乳化液泵工作良好，不发出任何报警；
若0＜H3＜1，则说明乳化液泵的当前温度处于相应驱动电机的正常运行最小温度和正常运行的最大温度之间，乳化液泵的当前振动处于乳化液泵的正常运行最小振动值和正常运行的最大振动值之间，乳化液泵的当前出口压力处于乳化液泵正常运行的最小出口压力值和最大出口压力值之间，乳化液泵处于正常工作状态下，井下监控主机显示乳化液泵工作正常，不发出任何报警，继续监控；
若H3≤0，则说明乳化液泵的当前温度大于或等于乳化液泵正常运行的最大温度和/或乳化液泵的当前振动大于或等于乳化液泵的正常运行的最大振动值和/或乳化液泵的当前出口压力小于或等于乳化液泵正常运行的最小出口压力值，乳化液泵处于危险工作状态下，井下监控主机显示乳化液泵工作异常，发出报警，通知工作人员尽快安排检修。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910005212.1A CN109441548B (zh) | 2019-01-03 | 2019-01-03 | 智能综采设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910005212.1A CN109441548B (zh) | 2019-01-03 | 2019-01-03 | 智能综采设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109441548A CN109441548A (zh) | 2019-03-08 |
| CN109441548B true CN109441548B (zh) | 2024-02-20 |
Family
ID=65542606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910005212.1A Active CN109441548B (zh) | 2019-01-03 | 2019-01-03 | 智能综采设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109441548B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111126192A (zh) * | 2019-12-10 | 2020-05-08 | 枣庄矿业（集团）有限责任公司蒋庄煤矿 | 一种基于深度学习煤矿井下物体状态识别*** |
| CN111255497B (zh) * | 2020-02-20 | 2021-08-31 | 郑州普泽能源科技有限公司 | 一种综采工作面智能岩层控制方法 |
| CN112196864B (zh) * | 2020-10-14 | 2021-05-14 | 宁波不二油压科技有限公司 | 一种温降式防爆预警液压油缸 |
| CN113569459A (zh) * | 2021-06-08 | 2021-10-29 | 中国矿业大学 | 基于群体智能的液压支架性能退化定量评估方法及*** |
| CN113283375A (zh) * | 2021-06-08 | 2021-08-20 | 中国矿业大学 | 一种矿山液压支架***早期故障实时预警方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11326146A (ja) * | 1998-05-12 | 1999-11-26 | Nippon Steel Corp | ベルトコンベアの設備診断方法及び診断装置 |
| CN103422850A (zh) * | 2012-01-30 | 2013-12-04 | 哈尼施费格尔技术公司 | 用于钻孔设备的远程监测的***和方法 |
| CN105182820A (zh) * | 2015-08-25 | 2015-12-23 | 太原理工大学 | 一种煤矿综采工作面大型装备集中控制平台的实现方法 |
| CN209621400U (zh) * | 2019-01-03 | 2019-11-12 | 兖州煤业股份有限公司 | 智能综采设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180284745A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for self-organization of collected data using 3rd party data from a data marketplace in an industrial internet of things environment |
-
2019
- 2019-01-03 CN CN201910005212.1A patent/CN109441548B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11326146A (ja) * | 1998-05-12 | 1999-11-26 | Nippon Steel Corp | ベルトコンベアの設備診断方法及び診断装置 |
| CN103422850A (zh) * | 2012-01-30 | 2013-12-04 | 哈尼施费格尔技术公司 | 用于钻孔设备的远程监测的***和方法 |
| CN105182820A (zh) * | 2015-08-25 | 2015-12-23 | 太原理工大学 | 一种煤矿综采工作面大型装备集中控制平台的实现方法 |
| CN209621400U (zh) * | 2019-01-03 | 2019-11-12 | 兖州煤业股份有限公司 | 智能综采设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109441548A (zh) | 2019-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109441548B (zh) | 智能综采设备 | |
| CN110148285B (zh) | 一种基于大数据技术的油井参数智能预警***及其预警方法 | |
| CN108460144B (zh) | 一种基于机器学习的煤炭设备故障预警***及方法 | |
| RU2595828C1 (ru) | Способ управления работой погружного электронасоса | |
| CN113093693B (zh) | 一种面向采煤机运行状态的在线故障诊断方法 | |
| CA2703857C (en) | Methods and systems to estimate wellbore events | |
| RU2708303C2 (ru) | Система и способ управления разработкой месторождения с использованием электрических погружных насосов в качестве виртуальных датчиков | |
| CN103266915A (zh) | 基于物联网的矿井自动化排水*** | |
| CN108922123B (zh) | 一种矿山边坡滑移稳定性监测预警方法 | |
| CN106761668A (zh) | 油井故障智能化分析决策***及方法 | |
| CN110351356B (zh) | 矿山设备运行数据传输、智能预警、远程会诊分析***及方法 | |
| CN106682815B (zh) | 一种抽油井监控***及监控方法 | |
| CN105003453A (zh) | 一种矿井风机在线监测与故障诊断*** | |
| CN105765475A (zh) | 用于电动潜水泵浦***的综合风险和健康管理的***和方法 | |
| WO2020072720A1 (en) | Oilfield system | |
| CN104405365A (zh) | 抽油机功图法产液量计量技术 | |
| CN116658492B (zh) | 智能动力猫道及其方法 | |
| CN116335925B (zh) | 基于数据增强的煤矿井下乳化泵站智能调控*** | |
| CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
| CN208456598U (zh) | 盾构机主液压监测*** | |
| CN212505894U (zh) | 基于4g物联网的桥梁顶推施工监控*** | |
| CN212407002U (zh) | 一种潜油电泵机组监测和故障预测装置 | |
| CN116384977A (zh) | 一种基于大数据分析和自诊断的煤矿井下运维方法及*** | |
| CN117192042A (zh) | 一种矿井瓦斯智能巡检***及方法 | |
| CN116976531B (zh) | 用于井下电控设备的集成管理方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 273500 No. 949, Fushan South Road, Zoucheng City, Jining City, Shandong Province Applicant after: Yankuang Energy Group Co.,Ltd. Address before: 273599 No. 298, Fushan South Road, Zoucheng, Jining, Shandong Applicant before: YANZHOU COAL MINING Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |