CN115235676B - 一种矿井液压支架压力异常自动报警方法 - Google Patents

Abstract

本发明涉及数据识别处理技术领域，具体涉及一种矿井液压支架压力异常自动报警方法。该方法包括：采集矿井液压支架上每个支撑点的压力值获取液压支架的质量评价指标；获取每个液压支架在一段时间内的质量评价指标序列，根据质量评价指标序列获取跟踪指标得到初步判断为正常状态的液压支架；获取多个时间段内每个正常状态下的液压支架的水平倾斜角度，对所有的水平倾斜角度拟合得到高斯模型进而得到每个液压支架的概率分布，根据概率分布与质量评价指标得到压力异常评价；获取液压支架在历史时间段内的压力异常评价构成异常序列，根据异常序列输入神经网络进行预测得到异常报警的时刻；保证了检测结果更加准确及时。

Description

一种矿井液压支架压力异常自动报警方法

技术领域

本发明涉及数据识别处理技术领域，具体涉及一种矿井液压支架压力异常自动报警方法。

背景技术

在矿井作业中液压支架被广泛应用于对上部地层压力的支撑，采面矿压以外载的形式作用在液压支架上；随着使用时间的推移，矿井液压支架在使用时通常会出现压力异常的问题，因此在使用液压支架时，对于支架的维护十分重要。

目前对液压支架的维护往往是液压支架在工作时出现问题进行预警，然后再由工作人员进行检修维护，该方法对异常的发现不够及时，设置可能会由于液压支架存在异常未及时发现导致矿井作业发生危险。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种矿井液压支架压力异常自动报警方法，该方法包括以下步骤：

采集多个时间段内矿井液压支架上每个支撑点的压力值；根据当前时间段与其相邻前一个时间段内支撑点的压力值之间的差异得到所述液压支架的质量评价指标；

获取每个所述液压支架在一段时间内的质量评价指标序列，对所述质量评价指标序列进行相空间重构获取跟踪指标，所述跟踪指标小于预设指标时，所述液压支架初步判定为正常状态；

获取多个时间段内每个正常状态下的所述液压支架的水平倾斜角度，对每个时间段内所有所述液压支架的水平倾斜角度进行拟合得到高斯模型，基于所述高斯模型得到所述液压支架的概率分布，根据所述概率分布与所述质量评价指标得到压力异常评价；

获取所述液压支架在历史时间段内的压力异常评价构成异常序列，将所述异常序列输入训练完成的神经网络得到预测异常序列，基于所述预测异常序列得到异常报警时刻；

其中，所述根据当前时间段与其相邻前一个时间段内支撑点的压力值之间的差异得到所述液压支架的质量评价指标的方法，包括：

获取所述支撑点在当前时间段内压力值对应的压力序列以及相邻前一个时间段内压力值对应的压力序列；

所述压力序列是对所述支撑点在当前时间段内所有的压力值组成的完整压力序列进行高通滤波后得到的；若当前时间段的压力序列与相邻前一个时间段的压力序列长度不一致，则对元素较少的压力序列在高通滤波器筛除的点的位置进行元素补充，元素值为该点相邻两侧元素值的均值，元素较少的压力序列进行元素补充之后与元素较多的压力序列长度一致；

计算当前时间段内所述压力序列与相邻前一个时间段内所述压力序列之间的相关系数；将当前时间段内所述压力序列与相邻前一个时间段内所述压力序列进行拼接得到拼接序列，计算所述拼接序列的标准差，基于所述相关系数与所述标准差得到所述支撑点对应的工作状态；

所述工作状态的计算方法为：

其中，

表示支撑点的工作状态；

表示第

天支撑点对应的压力序列，即当前时间段支撑点对应的压力序列；

表示第

天支撑点对应的压力序列，即相邻前一个时间段支撑点对应的压力序列；

表示皮尔逊相关系数计算；

表示标准差计算；

表示自然常数；

表示压力序列的拼接，即拼接序列；

表示相关系数；

所述液压支架中所有支撑点对应的工作状态最小值为所述液压支架的质量评价指标；

所述对所述质量评价指标序列进行相空间重构获取跟踪指标的方法，包括：

对所述质量评价指标序列进行相空间重构，基于相空间重构能够预测出不同相空间的下一时刻相点值；

计算预测出的相点值与该相点在质量评价指标序列中的真实值之间的差值记为相位差；所述相点为所述质量评价指标序列中的元素；根据质量评价指标序列中所有相点对应的相位差计算标准差得到质量评价指标序列对应的跟踪指标；

所述基于所述高斯模型得到所述液压支架的概率分布的方法，包括：

将每个所述水平倾斜角度代入该高斯模型中，通过查表可得到每秒获取的所有水平倾斜角度对应的概率值，统计所有水平倾斜角对应概率值在收敛域内的数量；计算收敛域内数量与所有水平倾斜角总数量之间的比值为概率分布，所述概率分布为每个所述液压支架的概率分布。

优选的，所述根据所述概率分布与所述质量评价指标得到压力异常评价的方法，包括：

计算所述概率分布与所述质量评价指标的乘积，所述乘积为压力异常评价。

优选的，所述神经网络为时间卷积网络。

本发明具有如下有益效果：通过对液压支架上每个支撑点对应的压力值分析每个支撑点对应的工作状态，进而根据所有支撑点中工作状态的最小值反映该液压支架的质量评价指标，为了增加分析的准确性，结合该液压支架在多天内的质量评价指标进行相空间重构，从而通过得到的跟踪指标判断液压支架是否出现质量问题，及时进行检修维护；在基于跟踪指标未发现液压支架的异常时，结合所有液压支架对应的水平倾斜夹角获取每个液压支架对应的概率分布，用于反映该液压支架是否出现倾斜；根据概率分布以及质量评价指标的乘积获取液压支架对应的压力异常评价；根据历史时间段内的压力异常评价获取异常序列，根据异常序列进行预测得到需要报警的时刻，检测的准确性较高并且对异常情况发现的更加及时，避免了事故的发生。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种矿井液压支架压力异常自动报警方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种矿井液压支架压力异常自动报警方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本申请适用于对液压支架工作情况的分析，通过每个液压支架上支撑点对应的压力值以及该液压支架水平倾斜角度结合分析，判断每天液压支架对应的压力异常评价，基于历史时间段内该液压支架对应的压力异常评价进行预测，通过预测的结果标记处液压支架工作异常的时刻并及时提醒工作人员进行关注检修，提高了发现液压支架异常的及时性，避免了事故的发生。

下面结合附图具体的说明本发明所提供的一种矿井液压支架压力异常自动报警方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种矿井液压支架压力异常自动报警方法流程图，该方法包括以下步骤：

步骤S100，采集多个时间段内矿井液压支架上每个支撑点的压力值；根据当前时间段与其相邻前一个时间段内支撑点的压力值之间的差异得到液压支架的质量评价指标。

矿井的液压支架一般是通过多个液压支撑进行共同支撑，每个支撑点的作用是对顶部围岩的支撑，由于液压支架是由其中多个液压支撑共同分载，因此可以根据每个支撑点处的压力情况初步判断该液压支架的支撑状态是否良好。

具体的，在液压支架中各个支撑点处安装压力感应器，用于获取该支撑点处的压力值，为了提高分析的准确度，本发明实施例中设置以一天为一个时间段，在每天中采集该液压支架中每个支撑点对应的压力值，采集频率为1秒；由此可以得到每个支撑点在1天内每1秒的压力值。

考虑到地层变化带来的冲击地压会导致液压支架上支撑点的压力过大的异常数据，但这种压力过大的数据往往都是瞬时出现的，不具有普遍性，因此对每天内获取的支撑点的压力值进行高通滤波处理，即将每天内获取的支撑点的压力值构成完整压力序列，基于高通滤波器对该完整压力序列中的较大值进行筛除得到高通滤波器处理后的压力序列，以使得后续基于压力序列的分析更加准确。

进一步的，获取每个支撑点在两天内的压力变化，即根据当天内支撑点的压力序列与前一天该支撑点的压力序列之间的差异反映该支撑点的工作状态；考虑到两天分别对应的压力序列是经过高通滤波器处理后的序列，可能存在长度不一致的现象；因此本发明实施例中对元素较少的压力序列进行元素补充，即在高通滤波器筛除的点的位置进行元素补充，元素值为该点相邻两侧元素值的均值，以此类推，将元素较少的压力序列进行元素补充之后与元素较多的压力序列长度一致。

获取当天支撑点的压力序列与前一天支撑点的压力序列之间的相关系数，本发明实施例中计算相关系数的方法采用皮尔逊相关系数；由于正常环境下每个支撑点所承受的压力值差异很小，因此将当天支撑点的压力序列与前一天该支撑点的压力序列进行拼接得到一个拼接序列，计算该拼接序列对应的标准差，根据每个支撑点对应的相关系数与标准差得到该支撑点对应的工作状态，工作状态的计算方法为：

其中，

表示支撑点的工作状态；

表示第

天支撑点对应的压力序列，即当天支撑点对应的压力序列；

表示第

天支撑点对应的压力序列，即前一天支撑点对应的压力序列；

表示皮尔逊相关系数计算；

表示标准差计算；

表示自然常数；

表示压力序列的拼接；

表示相关系数。

以此类推，获取液压支架上每个支撑点对应的工作状态，本发明实施例中以所有支撑点中工作状态的最小值作为此时该液压支架的质量评价指标；质量评价指标越大表明此时液压支架的工作质量越好，液压支架未出现内部质量问题。

步骤S200，获取每个液压支架在一段时间内的质量评价指标序列，对质量评价指标序列进行相空间重构获取跟踪指标，跟踪指标小于预设指标时，液压支架初步判定为正常状态。

由步骤S100中获取到每个液压支架在当前天对应的质量评价指标，为了对液压支架的异常识别更加准确，获取每个液压支架连续多天的质量评价指标，从而根据每天的质量评价指标构建对应的质量评价指标序列，然后对该质量评价指标序列进行相空间重构；相空间重构的嵌入维数由实施者自行选取，延迟时间根据自相关函数法计算得到，具体方法为现有公知技术，不再赘述。

基于相空间重构能够预测出不同相空间的下一时刻相点值，计算预测出的相点值与该相点在质量评价指标序列中的真实值之间的差值记为相位差；获取该质量评价指标序列中每个相点的预测相点值与真实值之间的相位差；根据质量评价指标序列中所有相点对应的相位差计算标准差得到质量评价指标序列对应的跟踪指标，当该跟踪指标小于预设指标时，说明此时的液压支架未出现实际质量问题，初步判定为正常状态，可以正常进行使用；当该根据指标大于预设指标时，表明此时的液压支架出现质量问题，应立即进行检修维护。

需要说明的是，本发明实施例中质量评价指标序列中的相点即为该质量评价指标序列中的元素。

步骤S300，获取多个时间段内每个正常状态下的液压支架的水平倾斜角度，对每个时间段内所有液压支架的水平倾斜角度进行拟合得到高斯模型，基于高斯模型得到液压支架的概率分布，根据概率分布与质量评价指标得到压力异常评价。

具体的，由步骤S100和步骤S200中基于每个支撑点的压力值对液压支架的质量进行初步评价；但是考虑到由于上部地层的复杂性，当上部地层发生冲击地压时会导致下部承压的液压支架不均匀沉降，从而导致液压支架可能出现周身倾斜的情况，进一步加剧液压支架的磨损。因此本发明实施例中在液压支架的中心位置安装水平仪，用于检测液压支架是否发生倾斜，以一天为一个时间段，采集频率为1秒，即采集一天内每1秒液压支架对应的水平倾斜角度。

获取矿井作业时所有液压支架对应的一天内的水平倾斜角度；基于一天内获取的所有液压支架的水平倾斜角度进行高斯拟合，从而得到对应的高斯模型，高斯拟合方法为现有公知手段，不再赘述；获取该高斯模型的收敛域，将该液压支架中所有水平倾斜角度代入该高斯模型中，通过查表可得到每秒获取的所有水平倾斜角度对应的概率值，统计所有水平倾斜角对应概率值在收敛域内的数量；正常情况下的液压支架不存在倾斜现象，因此得到的高斯模型的收敛域内几乎包括所有的水平倾斜角数据，而当液压支架存在倾斜现象时，其水平倾斜角度拟合出的高斯模型的收敛域内的水平倾斜角数据的数量存在偏差，偏差越大说明此时液压支架出现的倾斜问题越严重；将此时拟合出的高斯模型的收敛域中的水平倾斜角数据的数量与全部水平倾斜角数据数量之间的比值记为该高斯模型的概率分布，即矿井作业时所有液压支架均对应该概率分布。

进一步的，计算液压支架对应的质量评价指标与水平倾斜角度对应的高斯模型的概率分布之间的乘积，以该乘积作为当前天的液压支架对应的压力异常评价，压力异常评价的值越小，表明此时液压支架越可能存在问题。

步骤S400，获取液压支架在历史时间段内的压力异常评价构成异常序列，将异常序列输入训练完成的神经网络得到预测异常序列，基于预测异常序列得到异常报警时刻。

由步骤S300中得到每个液压支架在一天内的压力异常评价，将历史时间段中连续多天的液压支架的压力异常评价构建序列得到异常序列，将该异常序列输入训练完成的神经网络中得到预测异常序列，本发明实施例中神经网络采用时间卷积网络TCN，以获取到的历史时间段中的异常序列作为训练样本，即以该异常序列中任意位置截断得到的子序列对时间卷积网络TCN进行训练，时间卷积网络TCN的损失函数采用均方差损失函数。

基于训练完成的时间卷积网络TCN可得到后续每天液压支架的预测异常评价，从而构成预测异常序列，当存在预测异常评价小于预设阈值时，说明此时的液压支架出现问题，将预测的时间进行标记，并及时对相关工作人员发出预警，使得可以更好的监测液压支架的工作情况。

综上所述，本发明实施例中通过采集每天内液压支架上每个支撑点的压力值，根据当前天与相邻前一天每个支撑点对应的压力值之间的差异得到该液压支架对应的质量评价指标；获取液压支架在多天内对应的质量评价指标构成质量评价指标序列，然后对质量评价指标序列进行相空间重构，基于相空间重构后的结果对液压支架的工作状态初步判断；进一步的基于液压支架上的水平倾斜角度进行分析，通过一天内的水平倾斜角度进行拟合得到高斯模型，从而基于拟合得到的高斯模型的概率分布，将该概率分布与质量评价指标相乘得到压力异常评价，根据多天得到的该液压支架的压力异常评价序列输入时间卷积网络进行预测，从而得到更加准确的报警时间，及时发现异常并进行处理，避免了事故的发生。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种矿井液压支架压力异常自动报警方法，其特征在于，该方法包括以下步骤：

采集多个时间段内矿井液压支架上每个支撑点的压力值；根据当前时间段与其相邻前一个时间段内支撑点的压力值之间的差异得到所述液压支架的质量评价指标；

获取每个所述液压支架在一段时间内的质量评价指标序列，对所述质量评价指标序列进行相空间重构获取跟踪指标，所述跟踪指标小于预设指标时，所述液压支架初步判定为正常状态；

获取多个时间段内每个正常状态下的所述液压支架的水平倾斜角度，对每个时间段内所有所述液压支架的水平倾斜角度进行拟合得到高斯模型，基于所述高斯模型得到所述液压支架的概率分布，根据所述概率分布与所述质量评价指标得到压力异常评价；

获取所述液压支架在历史时间段内的压力异常评价构成异常序列，将所述异常序列输入训练完成的神经网络得到预测异常序列，基于所述预测异常序列得到异常报警时刻；

其中，所述根据当前时间段与其相邻前一个时间段内支撑点的压力值之间的差异得到所述液压支架的质量评价指标的方法，包括：

获取所述支撑点在当前时间段内压力值对应的压力序列以及相邻前一个时间段内压力值对应的压力序列；

所述压力序列是对所述支撑点在当前时间段内所有的压力值组成的完整压力序列进行高通滤波后得到的；若当前时间段的压力序列与相邻前一个时间段的压力序列长度不一致，则对元素较少的压力序列在高通滤波器筛除的点的位置进行元素补充，元素值为该点相邻两侧元素值的均值，元素较少的压力序列进行元素补充之后与元素较多的压力序列长度一致；

计算当前时间段内所述压力序列与相邻前一个时间段内所述压力序列之间的相关系数；将当前时间段内所述压力序列与相邻前一个时间段内所述压力序列进行拼接得到拼接序列，计算所述拼接序列的标准差，基于所述相关系数与所述标准差得到所述支撑点对应的工作状态；

所述工作状态的计算方法为：

其中，

表示支撑点的工作状态；

表示第

天支撑点对应的压力序列，即当前时间段支撑点对应的压力序列；

表示第

天支撑点对应的压力序列，即相邻前一个时间段支撑点对应的压力序列；

表示皮尔逊相关系数计算；

表示标准差计算；

表示自然常数；

表示压力序列的拼接，即拼接序列；

表示相关系数；

所述液压支架中所有支撑点对应的工作状态最小值为所述液压支架的质量评价指标；

所述对所述质量评价指标序列进行相空间重构获取跟踪指标的方法，包括：

对所述质量评价指标序列进行相空间重构，基于相空间重构能够预测出不同相空间的下一时刻相点值；

计算预测出的相点值与该相点在质量评价指标序列中的真实值之间的差值记为相位差；所述相点为所述质量评价指标序列中的元素；根据质量评价指标序列中所有相点对应的相位差计算标准差得到质量评价指标序列对应的跟踪指标；

所述基于所述高斯模型得到所述液压支架的概率分布的方法，包括：

将每个所述水平倾斜角度代入该高斯模型中，通过查表可得到每秒获取的所有水平倾斜角度对应的概率值，统计所有水平倾斜角对应概率值在收敛域内的数量；计算收敛域内数量与所有水平倾斜角总数量之间的比值为概率分布，所述概率分布为每个所述液压支架的概率分布。

2.根据权利要求1所述的一种矿井液压支架压力异常自动报警方法，其特征在于，所述根据所述概率分布与所述质量评价指标得到压力异常评价的方法，包括：

计算所述概率分布与所述质量评价指标的乘积，所述乘积为压力异常评价。

3.根据权利要求1所述的一种矿井液压支架压力异常自动报警方法，其特征在于，所述神经网络为时间卷积网络。

Images