[发明专利]一种基于机器学习的煤炭设备故障预警系统及方法

说明书

本发明公开了一种基于机器学习的煤炭设备故障预警系统及方法，数据信号获取单元采集实时数据和获取静态数据；数据库从数据信号获取单元获取数据，并将数据按照矿井设备的层级结构进行组织，形成设备层次数据模型，并对设备层次数据模型进行存储；机器学习平台与数据信号获取单元和/或数据库进行通讯，并能够提供机器学习基础算法和运行环境；机器学习算法模块通过机器学习平台上的机器学习基础算法和运行环境，对数据进行分析和建立设备故障预警分析模型，通过设备故障预警分析模型进行设备故障预警判断；显示机器学习算法模块的故障预警判断结果通过结果显示单元进行显示。本发明能够及时发现设备早期的异常情况，并根据检测结果发布预警消息。

技术领域

本发明属于煤炭设备早期故障预警技术领域，具体涉及一种基于机器学习的煤炭设备故障预警系统及方法。

背景技术

煤炭设备是煤炭生产的核心工具，一旦发生故障不仅严重损害设备本身，而且影响整个生产以及运输系统，甚至危害人员生命，给煤矿生产带来巨大的安全隐患和经济损失。因此，对煤炭设备故障预警系统的研究突显得尤为重要。

目前，煤炭设备在线故障预警系统主要存在报警不及时和报警不准确的问题，其中报警阈值设定和预警判断规则单一是两个关键问题。一般情况下，报警阈值大多来自于厂家经验或者通过统计本设备历史数据获取，以上两种获取方式分别存在未考虑现场环境问题和上线运行设备已经处于“带病”状态的因素，无法保证采集的历史数据为设备正常运行时的状态数据。另外在实际煤炭生产过程中，任何单一的故障预警判断规则都不能完全表征设备的故障，在充分考虑煤炭设备运行环境的情况下，同时考虑设备故障判断容易受到生产工况的影响。

发明内容

为解决现有技术中存在的问题，本发明的目的在于提供一种基于机器学习的煤炭设备故障预警系统及方法，本发明考虑了现场环境因素、设备工况类型以及采用多种判别规则来提高煤炭设备故障预警的实时性和准确性。

本发明的目的通过如下技术方案实现：

一种基于机器学习的煤炭设备故障预警系统，包括数据信号获取单元、数据库、机器学习平台、机器学习算法模块和结果显示单元；

数据信号获取单元：用于采集实时数据和获取静态数据；

数据库：从数据信号获取单元获取实时数据和静态数据，并将实时数据和静态数据按照矿井设备的层级结构进行组织，形成具有树形逻辑结构的设备层次数据模型，并对设备层次数据模型进行存储；

机器学习平台：与数据信号获取单元和/或数据库进行通讯，并能够提供机器学习基础算法和运行环境；

机器学习算法模块：通过机器学习平台上的机器学习基础算法和运行环境，对数据进行预处理、分析和建模，形成设备故障预警分析模型，通过设备故障预警分析模型进行设备故障预警判断；

结果显示单元：用于接收并显示机器学习算法模块的故障预警判断结果。

数据信号获取单元获取的数据途径包括两种，一种途径为从底层的设备传感器直接获取；另一种途径为从第三方获取，第三方为MES生产执行系统、安全监测系统、人员定位系统以及文本文件中的至少一个。

数据信号获取单元获取的数据类别包括人员-组织信息、设备全生命周期信息、地质信息、工艺数据和环境数据信息；

其中：人员-组织信息从人员定位系统中获得；

设备全生命周期信息包括设备台账信息、设备功能位置信息、设备维修和更换历史信息、设备移动历史信息以及设备配套和接续计划信息；其中，设备台账信息包括生产厂商、出厂时间、型号以及规格；设备功能位置信息主要包括为设备部位信息、设备部件信息、设备测量点以及测量值信息；设备测量点信息包括振动信息、煤量信息、电流信息和电压信息；

地质信息为记录的井田区域、煤层以及工作面的地质信息；