基于大数据的矿山机电设备智能监控系统

杨 毅

（河南牧业经济学院 信息工程学院，河南 郑州 450018）

大数据是一种数据处理和分析技术，最初是为了解决分布式网络中大量数据的储存和处理问题，由于其具有高精准、高效率的数据分析优点，已经被广泛应用到各个领域中[1]。将大数据技术与矿山机电设备智能监控相结合，设计一个基于大数据的矿山机电设备智能监控系统，为矿山机电设备提供良好的运行保障。

1 基于大数据的矿山机电设备智能监控系统设计

（1）系统硬件设计。基于大数据的矿山机电设备智能监控系统的硬件设备主要是由无线传感器、中央处理器和巷道读卡器组成。根据系统对中央处理器数据传输率高、数据处理效率快的设计需求，选用LY公司生产的Atmeler中央处理器，该处理器具有PIC的优点，同时其外部接口具有良好的扩展性，在执行系统指令时主要采用单周期，并且能提供多种电源接口和多个OI口，在对无线传感器数据获取时能与系统其它硬件设备的串行外围接口进行配合，实现快速接收数据这一功能。

矿山机电设备智能监测对读卡器的设计要求是蓄电能力强，所以此次系统设计采用Neasd型号的读卡器，该读卡器内置NY2012芯片，具有超常待机能力和数据读取能力[2]。

矿山机电设备在作业过程中出现的故障大体分为电气故障和机械故障两大类，其中电气故障：当矿山供电电压不稳定和电机频繁的启动时，会导致主电机电缆接地事故；机电设备控制线插头虚接会出现皮带机卡顿故障；智能电话盘线设备的电线虚接会出现机电设备皮带停止运行故障；变频器通讯地址冲突会出现皮带机变频故障；油泵机电绝缘绕组损坏会出现油泵电机烧坏故障等。根据以上对矿山机电设备故障的分析，此次在对无线传感器的设计上采取“一对一”的形式，在系统的监控范围内，根据机电设备的运行特征布置不同的无线传感，其中有温度传感器、速度传感器、电流电压传感器、振动传感器、检测传感器、压力传感器。下表为无线传感器具体设计。

表1 无线传感器监测内容

下表为系统无线传感器具体布置设计。

表2 无线传感器具体布置设计

（2）系统软件设计。在完成了系统硬件设计的基础上，对系统软件进行设计。由于此次设计的系统在运行过程中需要对大量的矿山机电设备运行数据进行分析，以此才能实现系统智能监控的功能，所以强大的数据分析能力是此次系统开发的关键。在矿山机电设备监控中，基于大数据的云计算和信息融合技术是整个系统的关键之处。当中央处理器接收到无线传感器和读卡器传输过来的机电设备运行数据之后，首先通过信息融合技术对数据进行综合分类处理，使所有的数据达成一致的、具有全面性和综合性的解释和描述，保证每个传感器和读卡器信息的可用性。云计算技术具体分析如下：

云计算通过因子分析算法对融合后的数据进行分析计算，该算法在实际应用中简单有效，尤其是对于机电设备运行数据的计算分析，其计算公式为：

公式（1）中，R(G)为设备状态，根据计算结果会出现正常、非正常两种；Pe为设备出现故障的几率；G为设备标准运行参数，e为设备实际运行参数，qR为设备未出现故障几率。当R(G)≥0时，说明矿山机电设备处于正常运行状态；当R(G)＜0时，说明矿山机电设备出现故障，具体出现故障的设备位置是由计算数据来源决定，以此实现了基于大数据的矿山机电设备智能监控系统设计。

2 实验

（1）实验准备。此次实验一共分为5组，对两种系统采用相同的矿山机电设备，其中包括一台矿井提升机、两台空压机、两个水泵、一台通风机、一台滚筒采矿机、两个液压支架、两台传送机。每组实验两种系统对矿山机电设备智能监控10min，以监控结果的精准度作为实验结果。

（2）结果分析。将传统系统用系统1表示，将基于大数据的矿山机电设备智能监控系统用系统2表示，下表为此次实验两种系统精准度对比。

表3 两种系统监控精准度

从上表可以看出，此次设计的系统精准度基本都在94%以上，相对来说第三组精准度略低，其他四组精准度都超过95%；而传统系统五组精准度最高仅为84.65%，最低精准度达到79.54%，五次实验结果精准度都未超过90%。实验证明此次设计的系统具有较高的精准度。

3 结语

大数据技术在矿山机电设备智能监控系统中的应用，提高了系统的监控效果，为矿山机电设备提供了良好的运行保障。由于研究时间和个人能力有限，对于基于大数据的矿山机电设备智能监控系统尚处于研发阶段，缺乏实际应用，所以还需要在实际应用中对系统存在的不足之处进行改善，以此提高系统对矿山机电设备监控的应用价值。