基于大数据的智能成套装备专家系统设计

彭 俊

中国中煤能源集团有限公司 北京 100120

引言

随着煤机设备的增长,煤矿特殊的工作时间安排,设备长期处于复杂的环境及长时间的工作,必然会带来设备的损耗等,使得采煤机设备出现故障,导致影响生产,严重甚至出现影响周边环境安全,所以对于煤机设备的设备诊断是必要的。

传统的设备诊断技术更多是依靠人工拿着仪器或者专业技术人员采集现场数据之后进行分析研究,再得出结论。这种方式一方面很依赖于技术人员的经验及技术等。另一方面分析研究结果也会消耗很多的时间,使得生产受到影响。所以为了保证煤矿的正常生产,设备的正常运行,节约成本等方面,对于传统的设备诊断方式需要进行更新升级。而近年来,随着传感器技术及大数据技术的发展,基于这方面技术的故障诊断方式出现。

1 系统总体框架

大数据成套装备专家系统的系统体系结构,由数据采集层、数据存储层、服务层,业务层以及与用户端的web展示层组成。系统总体功能框架如图所示:

图1 系统总体框架

1.2.1 系统通过服务端数据采集模块通过数据连接代码读取OPC实时数据,当失去实时数据连接的时候,从历史数据库获取数据,解析数据发送到kafka消息队列。接着服务端启动2个原始数据消费者,其中一个消费者将原始数据直接存入实时数据存储库;另一个消费者,根据模型管理中配置的在线模型是否需要接收的实时信息和关联的数据集信息,启动模型;模型接收数据服务输入的数据,将运行结果扔回给数据服务,数据服务将分析结果数据存入分析数据库,同时发送结果信息至kaF-ka。预警模块通过消费结果消息判断是否预警,如果预警,根据预警元数据信息存入传统数据库,并放入缓存,前端实时展示。业务端每天通过定时任务调用离线模型请求服务端的数据存储服务将分析数据存入分析数据库,并放入缓存。业务端调用在线模型,请求数据服务获取数据集,完成例如预警信息、图形化展示等功能,采用调用一次热点数据后放入缓存,再次访问时提高访问速度。

2 系统分层结构

大数据成套装备专家系统的系统体系结构,由数据采集层、数据存储层、服务层,业务层以及与用户端的web展示层组成。

2.1 数据采集层

数据采集层主要包括两个部分,分别为实时数据库和历史数据库。当系统实时数据库连接成功后,通过数据协议采集实时数据,当实时数据库连接失败后,会自动从历史数据库中获取数据,确保数据时刻能提供进行分析展示。

2.2 数据存储层

数据存储层主要包括传统数据库以及大数据数据存储,大数据数据存储包括实时数据存储和分析数据存储。

2.3 服务层

服务层主要抽象成六大服务板块,数据采集、预警诊断模块、指标模块,数据服务接口,模型元数据、数据集,用于给业务层提供数据支撑。

数据采集模块适用于实时数据采集、数据解析、数据转发至kafka。预警诊断模块主要处理预警信息、诊断信息和模型数据、原始数据的关系;通过预警信息可以查询诊断信息;通过预警信息追溯相关的原始数据信息等功能。指标模块主要管理重要分析模型指标的可配置,根据现场工况情况建立不同设备的分析模型,针对不同的设备使用需求、运行状况和使用寿命建立分析模型。数据服务模块主要提供统一的大数据查询、存储接口,可以提供模型需要的数据,提供模型输出数据的存储接口,接收数据,存储到分析数据库Hbase,还可以消费kafka数据采集信息,将原始数据存入实时数据库HIVE中。模型管理模块主要是把模型从运行分为在线模型和离线模型,在线模型主要负责请求原始实时数据及历史数据,离线模型主要负责请求服务端实时数据存储库中将分析数据提取出来。模型从功能分为预警模型、诊断模型,功能涉及到存储模型入参、出参以及模型的基本元数据信息,可以为模型入参及出参配置数据集。数据集模块主要维护数据集信息,包括数据库配置、表字段信息、条件信息等。

2.4 业务层

业务层主要包括用户管理,矿区、工作面管理,设备基础信息管理,以及设备异常预警、故障诊断、能耗分析、生命周期预测等业务展示页面的接口,同时包括模型的运行。

2.5 展示层

系统提供一个统一的综合门户,为用户提供设备监控、专家业务系统等业务功能的集中展示页面。

3 系统业务实现功能

3.1 基础信息管理

基础信息管理提供维护煤矿信息、工作面信息、设备基础信息、指标信息等基础信息的维护功能。

3.2 设备在线监测

设备在线监测显示工作面内采煤机、输送机、支架、带式输送机、乳化液泵、喷雾泵等设备的实时运行状态。

A.总览页面:系统提供总览界面按设备类型分类显示不同类型设备的数量及状态,状态分为正常、预警、报警、通讯异常、停机和重点关注。同时总览页面还展示故障记录统计信息,包括设备名称、设备编号、故障类型、故障等级、故障发生时间等重要信息。

B.某类型设备页面:设备在总览界面中点击某种类型设备,进入相应类型设备的展示页面,展示具体该种类型的所有设备的运行状态及历史故障趋势曲线,故障记录信息等内容。

C.单体设备页面:点击某台设备进入设备明细页面,可展示该设备所有的测点信息实时数据展示,以及按时间和状态查询任何测点的原始数据、分析曲线,历史报警信息、故障记录及分析结论等内容。

3.3 预警管理

预警管理根据专家系统的预警模型分析出的设备预警信息在预警中心中统一管理,以列表方式展示当前的所有预警信息,点击某条预警信息可查看一段时间的原始数据,可查看分析预警原因。

3.4 故障诊断

故障诊断根据专家系统故障诊断模型分析出设备故障原因,设备故障内容包括电机寿命、输送机链条寿命等。

logistic回归分析是广义线性回归方法中的一种,在数据挖掘、疾病自动诊断等领域应用较多,经典的应用场景有探索某疾病的危险因素,并根据危险因素评估一个人患该疾病的概率等等。在线性回归分析中,因变量与自变量之间的关系是线性的。若只对一个自变量和一个因变量分析,我们称之为一元线性回归分析,否则若回归分析中自变量个数有两个或两个以上,则称之为多元线性回归分析。设备健康诊断系统可以参考对人体健康或某种疾病诊断的方式和模型,通过该变因变量的因子类型及系数值,结合工业控制和设备运行的特点,参考工业故障分析诊断技术,对设备的健康情况进行建模分析,进而实现对设备的健康情况。

3.5 阈值配置管理

阈值配置系统提供维护设备和指标的关系,维护每种类型设备的对应的关键指标,以及指标对应的阈值的配置功能。

同时支持自适应预警。在自适应预警中,对于不同的设备,从该设备的历史特征值数据中,经过数据清洗,得到代表正常运行的特征值数据集,将设备正常运行的特征值数据集导入自适应阈值计算模型中,得到自适应的阈值。自适应报警适用于各种特征值报警,包括振动特征值,温度,压力等,并且自适应阈值不需要事先获取设备的各种参数,只需要设备运行的历史特征值数据集,就可以从中挖掘出设备正常运行的特征值临界点。和传统的人工设定阈值相比,自适应阈值克服了阈值设置偏高或偏低导致的漏诊断和虚假报警,能够及时发现设备出现的早期故障。

3.6 综合分析

综合分析包括统计信息包括,异常设备数量总数、异常设备数据分布情况、风险设备数量变化趋势、设备报警累计时长统计（Top10）、设备报警持续时间较长的事件（Top10）等重点关注的统计信息以图形化的方式展示。

3.7 系统配置

系统配置功能包括如用户管理、用户角色管理、权限管理、日志管理等功能。

结语

本系统通过研究全面感知技术,数据管理技术,设备智能诊断技术,大数据技术等,通过构建统一数据采集模型,规范各类型设备数据接入方式,构建了一个统一的工作面成套装备运行大数据中心,整合专家知识,构建智慧的预测分析模型,通过大数据BI分析技术,构建专家业务分析系统,实现对煤矿工作面设备大数据的智慧化管理和价值应用。