煤矿机电设备智能化维护研究现状与发展趋势

摘要：煤矿井下作业环境高度复杂，多数大规模机电设备在同一时刻作业，发生设备重大故障相互干扰的概率较高。因此，本文从机电设备运行状态监测着手，简单介绍煤矿机电设备智能化维护研究现状，论述维护方法与实现路径，探析机电设备智能化维护发展趋势，以供参考。

关键词：煤矿；机电；设备；智能化；维护

DOI：10.12433/zgkjtz.20240716

近年来，煤矿行业智能化发展趋势显著，智能化机电设备成为实现智慧矿山建设的基石，机电设备智能化维护是智慧矿山建设的重要环节。随着物联网、互联网技术的全面发展，大量先进技术被引入机电设备维护领域，为煤矿机电设备智能化维护提供了充足的技术支持，相关研究成果也不断涌现。基于此，探究煤矿机电设备智能化维护研究现状与发展趋势具有重要的现实意义。

一、煤矿机电设备智能化维护研究现状

（一）机电设备状态监测研究现状

在无线射频技术、无线传感网络等技术飞速发展过程中，煤矿机电设备传感终端由有线传输发展为无线传输，形成了异构传感数据格式。部分学者运用ZigBee技术，将传感器与多种机电装置紧密结合，构建了适用于煤矿开采区域工作设备监测点定位的无线通讯管理系统，在一定程度上降低了煤矿机电设备智能化维护成本。部分学者聚焦井下机电设备群在同一时刻作业数据采集频率、传感器终端并发量迅速增加的情况，研究数据集成网关和非阻塞传输框架下异构传感终端数据的统一解析，为煤矿机电设备状态监测数据的实时传输提供了支撑。

（二）机电设备维护策略研究现状

当前，煤矿机电设备自动化水平持续提高，相应设备结构愈发复杂，迫切要求更新设备维护形式。在现有事后维护、预防性维护、定期维护、预知性维护、可靠性维护、基于状态的维护等策略基础上，部分学者提出基于条件的智能化维护策略，即基于系统当前条件，实时收集评估信息，打造智能化维护决策模型，预先设定模型约束条件，例如，维护费用、机电设备可用性、维护时间等，实现自适应维护决策。但现有研究过程较复杂，无法满足多机电设备构成的煤矿开采系统维护需求。

（三）机电设备维护操作研究现状

人工智能时代，煤矿开采行业对机电设备维护的质量要求不断提升，机器人因自动化低风险操作成为煤矿机电设备维护操作研究的重点。从二十世纪九十年代开始，相关学者就投入到煤矿机电设备维护机器人研究中。部分学者从煤矿机电设备运行状态探测着手，研究地下煤矿开采环境内机器人搭载气体检测、红外图像等传感器探测机电设备运行状态并经光纤传输信息的方法；部分学者致力于开发适用于煤礦机电设备运行参数监测与井下巷道三维地图设备定位的机器人，旨在将煤矿主巷道三维地图融入机器人运行监测体系，提高基于机器人的机电设备维护操作准确性。但现有机器人研究成果适用性试验表明其远不能达到煤矿行业对机电设备智能化维护的标准要求，机器人极易因车轮着地点变化而出现空间位置姿态异变，最终出现频繁倾翻问题。

二、煤矿机电设备智能化维护方法与实现

（一）构建机电设备状态管理模型

根据机电设备故障发生前兆现象，借助物联网智能化情境感知技术，构建机电设备状态管理模型。模型创建时，多选用本体建模工具Protege，将煤矿机电设备引入本体模型内，借助顶层本体完成模型种类的定义，包括Sensor（传感器）、Location（当地区域设备）、Local_equipment（位置）、Run_state（运行状态）、Time（时间），进而根据抽象衍生类，进行预置实例（温度指示实例、色梯实例等）、实时实例（传感器传递机电设备标签显示实时状态）的设置。

在煤矿机电设备状态管理模型内相关实体确定后，以OWL文件存储资源知识库实时测点，借助若干机电设备运行参数指标采集信息、动静态信息对比结果，生成基于Java开源语义工具的查询文件，自动查询、解析、推理OWL数据文件，实现由单一测点获得特定时刻特定区域煤矿机电设备状态信息。例如，在某煤矿一巷道采区采煤工作面通风机运行指标发生异变时，将通过地面监控软件显示红色或黄色预警信号，此时本体模型（机电设备状态管理模型）将根据预警级别提取巷道通风机风速传感器预警信号，并读取直接生成的文件信息，自动显示特定时刻巷道采空区通风机运行状态，同时以日志的形式推送通风机在特定工作地点的运行情况，为维护决策提供依据。

（二）设计机电设备智能化维护系统

煤矿机电设备智能化维护系统是设备智能化维护的核心，主要借助物联网智能化设备，对煤矿井下机电设备运行状态进行监控管理，包括运输设备（带式运输机、破碎机、电动机车等）、采掘设备（采煤机、掘进机等）、提升设备（矿用提升绞车、提升机等）、给排水设备（渣浆泵、给水泵、离心泵等）、支持机械设备（金属顶梁、液压支架等）。基于物联网的煤矿机电设备智能化维护系统本质上是将全部井下、地面设备与人员融合到一个网络空间，充分利用机电设备监测温度、湿度、压力等信息，实现物与物互联、人与人互联、人与物互联，其结构如图1所示。

由图1可知，基于物联网的煤矿机电设备智能化维护系统体系结构包括感知层、网络层、业务逻辑层、数据库层。其中，感知层为系统底层，对系统运行效率与智能化程度具有直接影响。物联网环境下，感知层多选择无线传输模块组成无线传输网络，在网络内运行无线射频设备、智能传感器设备，自动采集信息。网络层主要包括互联网、无线通信网与局域网。面对煤矿井下作业恶劣环境与复杂巷道分布，井下通信不仅需要借助无线采集分站处理井下布线已知静止（相对固定）设备，还要借助人员便携智能终端、定位终端连接位置不固定的运动设备。业务逻辑层是系统核心，需借助物联网技术封装系统服务功能，并将索引机制添加到基础注册服务内，以满足感知层需求，自动调用不同数据库数据信息，例如，温度信息、历史信息等。数据库层是多类别数据的集成，主要依托前期构建的机电设备状态管理模型，协同专家知识模型库，推动物联网与系统数据信息共享。

（三）搭建机电设备智能化维护系统实现环境

机电设备智能化维护系统实现环境为“互联网+”无线通信网络环境，需利用“无线网卡+AP”（Access Point，无线接入点）组网。在组网环境内，准备无线射频电子标签、传感器（温度/瓦斯/风速/设备开关/流量/车辆参数）等设备，为系统实现提供硬件支撑。

在硬件环境搭建的基础上，利用融合Visual Basic与C++的C#语言，创建问题解决目标对象，明确对象后，梳理问题，解决全流程中的行为目标，并对目标进行封装，实现历史数据查询、巷道车辆状态显示、机电设备状态实时显示、巷道设备自动维护调试等功能。例如，系统界面显示色梯颜色变化，自动关联传感器，推送对应机电设备运行的实时参数信息（包括瓦斯抽放管内温度、水泵流量、支架压力等）以及关于设备运行工作状态的判断，及时发出警报，为掘进机、副井提升机、装载机、皮带运输机等设备智能化维护提供支撑。

三、煤矿机电设备智能化维护发展趋势

（一）整体性

未来的煤矿机电设备智能化维护将发展为一个统一整体，有机整合设备异构监测数据接入、描述、分布式存储环节，突破信息壁垒。其中，煤矿机电设备异构监测数据统一接入描述主要立足RDF（Resource Description Framework，资源描述框架）框架，从资源主体、谓语、宾语三个角度进行描述，例如，数据资源Data E采集编号为41052314215001的设备，采集位置在煤矿机电设备的54号位，则数据的资源描述框架表示方法如表1所示。

如表1所示，资源描述框架可借助类、属性值对煤矿机电设备进行描述，明晰数据资源逻辑，为后期原数据交换提供依据。

面对增长的煤矿机电设备运行状态数据，未来的煤矿机电设备异构监测数据统一描述与存储集合需由基于成熟关系型数据库转换为分布式数据库，即通过设计若干B+树索引结构，将煤矿机电设备监测状态描述数据分类型存储在对应索引结构中，并在存储模型内应用哈希函数。此时，借助查询哈希值的方式可以实现分布式数据库内煤矿机电设备运行数据的在线获得。

（二）模型化

针对当前煤矿综采设备群维护不足的问题，未来的煤矿机电设备维护将以煤矿综采设备群构成的开采系统为研究目标，考虑机会维护、生产停机、突发性故障、设备折旧等干扰因素，打造适应煤矿综采设备群的维护决策模型，并经遗传算法求解优化、策略对比，推导维护决策安排。从某种程度上看，煤矿综采设备群构成的生产系统可视为串联系统，综采设备群布置可简化为“采煤机→液压支架→刮板输送机→皮带运输机”，整个过程中，根据设备故障率判断是否需要维护無法完全规避机电设备潜在故障引发安全风险，且基于故障率对一台设备进行维护时其余机电设备不停机将引发安全风险问题。

针对维护与开采作业引发的时间冲突，可基于煤矿综采设备群维护决策模型推出维护与开采计划联合决策优化方法，先考虑煤矿开采准备费用、库存费用、正常班次采煤费用、缺货惩处费用与劳动力改变费用，结合前期煤矿开采周期编制的开采计划（包括主采煤计划、掘进计划以及运输生产计划、排水生产计划、通风生产计划、提升生产计划、供电生产计划等辅助生产作业计划）构建煤矿开采计划独立决策模型，再与维护决策模型融合构建维护与生产计划联合决策模型，最终经模拟算法求解优化，实现最优维护与煤矿综采计划联合决策。

（三）无人化

在机器人驱动技术、地形识别与自主行走技术、煤矿机电设备目标检测识别技术发展的进程中，未来的煤矿机电设备维护将朝着无人化方向发展。由具备较高地形感知能力、障碍克服能力的井下维护机器人克服煤矿综采运输巷道积水、液压支座障碍、煤石散落、地面铺设线缆等干扰因子，并在内置地形感知系统支持下完成相应机电设备的识别标示、匹配、巡视检查与维护。

在实现维护时，井下维护机器人可以经激光扫描获得视觉信息自行计算地形参数，并构建井下巷道面层危险等级划分函数，自动识别井下巷道危险等级。在识别井下巷道危险等级的基础上，井下维护机器人可利用已有地形信息完善巡检维护路径规划目标函数，在同一时刻规划出发节点到结束节点的最短路径，确保行走路线安全。在巡检维护操作期间，井下维护机器人应经机器学习方法自动构建煤矿井下设备识别与匹配模型，在行进期间自动精准匹配煤矿机电设备与目标型号，完成井下机电设备类别划分，分类别执行维护任务，确保维护的精准度。

四、结语

综上所述，煤矿综采项目需要众多机电设备，各个机电设备的安全稳定运行是煤矿综采任务顺利完成的关键。煤矿机电设备维护环节涉及的数据类型众多，现有基于关系型数据库的机电设备状态数据分析管理无法满足海量数据分析利用要求，因此，未来的煤矿机电设备维护应基于资源描述框架整合接入、描述、分布式存储，朝着无人化、模型化方向发展。

参考文献：

[1]付建华.故障检测诊断技术在智能化煤矿机电设备中的应用分析[J].矿业装备，2022（01）：244-245.

[2]高英杰.故障检测诊断技术在矿山机电设备中的应用研究[J].机电产品开发与创新，2017，30（04）：146-148.

[3]王月清.煤矿机电设备的电气自动化改造及维护策略[J].矿业装备，2023（09）：129-131.

[4]田勇.煤矿机电设备自动化控制的优势与技术分析[J].电子技术与软件工程，2023（06）：103-106.

[5]段铭钰.煤矿机电设备智能化维护研究现状与发展趋势[J].内蒙古煤炭经济，2022（13）：120-122.

[6]李爱军.煤矿机电技术管理在煤矿安全生产中的应用[J].当代化工研究，2023（08）：104-106.

[7]张亮亮，张力.智能矿山背景下煤矿机电技术管理创新研究[J].现代工业经济和信息化，2020，10（12）：128-129+144.

作者简介：杜善营（1979），山东省枣庄市人，工程师，主要研究方向为机电技术管理。