基于大数据的智能成套装备专家系统设计

宋振铎，程 凯

（1.中国煤矿机械装备有限责任公司，北京 100011；2.中煤华晋集团有限公司王家岭分公司，山西 河津 043300）

0 引言

随着煤矿的增多，会带来其他方面的资源整合，其中煤机设备就包含在内。总体上看，中国煤炭机械设备市场一直处于迅猛上升趋势，而采煤机、液压支架、喷雾泵等作为煤炭企业建设高产、高效、安全采煤矿井，实现采煤机械化不可或缺的关键设备，其价值量逐年递增。

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状态中，必然会带来设备的损耗。例如，采煤机会由于在运行中受到岩石及采集的煤的冲击出现荷载，还会受到水汽及煤尘的影响，极容易使内部机械零件或者液压元件出现磨损，使采煤机设备出现故障，进而影响生产，甚至影响周边环境，所以对煤机设备的设备诊断是必要的[1]。

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后进行分析研究，再得出结论。这种方式一方面很依赖技术人员的经验及相关技术等，并且不同问题所涉及的技术也不同，协调技术人员也需要消耗时间精力等。另一方面分析研究结果也会消耗很多的时间，使生产受到影响。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了。

大数据是收集、组织、处理和收集大型数据集洞察所需的非传统策略和技术的总称。涉及大数据处理的一般活动类别是：将数据提取到系统中；将数据保存在存储中；计算和分析数据；可视化结果。由于煤矿数据具有数据量大、数据复杂等特点，传统的数据采集分析方式已经无法满足日益增长的需求，所以煤矿大数据是满足智能化矿山建设的重要一步。

因此，针对目前存在的问题及各种大数据的特点，可通过传感器采集煤机设备，如在采煤机、液压器、喷雾泵等内部零件或者元件上用传感器采集实时数据，包括温度、转速、电流、电压等运行数据，通过大数据分析研究，得出该设备在运行过程中出现的零件损耗或者运行异常等问题，保证生产的稳步进行[2]。

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，业务层以及用户端的Web展示层组成。系统总体功能框架如图1所示。

图1 系统总体框架

系统可使用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，解析数据被发送到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，将运行结果反馈给数据服务，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KAFKA。预警模块通过消费结果判断是否预警，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，完成如预警信息、图形化展示等功能，调用一次热点数据后放入缓存，再次访问时提高访问速度[3]。

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，确保数据时刻能被提供进行分析展示。

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。

其中从现场煤机设备上采集的实时数据存储在大数据实时数据库HIVE中，离线分析数据存储在大数据HBASE中，传统数据库使用MySQL，主要存储元数据、热点数据、关系数据等，并且建有缓存，可以和上层服务层进行数据交互。

2.3 服务层

服务层主要抽象成六大服务模块：数据采集、预警管理、指标管理、数据服务、模型元数据、数据集，用于为业务层提供数据支撑。

数据采集模块用于实时数据采集、数据解析，将数据转发至KAFKA。预警管理模块主要处理预警信息、诊断信息与模型数据和原始数据的关系，通过预警信息可以查询诊断信息，通过预警信息可追溯相关的原始数据信息等。指标管理模块主要管理重要分析模型指标的配置，根据现场工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，接收数据并将其存储到分析数据库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。模型无数据模块主要把模型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；离线模型主要从请求服务端实时数据存储库中，将分析的数据提取出来。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[4]。

2.4 业务层

业务层主要功能包括用户管理，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。

（1）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、通信异常、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。

（2）某类型设备页面。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。

（3）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，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得出设备预警信息，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，并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可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。

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，维护每种类型设备对应的关键指标，以及指标对应阈值的配置功能[5]。

3.6 综合分析

综合分析包括统计信息、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

系统配置功能包括用户管理、用户角色管理、权限管理、日志管理等功能。

4 结束语

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，由统一数据采集模型，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。■