采煤机运行状态数据分布式实时预测模型

• Published in: 工矿自动化 Vol. 47; no. 7; pp. 21 - 28
• Main Authors: 张俭让, 刘睿卿, 李学文, 王智鹏, 史振东
• Format: Journal Article
• Language: Chinese
• Published: 西安科技大学安全科学与工程学院,陕西西安 710054 2021; 教育部西部矿井开采及灾害防治重点实验室,陕西西安 710054
• Subjects: 预警; Storm; 状态预测; 运行状态数据; Hadoop; 门控循环单元; 采煤机; 时间序列数据
• ISSN: 1671-251X
• DOI: 10.13272/j.issn.1671-251x.2020110032

TD632; 针对采煤机大量运行状态数据不能得到及时处理的问题,研究了基于Storm的采煤机运行状态数据分布式实时预测模型.结合采煤机实际运行状态数据,通过Hadoop分布式存储数据库模拟采煤机运行状态实时数据流;通过Storm分布式实时大数据处理框架处理大量采煤机运行状态时间序列数据,采用门控循环单元(GRU)作为预测模型,实现对采煤机运行状态数据的实时预测;结合各类数据的阈值设定,实现故障预警.以某矿综采工作面MG400930-WD电牵引采煤机的数据为例,取截割部电动机电流、截割部电动机温度、牵引部电动机电流、牵引部电动机转速、调高泵工作压力、调高泵工作转速、冷却水压、变频器电流8种监测数据作为实验数据,对预测模型进行训练和测试,结果表明:预测模型收敛速度较快,且拟合优度达到0.9以上;除冷却水压外,其余数据的预警准确率均达到95％以上;处理速度快,整个预警过程共10 s左右,可满足应用要求.