内蒙古包钢钢联股份有限公司巴润矿业分公司 内蒙古包头 014080
摘要：大数据技术是继物联网、云计算等技术之后发展起来的先进技术，大数据技术的出现和应用必将成为矿物开采与加工效益提升的倍增器，也将推动和加快矿山二化融合的进程。近些年来，我国矿物开采与加工设备快速发展，但是设备可靠性、稳定性和信息化等方面还存在诸多问题，特别是对各类数据的应用重视不够，数据信息孤岛和碎片化十分严重，大量数据没有发挥它隐藏的价值。
关键词：大数据；矿山机械；海量数据；机电设备
引言
矿山机电设备在矿山生产中占据着非常大的作用，其自身的安全性和稳定性也影响着生产效率甚至是技术人员的生命安全。但机电设备在矿山生产中出现的安全隐患也较多。矿山生产时的地点通常都很险峻，环境非常的恶劣，设备经常会受到很多腐蚀物的损害，所以矿山机电设备的故障诊断就显得尤为重要。下文重点分析矿山机电设备故障诊断技术，希望可以给相关矿山生产企业带来绵薄之力。
1矿山机电设备管理的意义
随着我国社会和经济的不断发展，科学技术的不断进步，在矿山生产当中，各种机电设备被应用到生产作业中来，机电设备的使用提高了矿山生产的效率，能够帮助工作人员做一些重复性工作。机电设备的使用还能够减少因工作人员的疏忽而产生的一些问题，提高了矿山生产过程当中的安全性。而随着机电设备的不断发展，使用数量的不断增加，如果不对其进行科学合理的管理，便极易造成一定的损失，不利于提高矿山生产的效率。随着机电设备使用规模的逐渐扩大，大部分的矿山企业将机电设备视作矿山生产的重要辅助机器，其与矿山生产的质量密切相关。机电设备的应用也使矿山开采工作逐渐走向现代化、自动化，所以做好机电设备的管理工作至关重要。机电设备改变了以往的矿山开采工作方式，有效优化了矿山开采的技术，提高了矿山开采的效率。随着设备的不断更新，其对管理的要求也逐渐提高，为了保障矿山生产的安全性，提升矿山生产的效率，就必须重视机电设备的管理。如果机电设备出现了问题，如老、旧、安全设施不足、保护设施不全、设备与配件质量不合格、安装尺寸不相同等，都会造成一定的安全问题，阻碍了矿山生产作业，不利于矿山企业的发展。因此，相关工作人员必须加大对矿山机电设备的管理力度，构建科学合理的管理体系，不断更新管理理念，重视机电设备零部件的质量问题等，从而保障机电设备的运行安全，确保矿山生产过程中的安全性，提高生产的效率，减少相关的经济成本。
2矿山机电设备运行大数据应用
2.1主观诊断技术
在对矿山机电设备进行故障诊断的时候，有些工作多年，经验丰富的维修人员可以运用多年的工作经验来对其故障进行判断和检修。但此种方法的局限性较大，往往只能适用于一些简单的故障，另外，要知道这种方法只是靠主观判断，当外界因素较为复杂时，其可靠性就会变得非常低。在实际运用过程中，我们可以将主观判断技术分为四种：第一种为参数测量法，在实际操作中，其主要是通过对设备的运行参数进行测量，以得出相关数值，再将得到的数值与标准参数进行比较，并分析其中的差异与变化，从而对设备可能出现的故障进行判断，这种方法算是较为普遍的。第二种为直觉经验法，相比于第一种方法，这种方法更为主观，其主要凭借维修人员自身的经验和感觉来对设备进行故障判断，在实际操作中，此种方法的准确率与维修人员的阅历有着直接的关系。第三种为故障树分析法，在实际操作中，这种方法能对经常出现的故障进行直观的反映，因此其准确率较高。第四种为逻辑分析法，在实际操作中，逻辑分析法可通过逻辑关系对设备故障的显性现象进行判断。
2.2大数据分析技术
大数据分析（BDA）是采用描述性、诊断性、预测性和规定性的分析模型对所采集和存储的海量数据开展数据分析，针对特定问题的解答或发现新见解的过程，它可以告诉决策者最近发生了什么，预测和展望未来，提出可以采取的相应行动、路线和建议等。大数据分析的核心涉及模型建立和算法应用二个方面，这二方面也是矿山大数据技术应用的关键和难点所在。矿山机电设备大数据动态监测与诊断系统是矿山大数据分析平台的核心应用系统。基于大数据技术，以矿山各类各型设备生产规范规程为依据，结合综合自动化、在线监测以及矿山生产日常获取的动态和静态数据开展数据分析，利用设备状态、运行环境等海量多源数据进行深度融合分析，实现设备状态评估、故障诊断和预测预知，提高对矿山机电设备科学管理和使用寿命。矿山大数据分析的基础是海量数据采集和存储，通过传感器和LoＲa远程传输平台构建的机电设备状态数据采集系统采集海量数据，结合监控、环境、管理和各类日志数据的获取，通过ETL的各种数据处理工具，整理合并归整填补后统一存储在云服务中心。大数据分析需构建数据分析模型，可以构建3类分析模型：一是通过关联分析、时间序列分析、回归分析、多维统计分析、聚类等方法分析各类状态数据，发现它们之间的关联关系及变化规律，建立历史知识模型；二是通过多维统计和挖掘分析的手段，构建设备状态评价、故障诊断和预测预知模型；三是随着认知的深入，通过智能学习和迭代，对各类模型（状态评价和故障诊断模型）进行修正、补充和完善。针对机电设备，应用系统设计了设备动态诊断及风险评估预控、重大危险源预测预警、设备寿命预测评估、生产加工效能评估决策等主要模块，依据各自特点建立相应分析模型，采用回归树算法、贝叶斯算法、决策树算法等多类算法进行解算处理。以机电设备振动信号采集为例来分析研究，机电设备故障很大部分原因是由于振动造成的，在分析模型中主要考虑对采集的振动信号进行时域和频域分析，通过计算出绝对均值、偏态指标、峰值、有效值等多个特征指标来开展评价分析。对正常状态和待评估状态的振动信号进行预处理，各计算得出多参数特征指标，利用投影寻踪法对正常状态的特征指标进行投影，通过待评价设备运行状态投影参数指标对比分析，可获得设备的运行状态，实现早期故障预警和预知维护的功能。
2.3人工诊断法
人工诊断有如下几种方法：逻辑分析法、参数比对法、直觉经验法等。逻辑分析法指的是通过自己原有的经验来对设备显而易见的问题进行推理及逻辑分析，找到设备的故障问题。参数比对法指的是运用测量设备对机电设备进行各项数据的测量，再将其正常的数据进行比对来判断其健康程度以及故障发生的部位。直觉经验法指的是维修人员通过自己积累的经验来直接的判断设备出现的故障问题。在对矿山机电设备故障诊断时，维修人员常常依据自身积累的经验去对设备的使用情况进行诊断。但是，这种诊断会有很多的问题，它只能用在普通的设备故障诊断中，而且可信度和专业程度并不高。
结语
以矿山机电设备运行数据采集为切入点，采用多传感器基于LoＲa物联网远程通信接入平台实现数据采集系统，实现了对矿山机电设备温度、振动等数据的实时采集，为矿山大数据提供了关键性数据。基于大数据技术研究矿山机电设备运行状态数据，提出了矿山大数据技术应用平台和数据处理流程，在云计算服务平台支持下，实现矿山机电设备各种异常状态和故障的预测与判别以及多参数之间相互关系的分析与预测，为大数据技术在矿山领域的应用提供借鉴。
参考文献：
[1]石焕，程宏志，刘万超．我国选煤技术现状及发展趋势[J]．煤炭科学技术，2016，44（6）：169－174．
[2]党清刚．洗选设备保护应用分析[J]．低碳世界，2016（10）：271－273．
作者简介：
刘波，1989-11，男，内蒙古呼和浩特市托克托县，内蒙古包钢钢联股份有限公司巴润矿业分公司，机械助理工程师，从事露天采矿挖掘机司机。