本發(fā)明屬于設(shè)備監(jiān)控，具體涉及一種礦用設(shè)備狀態(tài)監(jiān)測(cè)方法及裝置。

背景技術(shù)：

1、在礦業(yè)生產(chǎn)領(lǐng)域中，隨著開采規(guī)模的持續(xù)擴(kuò)張與自動(dòng)化水平的飛躍提升，礦用設(shè)備的安全穩(wěn)定運(yùn)行已成為礦山作業(yè)安全高效不可或缺的關(guān)鍵環(huán)節(jié)，而由于礦山作業(yè)環(huán)境的極端復(fù)雜性與高度動(dòng)態(tài)性，傳統(tǒng)監(jiān)測(cè)方法在對(duì)礦用設(shè)備進(jìn)行監(jiān)測(cè)時(shí)，其監(jiān)測(cè)范圍狹窄、響應(yīng)滯后且還有人為誤差，難以適應(yīng)礦用設(shè)備狀態(tài)監(jiān)測(cè)需要的實(shí)時(shí)性、全面性和準(zhǔn)確度。

2、因此，如何在復(fù)雜的礦山作業(yè)環(huán)境中對(duì)礦用設(shè)備進(jìn)行實(shí)時(shí)、全面和準(zhǔn)確的狀態(tài)監(jiān)測(cè)，是本領(lǐng)域技術(shù)人員有待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中無(wú)法在復(fù)雜的礦山作業(yè)環(huán)境中對(duì)礦用設(shè)備進(jìn)行實(shí)時(shí)、全面以及準(zhǔn)確的狀態(tài)監(jiān)測(cè)的技術(shù)問題。

2、為實(shí)現(xiàn)上述技術(shù)目的，一方面，本發(fā)明提供了一種礦用設(shè)備狀態(tài)監(jiān)測(cè)方法，該方法包括：

3、通過多個(gè)傳感器采集礦用設(shè)備的運(yùn)行數(shù)據(jù)，并基于預(yù)設(shè)協(xié)議將其封裝為報(bào)文后傳輸至處理端中；

4、通過所述處理端對(duì)報(bào)文進(jìn)行解析得到待監(jiān)測(cè)數(shù)據(jù)；

5、將所述待監(jiān)測(cè)數(shù)據(jù)輸入至預(yù)設(shè)模型中得到狀態(tài)分類結(jié)果。

6、進(jìn)一步地，所述預(yù)設(shè)協(xié)議具體為消息隊(duì)列遙測(cè)傳輸協(xié)議，所述基于預(yù)設(shè)協(xié)議將其封裝為報(bào)文，具體包括：

7、將各傳感器采集到的運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理后得到對(duì)應(yīng)的第一數(shù)據(jù)；

8、將所有第一數(shù)據(jù)融合后提取出特征數(shù)據(jù)；

9、基于所述預(yù)設(shè)協(xié)議對(duì)所述特征數(shù)據(jù)進(jìn)行封裝得到報(bào)文。

10、進(jìn)一步地，所述融合具體為將各所述第一數(shù)據(jù)按照時(shí)間戳或者數(shù)據(jù)標(biāo)簽進(jìn)行對(duì)齊從而進(jìn)行融合。

11、進(jìn)一步地，所述預(yù)設(shè)模型還包括如下訓(xùn)練過程：

12、獲取礦用設(shè)備的歷史運(yùn)行數(shù)據(jù)；

13、建立模型并進(jìn)行參數(shù)初始化得到待訓(xùn)練模型；

14、通過所述歷史運(yùn)行數(shù)據(jù)對(duì)待訓(xùn)練模型進(jìn)行訓(xùn)練后得到最終的預(yù)設(shè)模型，其中，所述歷史運(yùn)行數(shù)據(jù)包括訓(xùn)練集、驗(yàn)證集和測(cè)試集，具體通過所述訓(xùn)練集對(duì)待訓(xùn)練模型進(jìn)行迭代訓(xùn)練，并基于每個(gè)迭代中所述待訓(xùn)練模型的輸出值、驗(yàn)證集和測(cè)試集確定出輸出值與真實(shí)值之間的誤差，然后根據(jù)所述誤差更新待訓(xùn)練模型的參數(shù)。

15、進(jìn)一步地，所述待訓(xùn)練模型具體為循環(huán)神經(jīng)網(wǎng)絡(luò)模型，所述待訓(xùn)練模型的隱藏層狀態(tài)更新公式具體為：

16、，

17、式中，為t時(shí)刻隱藏層狀態(tài)，為激活函數(shù)，為輸入至隱藏狀態(tài)的權(quán)重矩陣，為t時(shí)刻輸入，為上一個(gè)隱藏狀態(tài)到當(dāng)前隱藏狀態(tài)的權(quán)重矩陣，為t-1時(shí)刻隱藏層狀態(tài)，為偏置項(xiàng)。

18、進(jìn)一步地，所述方法還包括對(duì)所述待訓(xùn)練模型進(jìn)行參數(shù)優(yōu)化，所述參數(shù)優(yōu)化具體通過如下公式進(jìn)行優(yōu)化：

19、，

20、式中，為第t+1次迭代的參數(shù)，為第t次迭代的參數(shù)，為學(xué)習(xí)率，為第t次迭代時(shí)修正偏差后的歷史梯度的指數(shù)衰減平均值，為第t次迭代時(shí)修正偏差后的歷史梯度的指數(shù)衰減平均值，為預(yù)設(shè)的正數(shù)。

21、進(jìn)一步地，所述方法還包括在對(duì)所述待訓(xùn)練模型進(jìn)行訓(xùn)練時(shí)，在每一次訓(xùn)練中將所述待訓(xùn)練模型的神經(jīng)元輸出隨機(jī)丟棄部分輸出。

22、另一方面，本發(fā)明還提供了一種礦用設(shè)備狀態(tài)監(jiān)測(cè)裝置，所述裝置包括：

23、采集模塊，用于通過多個(gè)傳感器采集礦用設(shè)備的運(yùn)行數(shù)據(jù)，并基于預(yù)設(shè)協(xié)議將其封裝為報(bào)文后傳輸至處理端中；

24、解析模塊，用于通過所述處理端對(duì)報(bào)文進(jìn)行解析得到待監(jiān)測(cè)數(shù)據(jù)；

25、分類模塊，用于將所述待監(jiān)測(cè)數(shù)據(jù)輸入至預(yù)設(shè)模型中得到狀態(tài)分類結(jié)果。

26、本發(fā)明提供的一種礦用設(shè)備狀態(tài)監(jiān)測(cè)方法及裝置，與現(xiàn)有技術(shù)相比，本方法先通過多個(gè)傳感器采集礦用設(shè)備的運(yùn)行數(shù)據(jù)，并基于預(yù)設(shè)協(xié)議將其封裝為報(bào)文后傳輸至處理端中；通過所述處理端對(duì)報(bào)文進(jìn)行解析得到待監(jiān)測(cè)數(shù)據(jù)；將所述待監(jiān)測(cè)數(shù)據(jù)輸入至預(yù)設(shè)模型中得到狀態(tài)分類結(jié)果，能夠在復(fù)雜的礦山作業(yè)環(huán)境中將礦用設(shè)備的狀態(tài)數(shù)據(jù)實(shí)時(shí)準(zhǔn)確地向外傳輸，且能夠?qū)崟r(shí)全面的對(duì)礦用設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)。

技術(shù)特征：

1.一種礦用設(shè)備狀態(tài)監(jiān)測(cè)方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的礦用設(shè)備狀態(tài)監(jiān)測(cè)方法，其特征在于，所述預(yù)設(shè)協(xié)議具體為消息隊(duì)列遙測(cè)傳輸協(xié)議，所述基于預(yù)設(shè)協(xié)議將其封裝為報(bào)文，具體包括：

3.如權(quán)利要求2所述的礦用設(shè)備狀態(tài)監(jiān)測(cè)方法，其特征在于，所述融合具體為將各所述第一數(shù)據(jù)按照時(shí)間戳或者數(shù)據(jù)標(biāo)簽進(jìn)行對(duì)齊從而進(jìn)行融合。

4.如權(quán)利要求1所述的礦用設(shè)備狀態(tài)監(jiān)測(cè)方法，其特征在于，所述預(yù)設(shè)模型還包括如下訓(xùn)練過程：

5.如權(quán)利要求4所述的礦用設(shè)備狀態(tài)監(jiān)測(cè)方法，其特征在于，所述待訓(xùn)練模型具體為循環(huán)神經(jīng)網(wǎng)絡(luò)模型，所述待訓(xùn)練模型的隱藏層狀態(tài)更新公式具體為：

6.如權(quán)利要求4所述的礦用設(shè)備狀態(tài)監(jiān)測(cè)方法，其特征在于，所述方法還包括對(duì)所述待訓(xùn)練模型進(jìn)行參數(shù)優(yōu)化，所述參數(shù)優(yōu)化具體通過如下公式進(jìn)行優(yōu)化：

7.如權(quán)利要求4所述的礦用設(shè)備狀態(tài)監(jiān)測(cè)方法，其特征在于，所述方法還包括在對(duì)所述待訓(xùn)練模型進(jìn)行訓(xùn)練時(shí)，在每一次訓(xùn)練中將所述待訓(xùn)練模型的神經(jīng)元輸出隨機(jī)丟棄部分輸出。

8.一種礦用設(shè)備狀態(tài)監(jiān)測(cè)裝置，其特征在于，所述裝置包括：

技術(shù)總結(jié)
本發(fā)明公開了一種礦用設(shè)備狀態(tài)監(jiān)測(cè)方法及裝置，該方法包括：先通過多個(gè)傳感器采集礦用設(shè)備的運(yùn)行數(shù)據(jù)，并基于預(yù)設(shè)協(xié)議將其封裝為報(bào)文后傳輸至處理端中；通過所述處理端對(duì)報(bào)文進(jìn)行解析得到待監(jiān)測(cè)數(shù)據(jù)；將所述待監(jiān)測(cè)數(shù)據(jù)輸入至預(yù)設(shè)模型中得到狀態(tài)分類結(jié)果，能夠在復(fù)雜的礦山作業(yè)環(huán)境中將礦用設(shè)備的狀態(tài)數(shù)據(jù)實(shí)時(shí)準(zhǔn)確地向外傳輸，且能夠?qū)崟r(shí)全面的對(duì)礦用設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)。

技術(shù)研發(fā)人員：宋文憑,唐祎迪,秦文彬,陳建斌,徐琳,張珍,許磊,張家鳴,姚山建
受保護(hù)的技術(shù)使用者：華夏天信智能物聯(lián)股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19