基于數據清洗算法的采煤機截割比能耗計算方法

寇元寶，汪崇建，贠瑞光，秦 翥，慕 杰

(1.煤炭科學研究總院，北京 100013；2.天地科技股份有限公司上海分公司，上海 200030；3.中國煤炭科工集團 上海有限公司，上海 200030)

隨著采煤機智能化的發展，設備在運行過程中產生了大量有價值的數據，但由于環境對采集設備的影響，數據往往包含錯誤或噪聲，無法使用。同時隨著采煤機精益化設計的發展，以往憑借直覺和經驗，借助類比、模擬和試錯等方法進行設計改進，逐漸曝露出效率低、過設計等情況[1]。在采煤機精益化設計過程中，采煤機的功率參數至關重要，功率參數可由截割比能耗計算得出。以往計算截割比能耗的經驗公式，是根據截割模擬煤壁獲得的實驗數據。實驗情況單一，無法反應采煤機截割過程中實際工況的復雜性。目前沒有針對特定地區的準確截割比能耗的計算方法。本文結合設備運行數據來進行截割比能耗的計算。

煤炭行業數據產出量及可被接入的設備數量遠遠超過移動互聯網等其他行業，其中數據的價值還有待挖掘[2]。采煤機在煤礦設備中智能化程度最高，產生的運行數據巨大，反應了截割過程中的工況變化，功率使用情況等，數據在進行使用之前必須要進行清洗。馬宏偉等人針對采煤設備運行狀態數據存在噪聲和缺失值等問題，建立了基于MapReduce的大數據清洗模型，采用雙MapReduce協同工作，實驗結果具有良好的數據清洗效果[3]。陳少龍通過建立基于 Hadoop平臺的煤礦設備數據處理系統，建立了對煤礦設備振動數據進行特征值提取和異常點清洗的整體架構[4]。數據清洗算法在很多行業都有應用。但通過對采煤機數據各類數據可視化發現，不同的數據需要不同的算法進行針對性清洗。才能滿足對于數據使用的要求[5，6]。

截割比能耗反應了采煤機截齒截割單位體積煤巖所消耗的能量。鄧廣哲等研究表明在煤機截割條件相同情況下，壓裂煤層比原始煤層的截割能耗減小 50%左右，截割阻力比原始煤層降低了 20%；壓裂損傷程度越大，煤層截割比能耗越小[7]。王想等研究了相關截割參數對截割比能耗的影響，發現截割比能耗隨截割厚度的增大呈冪函數減小[8，9，10]。劉春生通過分析滾筒半徑、最大切削厚度和截齒位置角三者間的數學關系，提出切削厚度和截割比能耗的準確算法[11]。郝志勇通過建立截割比能耗模型，研究發現在其他工況保持不變的情況下，直行截割的比能耗隨著牽引速度的增加而減少；斜切截割比直線截割的比能耗大[12]。

由于采煤機運行時產生的數據量巨大，受限于儲存介質的空間大小，以及大量數據帶來的計算時間較長。本文采集采煤機5d的運行數據進行研究，運用采煤機的實際運行數據計算可以得知某一地區的截割能耗比，此方法可用于各種不同工況和煤巖條件的地區。

1 截割比能耗模型

當采煤機沿工作面割煤時，需要采煤機自開缺口，本文所研究的機型使用端部進刀工藝。端部進刀工藝如下：①在液壓支架的推動下，運輸機在端部彎曲，左端向煤壁方向推進；②采煤機向左行駛，進入運輸機彎曲部分，開始斜切，運行至運輸機水平部分，完成進刀；③運輸機彎曲部分及右端部分全部移動至與左端平行處；④采煤機向右運行，割完整個工作面。完成工作面割一刀。端部進刀工藝，采煤機所割的三角形區域為斜切過程如圖1所示。

圖1 端部進刀

斜切過程只占采煤機截割過程中的10%，在斜切進割初始階段，滾筒未全部進入煤層中進行截割，導致部分滾筒在煤壁外側，所以截割電機對滾筒做的功并不能完全轉化為有用的煤巖截割，而是造成對未截入煤巖部分滾筒的無用功，所以在計算截割比能耗的過程中，應避免選用斜切時的數據。 截割比能耗是指截割單位體積的煤截割電機與牽引電機所做的總功。利用采煤機截割電機和牽引變頻器的電流數據可以計算出割煤所消耗的總能量[13，14]。采煤機所使用的截割電機和牽引電機為三相異步電機截割所消耗的總能量計算公式如下[15]：

P總=P截割+P牽引

(1)

式中，I1為截割電機電流；U1為截割電機電壓；I2為牽引電機電流；cosφ1為截割電機功率因素；cosφ2為牽引電機功率因素；U2為牽引電機器電壓。

截割體積計算公式如下：

式中，V為0到t時間段割煤體積；h(t)，H(t)為下采高和上采高隨時間的變化；Kb為煤破碎過程中的松散系數，取1.2；B為采煤機截深；v為隨時間變化的牽引速度，m3。

截割比能耗計算公式如下：

式中，HWz為截割比能耗，kW·h/m3；P總為采煤機截割能耗，kW·h。

2 數據清洗

2.1 采煤機運行數據采集方法

本文所使用的數據為MG900/2400-WD采煤機在陜蒙煤田涼水井礦區工作5d所記錄的數據。該型采煤機使用的是基于CAN總線的分布式嵌入式(DSP)控制系統，在電機三相輸入側安裝有三相電流互感器，實時監控電機三相電流，滾筒截割高度傳感器采用旋轉角度傳感器，通過緊密伺服旋轉電位器，測量搖臂相對于機身的擺動角度，然后根據機器相應的幾何尺寸參數，計算當前截割高度[16]。采煤機在工作面的位置檢測與牽引速度傳感器，位于行走箱驅動輪轉軸處。該傳感器采用多圈絕對型編碼器檢測牽引行走輪的轉動圈數與角度，通過定時采樣計算出機器牽引行走的距離與速度。 所有傳感器數據通過CAN總線傳輸至控制系統，并保存到可移動存儲裝置中。

2.2 采煤機位置信號漂移處理。

架號數據代表著采煤機所處液壓支架的編號，反映出了采煤機的位置變化情況。對采集到的數據直接進行可視化，如圖2所示。根據實際情況可知，液壓支架不存在負編號。可見采集到的液壓支架的編號出現了偏差，需要對數據進行修正。首先根據圖2，可以判斷數據的漂移情況共分為三次，查看數據得到漂移發生的時間點，由此得到三個時間段。分別對三段數據求最小值，得到架號的最小值。可知三段數據的漂移量。分別修正三段數據，架號數據修正后數據如圖3所示。

圖2 架號數據漂移

圖3 架號數據修正后

2.3 速度修正算法

在對采煤機數據分析應用的過程中，根據速度可以推算出采煤機當前所處的位置，以及采煤機此時的工況，根據數據的變化情況可以判斷是處于斜切工況，還是正常截割。畫出了采煤機運行5d過程中的速度數據如圖4所示，橫坐標代表設備運行時間，縱坐標為速度大小。

圖4 速度數據

當展示所有的速度數據時，由于速度數據頻繁改變方向掩蓋了數據所蘊含的信息，以至于看不出速度數據的趨勢情況。故將時間縮短觀察數據在3000～4000s之間16min內的速度數據，如圖5所示。當通過采煤機運行數據直接進行分析時發現，采煤機的速度數據上下波動情況嚴重，但絕是其對值往往相差不大，并沒有出現數據的離群點。可見速度數據出現正負符號混亂的情況。根據實際運行情況，通過采煤機架號的變化來判斷采煤機速度的方向，來修正速度數據的正負值。根據當前時間點前后的架號來判斷速度方向，如果架號變化方向一致，則根據一致的速度方向修改速度方向，若速度方向不一致，根據時間前后架號改變近的時間點速度方向修改速度方向。檢測每個數據與前后數據的差值即前后時間段的加速度是否大于閾值，來檢測數據是否產生突變，閾值的大小由采煤機的最大加速度確定若數據產生突變則使用前后數據中的眾數來進行填充。修正后的速度數據如圖6所示。可見跳動值得到有效的替換。

圖5 3000～4000s速度數據

圖6 3000～4000s修正后速度數據

2.4 采高數據清洗。

采高數據反應了采煤機截割煤體過程中左右滾筒的高度變化，間接反應截煤體積的變化。上方線條代表的是左滾筒采高高度，下方線條表示右滾筒采高高度，此段時間做左滾筒主要承擔截煤任務，右滾筒落底清理浮煤。所以左滾筒數據受振動影響較大數據出現了較大偏差。高端采煤機都配備有記憶截割功能，能根據每層的大致變化自動調高。但受限于調高的速度，采煤機不會產生短時的調高變化。通過對數據進行可視化可以看出采高數據產生的較大的偏差，如圖7所示。通過檢測每個數據與前后數據的差值是否大于閾值，來檢測數據是否產生突變，這里的閾值由采煤機的調高速度參數決定。若數據產生突變則使用前后數據中的眾數來進行填充。清洗后采高數據如圖8所示，清洗后采高數據與實際運行狀態相符。

圖7 采高數據

圖8 清洗后采高數據

3 正常截割工況數據選取

通過對速度數據可視化發現采煤機并非一直平穩運行，在截割過程中出現割不動的情況，工作人員會遙控采煤機先后退，再重新向前截割，數據中也存在采煤機停機檢修的數據。這種工況下的數據波動大，不適用作為計算截割能耗比使用。通過對架號的變化情況可以判斷出采煤機屬于正常截割還是斜切工況。截割一刀過程中架號變化如圖9所示，由圖9可以看出采煤機在頭部進行斜切進刀，然后開始正常割煤，中間有短暫的停機，后繼續割煤，截割到達工作面尾部后，在尾部在進行斜切進刀。在選取計算截割能耗比數據的時候應當避免斜切數據和停機數據。根據架號和截割速度篩選出采煤機在不同速度下，采煤機處于正常截割工況下的運行數據。這些數據可以作為計算截割能耗比的準確數據使用。

圖9 截割一刀過程中架號變化

4 截割比能耗計算及結果分析

對數據完成清理篩選以后，通過左右采高，牽引速度和截深，可是算出一段時間內滾筒的割煤體積，通過四個電機的電流可以算出一段時間采煤機割煤所消耗的總能量。采煤機電機參數見表1。

表1 截割電機和牽引電機參數

本文一共選取了45組數據，分別包含了牽引速度從4～10m/min，通過計算得到了每組數據的割煤體積、平均牽引速度、消耗的總能量和截割比能耗。見表2，選取了7組數據展示。所有數據截割比能耗和速度的分布情況如圖10所示。可見截割比能耗在同一個速度下會隨著實際的工況產生波動，但是在一定的范圍內變化，變化范圍不超過30%。計算每個速度區間的截割比能耗平均值，通過擬合曲線發現，截割比能耗與速度的關系近似于指數函數。為了驗證擬合的指數曲線的規律關系是否合理，隨機選取了其他時間段在此地區使用過程中的數據5組，圖10中的指數函數利用圓點形數據進行擬合，三角形數據為驗證數據，可以看出三角形數據圍繞指數函數上下波動，證明了曲線的正確性。

表2 不同速度下的截割比能耗

圖10 45組截割比能耗數據分布情況

5 結 論

1)采煤機的運行數據存在大量誤差，不同的數據類型需要使用了不同的數據修正方法，本文使用的速度和采高修正算法能有效消除大部分在數據采集過程中造成的誤差。通過設備的運行數據，能夠計算出該地區的截割比能耗。

2)在相同速度下，采煤機的截割比能耗存在著上下波動，波動幅度為當前速度下，平均截割比能耗的30%以內。同時，截割比能耗會隨著速度的提高，呈現指數下降的趨勢。

3)通過運行數據能夠計算出某一地區的截割比能耗，為下一階段此地區采煤機的設計和改進提供指導數據。運用數據挖掘技術能為采煤機的精細化設計提供數據支撐。