采煤机运行状态数据分布式实时预测模型

摘要

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.