一种基于不同工况的采掘设备传感器数据自适应采集方法
阅读说明：本技术 一种基于不同工况的采掘设备传感器数据自适应采集方法 (Mining equipment sensor data self-adaptive acquisition method based on different working conditions ) 是由 贾有生 鲍文亮 刘国鹏 王光肇 王以超 唐会成 侯林 靳明智 康永玲 李焕丽 许 于 2020-06-05 设计创作，主要内容包括：本发明涉及一种基于不同工况的采掘设备传感器数据自适应采集方法,提出一种依据数据波动大小量化分析结果,实时调整采样周期的自适应采集方法,具体为设备工作时传感器数据变化急剧,则加大采集频次；设备在待机状态时数据变化缓慢则减小采样频次,在保证有价值数据不丢失前提下,尽量减少无用数据采集量,实现了在不同工况下依据数据变化度动态调整采样周期。可大幅提高资源利用率,提升工作效率,对于实现设备智能控制、故障诊断及预测具有很大作用。(The invention relates to a self-adaptive acquisition method of sensor data of mining equipment based on different working conditions, and provides a self-adaptive acquisition method for adjusting a sampling period in real time according to a data fluctuation quantitative analysis result, in particular to a method for increasing the acquisition frequency when the sensor data changes sharply when the equipment works; when the device is in a standby state, the sampling frequency is reduced if the data change is slow, the amount of collected useless data is reduced as much as possible on the premise of ensuring that valuable data are not lost, and the sampling period is dynamically adjusted according to the data change degree under different working conditions. The resource utilization rate can be greatly improved, the working efficiency is improved, and the intelligent control, fault diagnosis and prediction of equipment are realized.)
技术领域
本发明涉及煤矿智能化技术领域，更具体地说，涉及一种基于不同工况的采掘设备传感器数据自适应采集方法。
背景技术
当前，煤炭仍是我国最主要能源。煤机装备的自动化、智能化是保障煤炭高效安全开采的重要条件，采掘设备是煤矿井下最前端的煤机装备，工作面环境条件差、工况恶劣，设备维护修理难度大，为保证煤矿的正常生产，提高设备及部件的使用寿命，提升系统故障诊断及故障预测水平尤其重要。智能化控制及故障诊断预测需要大量数据信息，现有的采掘设备装设了大量传感器，而数据采集均是采用等间距的方式，这样常导致数据量快速增长，而有用数据却并不多，如果采用简单增大采样间隔的方法，将导致有用数据丢失、信息量不全。大量的数据占用太多的存储空间或通讯资源，且使后续的数据处理和运算工作繁杂。严重制约了设备智能化的发展。
发明内容
针对现有采集方法的不足，本发明提供一种基于不同工况的采掘设备传感器数据自适应采集方法。
本发明解决其技术问题所采用的技术方案是：构造一种基于不同工况的采掘设备传感器数据自适应采集方法，包括：
在实时采集的采掘设备传感器数据中，针对任意一种传感器数据，计算第一预设时间间隔内的平均数据变化量，和第二预设时间间隔内的平均数据值；
根据计算得到的平均数据变化量和平均数据值，确定对应传感器数据的数据变化度；其中，数据变化度表征采集的数据的变化剧烈程度；
将计算得到的数据变化度与预设的基准值进行比较，根据比较结果调整数据采样周期及运行参数。
其中，平均数据变化量是在预设第一时间间隔内采集到的相邻两个数据量的变化情况，针对预设第一时间间隔内采集的多个数据，分别计算每相邻两点的绝对数据差值，将第一时间间隔内采集数据的全部绝对数据差值求取平均值，作为平均数据变化量；公式表示为：
其中，D1-Dk为预设第一时间间隔内采集的数据。
其中，平均数据值是在预设第二时间间隔内采集到的全部数据的平均值；公式表示为：
其中，D1-Dp为预设第二时间间隔内采集的数据，且P≥K，预设第二时间间隔时长≥预设第一时间间隔时长。预设第一时间间隔的时间起点和时间终点包含于预设第二时间间隔的时间段内。
其中，数据变化度的公式表示为：
其中，将计算得到的数据变化度与预设的基准值进行比较，根据比较结果调整数据采样周期的步骤中，包括步骤：
预设基准值和基准周期；其中，基准值和基准周期是根据传感器采集数据进行分析，确定传感器在最常态化运行时计算得到的数据变化度和采样周期值；
若计算得到的数据变化度≤90%基准值，则采样周期确定为110%基准周期值；
若计算得到的数据变化度≤80%基准值，则采样周期确定为125%基准周期值；
反之，若计算得到的数据变化度≥110%基准值，则采样周期确定为90%基准周期值；
若计算得到的数据变化度≥125%基准值，则采样周期确定为80%基准周期值；
采样周期分别设定上限值Tmax和下限值Tmin，当采样周期调整至上限值或下限值时，保持以上限值或下限值的采样周期进行数据采集。
其中，将调整后的采样周期与预设的采样周期阈值进行比较，若调整后的采样周期小于采样周期阈值，则按照新的采样周期采集数据并进行相应计算；若大于等于预设采样周期阈值，则按照新的采样周期进行数据采集，并按新的数据量（采样周期阈值对应新的数据量）进行相应计算，在这个过程中，如检测到有连续异常数据，则按基准周期采集数据并计算。
区别于现有技术，本发明的基于不同工况的采掘设备传感器数据自适应采集方法，提出一种依据数据波动大小量化分析结果，实时调整采样周期的自适应采集方法，具体为设备工作时传感器数据变化急剧，则加大采集频次；设备在待机状态时数据变化缓慢则减小采样频次，在保证有价值数据不丢失前提下，尽量减少无用数据采集量，实现了在不同工况下依据数据变化度动态调整采样周期。可大幅提高资源利用率，提升工作效率，对于实现设备智能控制、故障诊断及预测具有很大作用。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明提供的一种基于不同工况的采掘设备传感器数据自适应采集方法的数据变化度计算及采样周期调整流程图。
图2是本发明提供的一种基于不同工况的采掘设备传感器数据自适应采集方法中采样周期动态自适应调整流程图。
图3是本发明提供的一种基于不同工况的采掘设备传感器数据自适应采集方法中采样周期随数据变化调整的变化示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
煤矿井下工况恶劣，矿井地质条件、设备本身性能、操作人员熟练程度等原因导致采掘设备工作时变数太多，无法提前确定工作设备的工作状态，因此无法按照不同时间段规划数据采样周期。现有的一些数据采集方法，功能不够灵活，不具有扩展性，不能满足采掘设备数据采集需要。本发明提出一种方法：对实时采集的数据波动大小进行量化评估，反推确定当前设备工况，并重新设定采样周期，这种数据处理分析方法，可适用于任何采掘设备，更加灵活。
参阅图1和图2，图1是本发明提供的一种基于不同工况的采掘设备传感器数据自适应采集方法的数据变化度计算及采样周期调整流程图，图2是采样周期动态自适应调整流程图，该方法的步骤包括：
S110：在实时采集的采掘设备传感器数据中，针对任意一种传感器数据，计算第一预设时间间隔内的平均数据变化量，和第二预设时间间隔内的平均数据值。
S120：根据计算得到的平均数据变化量和平均数据值，确定对应传感器数据的数据变化度；其中，数据变化度表征采集的数据的变化剧烈程度。
S130：将计算得到的数据变化度与预设的基准值进行比较，根据比较结果调整数据采样周期及运行参数。
其中，平均数据变化量是在预设第一时间间隔内采集到的相邻两个数据量的变化情况，针对预设第一时间间隔内采集的多个数据，分别计算每相邻两点的绝对数据差值，将第一时间间隔内采集数据的全部绝对数据差值求取平均值，作为平均数据变化量；公式表示为：
（1）
其中，D1-Dk为预设第一时间间隔内采集的数据。
其中，平均数据值是在预设第二时间间隔内采集到的全部数据的平均值；公式表示为：
（2）
其中，D1-Dp为预设第二时间间隔内采集的数据，且P≥K，预设第二时间间隔时长≥预设第一时间间隔时长。预设第一时间间隔的时间起点和时间终点包含于预设第二时间间隔的时间段内。
其中，数据变化度的公式表示为：
（3）
其中，将计算得到的数据变化度与预设的基准值进行比较，根据比较结果调整数据采样周期的步骤中，包括步骤：
预设基准值和基准周期；其中，基准值和基准周期是根据传感器采集数据进行分析，确定传感器在最常态化运行时计算得到的数据变化度和采样周期值；
若计算得到的数据变化度≤90%基准值，则采样周期确定为110%基准周期值；
若计算得到的数据变化度≤80%基准值，则采样周期确定为125%基准周期值；
反之，若计算得到的数据变化度≥110%基准值，则采样周期确定为90%基准周期值；
若计算得到的数据变化度≥125%基准值，则采样周期确定为80%基准周期值；
采样周期分别设定上限值Tmax和下限值Tmin，当采样周期调整至上限值或下限值时，保持以上限值或下限值的采样周期进行数据采集。
其中，将调整后的采样周期与预设的采样周期阈值进行比较，若调整后的采样周期小于采样周期阈值，则按照新的采样周期采集数据并进行相应计算；若大于等于预设采样周期阈值，则按照新的采样周期进行数据采集，并按新的数据量（采样周期阈值对应新的数据量）进行相应计算，在这个过程中，如检测到有连续异常数据，则按基准周期采集数据并计算。
在具体实施过程中，如果通过调整，增大了采样周期，在以调整后的采样周期进行数据采集时，导致数据采集缓慢，后续再次计算平均数据变化量和平均数据值时，采集同样数据时用时相应延长。针对上述情况采取的解决方案是设定预设的采样周期阈值，若调整后的采样周期大于等于采样周期阈值，则减少所采数据量，在不影响数据变化度计算的前提下，适当减少数据量，避免了因数据采样周期增大，导致出现了计算缓慢、实时性差的问题。
如前所述，在Tm的时间间隔内，采集到D1-Dk共k个数据，在Tn的时间间隔内，采集到D1-Dp共p个数据，通过后续计算，增大采样周期时，在Tm和Tn的时间间隔内，则无法采集到k和p个数据。此时对应采样周期阈值，预先设定了Ky、Py值，即新的数据量值，且Ky＜k、Py＜p，Py≥Ky，新的情况是计算方法不变，变化的仅是数据量k和p，以及采样时间间隔Tm 和Tn。
进一步，在上述步骤中，调整采样周期完成后，对调整完成后采集的数据值进行分析，若连续采集的多个数据均判定为异常数据，则要按基准周期和原有数据量（k，p）进行下一轮的计算和调整，若无连续异常数据，则要按新的采样周期及新的数据量值（Ky、Py）进行数据采集和计算。
图3为本发明实施例的随数据变化调整采样周期示意图，如图示，在T1时刻开始采集数据，因数据变化急剧故采样周期小，到T2时刻，数据变化平缓，采样周期变大，到T3时刻，数据变化更加平缓，采样周期进一步增大。
区别于现有技术，本发明的基于不同工况的采掘设备传感器数据自适应采集方法，提出一种依据数据波动大小量化分析结果，实时调整采样周期的自适应采集方法，具体为设备工作时传感器数据变化急剧，则加大采集频次；设备在待机状态时数据变化缓慢则减小采样频次，在保证有价值数据不丢失前提下，尽量减少无用数据采集量，实现了在不同工况下依据数据变化度动态调整采样周期。可大幅提高资源利用率，提升工作效率，对于实现设备智能控制、故障诊断及预测具有很大作用。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：基于逆波兰算法的数字示波器数学运算处理方法