[发明专利]采煤机剩余寿命的预测方法

说明书

本发明提供一种采煤机剩余寿命的预测方法，属于煤矿智能化领域。包括：获取采煤机各个运行过程中分别采集的初始多源信号；对每个运行过程采集的初始多源信号进行预处理，得到每个运行过程的目标多源信号；提取每个目标多源信号中的健康指标特征向量；组合各个目标多源信号中的健康指标特征向量，得到采煤机的健康指标特征矩阵；将健康指标特征矩阵输入预先训练好的采煤机剩余寿命预测模型，得到采煤机的剩余寿命。本发明提供了一种实时预测采煤机剩余寿命的方法，该方法对采煤机的运行可靠性和安全性具有重要的意义。

技术领域

本发明涉及煤矿智能化技术领域，尤其涉及一种采煤机剩余寿命的预测方法。

背景技术

随着煤矿智能化技术的发展，煤矿对于综采设备可靠性的要求不断提高。采煤机作为煤炭开采的核心设备之一，其运行稳定性与开机率直接决定着整个煤矿的安全与生产效率。然而，因长期处于变工况环境并受到冲击载荷影响，采煤机故障时有发生，这对煤矿的安全生产和工作人员的生命安全造成严重威胁，因此，对采煤机进行剩余使用寿命预测研究显得尤为重要，采煤机剩余寿命预测旨在从状态监测信息中观察到的持续退化趋势来预测采煤机的剩余使用寿命(RUL)。

对采煤机进行剩余使用寿命预测研究，可大大提高采煤机的可靠性，避免不必要的停机，保证采煤机发挥最大的工作能力，对保障采煤机的运行可靠性和安全性具有重要的意义。因此，有必要提供一种采煤机剩余寿命的预测方法。

发明内容

为解决上述技术问题，本发明提供一种采煤机剩余寿命的预测方法。本发明采用的技术方案是：

一种采煤机剩余寿命的预测方法，其包括：

S1，获取采煤机各个运行过程中分别采集的初始多源信号；

S2，对每个运行过程采集的初始多源信号进行预处理，得到每个运行过程的目标多源信号；

S3，提取每个目标多源信号中的健康指标特征向量；

S4，组合各个目标多源信号中的健康指标特征向量，得到采煤机的健康指标特征矩阵；

S5，将健康指标特征矩阵输入预先训练好的采煤机剩余寿命预测模型，得到采煤机的剩余寿命。

可选地，所述S5在将健康指标特征矩阵输入预先训练好的采煤机剩余寿命预测模型之前，还包括：

S51，获取根据采煤机历史运行过程采集的初始多源信号确定的健康指标特征集；

S52，将健康指标特征集中的健康指标特征划分为训练集和验证集；

S53，分别对训练集和验证集中的目标健康指标特征进行聚类分析，以将采煤机的健康阶段划分为平稳运行阶段、初始退化阶段和加速退化阶段三个健康阶段；

S54，分别计算所述训练集和验证集中的所有健康指标特征与健康阶段之间的可识别性指标，并根据计算结果对训练集和验证集中的健康指标特征进行筛选，得到代表性健康指标特征矩阵；

S55，根据健康阶段计算采煤机的剩余寿命和健康状态；

S56，分别根据训练集和验证集的代表性健康指标特征矩阵和健康状态拟合采煤机的训练集退化曲线族和验证集退化曲线族；

S57，计算训练集退化曲线族中每条退化曲线与验证集退化曲线族中每条退化曲线之前的距离和相似度，并根据距离和相似度从训练集退化曲线族中筛选与验证集退化曲线族中的退化曲线最为相似的若干组退化曲线作为剩余寿命预测集；

S58，获取剩余寿命预测集中每条退化曲线的剩余寿命，并根据相似度对剩余寿命预测集中每条退化曲线的剩余寿命赋予权重，得到采煤机剩余寿命预测模型。

可选地，所述S51在获取根据采煤机历史运行过程采集的初始多源信号确定的健康指标特征集时，包括：