摘要：以物聯網為構架，開發了基于物聯網的礦井自動排水設備健康管理平臺，從感知層、網絡層和應用層三部分展開了設計分析，給出了物聯網健康管理系統結構圖。通過振動與電流傳感器對所有設備的運行狀態信息進行收集，利用LabVIEW將采樣所得的波形顯示與屏幕上。先建立ODBC數據源，并配置LabVIEW不同數據間的鏈接屬性。完成了礦井自動排水泵的故障診斷和健康預測，給出其界面功能和狀態信息的可視化顯示。

　　關鍵詞：礦井,自動排水系統,健康管理平臺,物聯網

　　現階段，國內的大部分煤礦企業都已實現排水設備的自動控制過程，可以結合管道流體壓力、倉位等數據并通過電磁閥合理調控離心泵處于運行或停止狀態，同時還可以進一步對控制系統進行聯網以實現遠程控制的目標[1-3]。但到目前為止，尚未建立對礦井自動排水設備進行健康管理與故障分析的完善監控系統，主要表現在還無法準確獲知發生故障的區域范圍，不能全面確定各類故障的實際范圍[4]。

　　根據上述分析，為了掌握排水設備的實際運行狀態，防止發生老化或磨損的問題，應構建一套更加全面、可靠的健康監測管理系統[5]。物聯網技術屬于目前處于快速發展階段的一門新型信息技術，可以實現對各類信息數據的實時感知、傳輸與高效處理，綜合了各類全新的感知技術、智能識別和與計算技術，同時充分發揮互聯網信息高效傳輸的優勢，極大促進了整個信息行業的技術進步與服務水平的提升。

　　當前，各個行業都與物聯網技術形成緊密結合，并對人們的日常生活也造成了明顯影響。物聯網技術也被廣泛應用于許多煤礦行業中來實現礦井自動排水的功能，同時還可以更加高效地管理礦井中的自動排水設備，符合我國的產業政策導向要求[6-8]。

　　本文主要研究了礦井自動排水設備各項故障因素并對其進行了健康預測，在此基礎上對礦井自動排水設備進行了實驗測試、理論計算并對收集得到的數據進行了系統分析，從而可以高效監測礦井的各個自動排水泵狀態并準確診斷實際故障因素，最終開發得到了一套可以監測礦井自動排水設備以及實現健康管理的系統，有效預防了因為煤礦水災害而造成人員大量傷亡或各類意外經濟損失，本文研究結果對于指導實際生產過程提供了一定的應用依據。

　　1系統整體方案設計

　　對礦井排水設備進行健康管理都需要建立在物聯網技術的基礎上。

　　1.1全面感知

　　礦井的自動排水系統由高壓電機、離心泵、閥門與管路等多個部分共同組成。對系統運行情況進行分析時，需采集的信號包括高壓電機軸溫、小井液位、離心泵進口與出口壓力值、排水量等，同時還要分析電機電流信號以及離心泵振動信號。這些信號都是由本實驗系統的離心泵健康管理平臺產生。根據上述各項信號分析結果可以準確判斷出此系統的整體運行狀態，并且還能進一步預測礦井中各個自動排水泵對應的剩余健康值。

　　1.2傳輸可靠

　　在物聯網技術中，除了需要收集各類設備狀態信息，還要確保這些數據能夠實現可靠的傳輸。可以利用井下以太環網把低頻信號傳輸至系統數據管理中心，同時再利用OPC技術實現該數據與大學數據庫之間的相互關聯，對于高頻信號則是利用以太網與數據庫之間直接構建連接，從而更加方便被LabVIEW調用。確保準確傳輸物聯網數據是高效、健康管理礦井自動排水設備的前提。因此，必須保證輸入數據庫內的所有數據都不能出現丟包或誤碼的情況，以此確保實現健康管理的目標。

　　1.3智能化處理

　　根據數據庫中各個低頻信號的曲線擬合結果可以計算出特定流量揚程，可以獲得排水泵對應的剩余健康數據，之后再利用LabVIEW來實現可視化顯示數據的過程;為可視化界面設定了小井液位的上限與下限值以及電機的最高軸溫，并綜合評價礦井自動排水系統的整體運行狀態;此外，也可以分析數據庫含有的高頻信號來獲得離心泵實際運行過程的時頻譜圖，之后對這些時頻數據實施EMD分解，從而得到IMF分量，然后將輸入IMF分量其中BP網絡進行訓練，并給出合理化改善建議。最后，在數據庫中輸入智能處理結果，為后續查詢過程提供便利。

　　2設備配置與數據采集

　　為全面感知礦井自動排水泵的運行狀態，應合理選擇振動與電流傳感器、工控機以及數據采集卡的類型，同時還應正確配置所有傳感器以及正確安裝數據采集卡驅動。通過振動與電流傳感器對所有設備的運行狀態信息進行收集，根據模數轉換結果可以獲得不同頻率對應的電流信號，再把該信號傳輸至工控機中。振動與電流傳感器硬件配置：將采集的振動信號與PCI-4472采集卡建立信號連接;為電流傳感器配置的電源電壓為12V，之后利用ADAM-3968和PCI-1716L采集卡建立連接。

　　在PCI插槽內插入該采集卡，從而完成顯示與保存數據的功能。根據下述條件配置振動與電流傳感器的信號采集系統：先為測量及自動化資源管理器配置參數信息，并設定采樣率等于10kHz，并以差分模式進行測試。把上述配置得到的信號源傳輸至LabVIEW采集系統中，可以完成1000點的采樣分組。先安裝好系統系統，之后設置功能參數并完成保存，最后把信號源輸入至LabVIEW電流信號采集系統內以實現采集電流信號的功能。

　　3可靠傳輸設計

　　利用遠程傳輸的方式在數據庫中寫入或讀取數據，便完成了遠程傳輸信息。先構建MicrosoftSQLServer2008R2數據庫，再配置數據庫;之后，正確設置IP地址，同時建立ODBC數據源;配置LabVIEW不同數據間的鏈接屬性和設定為數據庫讀寫程序來實現遠程讀寫數據的目的。

　　3.1構建數據庫

　　本文構建得到了PaiShuiShuJu數據庫，可以把數據表分類成振動信號與電流信號兩種數據表;電流信號數據表包括序號、采樣時間、電流共三個變量名。

　　3.2配置ODBC數據源

　　本文利用ODBC數據源方式來遠程讀取數據并對SQLSever數據庫進行訪問。可以根據下述步驟實現：①首先在LabVIEW默認安裝路徑中設置好LabSQL工具包;②從計算機“管理工具”選項中選擇“數據源”，將“SQLSever”加入“用戶DSN”里;③為“SQLSever新數據源”進行命名，同時從"服務器"的下拉列表里輸入數據庫服務器IP。④選擇SQLSever驗證方式，同時輸入對應的用戶名與密碼;⑤確定鏈接數據庫，本文選擇LiGDDATA作為鏈接數據庫，之后測試了該數據庫的數據源。

　　4排水系統實現

　　根據礦井自動排水設備狀態的可靠傳輸與全面感知，智能處理上述各項數據。根據數據庫高頻信號的視頻特征可以獲得離心泵運行狀態下的時頻譜圖，之后對其實施EMD分解，得到IMF分量值，再把該值傳輸到BP神經網絡中來完成診斷泵故障的功能，并給出維修建議;此外，根據擬合得到的低頻信號曲線特征可推斷出額定流量狀態下對應的揚程，相比于實驗測試得到的揚程序列數據，可以進一步推導出礦井自動排水泵所具備的剩余健康預測數據。

　　1)具備“運行”與“停止”按鈕;2)分析振動信號的時頻特征并繪制曲線，計算各項參數值;3)對讀取的振動信號進行EMD分解，獲得各個頻段下的分量并計算出不同頻段的能量;4)從訓練樣本中讀取振動信號，并以此作為辨別標準;5)在BP神經網絡中輸入頻段能量，獲得故障的診斷數據;6)收集歷史數據并繪制圖表，對各組振動信號特征量進行記錄并將結果存儲到數據庫內。

　　5結論

　　為了有效預防了因為煤礦水災害而造成人員大量傷亡或各類意外經濟損失，本文設計了基于物聯網的礦井自動排水設備健康管理平臺，從感知層、網絡層和應用層三部分展開了設計分析，給出了物聯網健康管理系統結構圖，并以離心泵故障診斷界面為例分析了基于物聯網的排水系統實現，為礦井自動排水系統的自動化實現奠定一定的基礎。

　　參考文獻：

　　[1]王盛杰,李小喜,許春雨,田敏,宋建成,王曉軍.礦井自動排水自動化監測監控系統的開發[J].中國礦業,2014,23(12):147-151.

　　[2]彭宇,劉大同.數據驅動故障預測和健康管理綜述[J].儀器儀表學報,2014,35(03):481-495.

　　[3]景博,湯巍,黃以鋒,楊洲.故障預測與健康管理系統相關標準綜述[J].電子測量與儀器學報,2014,28(12):1301-1307.

　　[4]郭文琪,宋建成,田慕琴.基于數據驅動的礦井自動排水設備健康預測方法[J].工礦自動化,2017,43(11):39-48.

　　[5]趙敏,高宏力,許明恒,郭志平,喬宏,吳希曦,黃柏權.多變量灰色模型在滾珠絲杠剩余健康預測中的應用[J].計算機集成制造系統,2011,04:846-851.

　　相關刊物推薦：中國礦業(月刊)創刊于1992年，由國土資源部主管、中國礦業聯合會主辦的大型礦業期刊。