基于人工智能的煤矿机电设备运行参数预测研究.pdfVIP

总第253期现代工业经济和信息化Total253

2025年第7期ModernIndustrialEconomyandInformationizationNo.7,2025

两化融合DOI:10.16525/ki.14-1362/n.2025.07.024

基于人工智能的煤矿机电设备运行参数预测研究

徐西祥，黄青，曹富国，李强，杨坤

（新汶矿业集团有限责任公司翟镇煤矿，山东泰安271200）

摘要：煤矿机电设备运行参数是设备状态的重要反映，传统的监测和分析方法因建模能力有限，难以应对数据的

动态变化和异常趋势，导致设备故障频发、停机损失增加。围绕煤矿机电设备运行参数预测问题，提出一种基于人工

智能的预测技术，采用高频数据采集与多层次特征提取，构建XGBoost算法框架，利用动态权重调整优化故障样本

的预测能力，在实际工程中应用验证人工智能方法在预测精度、故障预警能力及经济效益上的显著优势，充分体现

人工智能在煤矿智能化管理中的应用价值。

关键词：煤矿机电设备；运行参数预测；人工智能；XGBoost；变分自编码器

中图分类号：TD607;TD407文献标识码A

0引言100次/s，单日数据量达数10GB。为提升数据质量，

煤矿机电设备是现代煤炭工业生产的关键组成本文采用基于变分自编码器(VAE)的异常检测算法，

部分,其运行状态直接关系到生产效率和安全保障[1。对异常数据进行筛除。结合递归特征消除(RFE)算法

煤矿机电设备运行环境复杂，受多种因素影响，运行及设备运行机理，提取振动幅值、功率变化率和温度

参数的变化具有较强的非线性和时变特性，传统监测梯度等关键特征参数，显著降低数据维度，减轻后续

与分析方法难以满足高效预测和精准管理的需求。人计算负担[3]。针对数据的时间序列特性及非线性变

工智能技术以其卓越的数据处理能力和复杂关系建化，采用滑动窗口技术构建样本集合，每个序列片段

模能力，为煤矿机电设备运行参数的精准预测提供全长度设定为50个时间步。为了进一步增强数据的表

新的解决方案[。本文针对煤矿机电设备运行参数的达能力，结合傅里叶变换分解原始时序数据至频域，

预测问题，研究基于人工智能的技术体系和应用效增强数据表达能力，捕捉高频振动特征与低频趋势

果，探索一种面向未来煤矿智能化管理的有效路径，项。离散傅里叶变换的核心公式为(1)：

助力提升生产效率和安全水平。N-1

1工程概况x(k)=Zx(n)e-2akin,.(1)

n=0

某大型现代化煤矿位于我国北方煤炭主产区，式中：x(k)为频域信号;x(n)为时域信号;N为采样点

年设计生产能力为1200万t，实际年均产量保持在数。此公式提取的频域信息被进一步用于分析设备运

1000万t左右。矿区装备40余台采煤机、70余台液行参数的周期性波动模式。为应对样本分布不均问

压支架及大量辅助设备，主要运行在千米以上的井下题,引入合成少数类过采样技术(SMOTE)生成稀有状

工作面，环境复杂且温湿度波动大。传感器监测数据态样本,平衡训练数据的分布。处理后的数据再经归

显示，设备运行过程中约33.4%的停机事故由参数异

常引发,其中液压支架系统的异常压力波动占比超过于模型训练。

40%，刮板输送机的电流过载问题发生率接近26%。2.2模型训练预测

据统计，设备非计划停机每小时造成直接经济损失约模型训练中,本文引入人工智能中的XGBoost算

15万元，年均累计停机时间超过400h，导致总损失法构建针对采煤机、刮板输送机、液压支架等设备的

超过6000万元。传统的设备维护策略以定期检修为高效预测模型。基于采集的振动、温度、电流等多维数

主,无