摘要：以液压支架电液控制系统故障快速诊断为对象开展探究，在系统应急改造分析的基础上，针对基于大数据技术构建而成的决策服务平台进行全面介绍。实践表明，所构建的大数据决策服务平台能够实现对液压支架电液系统故障的快速诊断，对于推动矿井生产综合效益提升具有重要作用。
关键词：液压支架；电液控制系统；故障诊断；大数据决策分析
液压支架作为矿井生产作业中不可或缺的关键设备，其配套的电液控制系统融合液压控制、远程通讯、智能监测、智能分析等众多技术，是确保生产安全的关键。但受井下生产作业环境复杂多变的影响，目前矿井生产中所用的液压支架电液控制系统时常发生各类故障，一旦出现故障，常规的诊断只能依靠技术人员，这在一定程度上制约了液压支架电液控制系统功效的发挥。有鉴于此，探索建立高效的液压支架电液控制系统故障诊断体系，对于提升生产作业的有效性意义重大。本次研究基于大数据分析技术，构建针对液压支架电液控制系统的故障分析服务平台，以实现对电液控制系统的远程在线诊断，从而提升其维护的便捷性和可操作性。
1系统硬件改造分析
1.1现场数据总线改造升级
在矿井生产作业中，以往的基于现场总线（CAN）技术的液压支架实时采集箱电液控制系统在使用过程中存在数据量庞大、传输迟缓等不足，不能很好地适应矿井实际生产需求。因此，利用基于现代网络技术的工业以太网充当现场通讯总线技术对原有系统进行升级优化。以太网通讯系统可分为3个构成层，分别是网络层、传输层和应用层。其中，前两层运用TCP/IP技术构建，后者基于CIP协议构建。作业时，应用层能够根据所传输数据的不同，提出针对性的服务。其所传输的信息可分为显式和隐式两大类，传输时显式信息传输较为便捷，可随时传输；隐式信息传输过程对时间要求较高，需按照固定节点进行。基于此，作业时应用层通过TCP（传输控制协议）进行显式信息传输，通过UDP（用户数据报协议）进行隐式信息传输[1-3]。与此同时，为了保障数据能够有效地自动传递，在硬件电路系统中增设交互机组件，以降低控制器（MCU）数据转发的处理负担，提高数据通讯效率。图1为支架控制器数据通讯示意图，其中，控制器的主要功能便是负责整个系统的逻辑运算；交互机负责实现各个支架控制器间的有效互联，以确保数据能够自动传递，而以太网便是数据传递的通道。
1.2电气参数采集电路优化
对于常用的电液控制系统而言，其仅能够实现对液压支架作业状况的简单监测和逻辑控制，并不能对系统核心组件的运行参数进行实时有效的采集，这使得在使用中往往很难有效判定和预测故障。针对这一不足，本次优化在控制器硬件电路中增设了专用的精确测量电路，以实现对传感装置、驱动器和控制器等各类组件电气参数的有效测定。由于所有供电单元全部使用独立的恒压恒流电源进行供电，借助高精度的差分A/D转换器，可实现对各供电单元电气参数微弱变化的有效监测。图2为电气参数采集电路结构示意图。作业时，电磁先导阀能否实现对电流的精确监测是确保作业有效性的关键环节。由于电磁先导阀属于整个系统电控和液控有效转换的枢纽环节，如何确保其运行的持续、高效，对于确保生产作业的有效性意义重大。
2构建大数据决策服务平台
2.1大数据的收集
所谓“大数据的收集”，概指借助各种途径来获得各种类型的海量数据，包括结构化、半结构化与非结构化等多种类别，这些是构建大数据服务模型的基础。其中涉及到电液控制系统故障诊断功能的主要数据包含设备自检数据、设备运行参数、设备运行状态数据和历史累计数据等。
2.2大数据传输
针对矿井生产自动化系统搭建的实际情况，在大数据决策服务平台的构建上采用三层架构的数据传输网络。图3为数据采集传输链路示意图。作业时，系统先通过数据采集装置收集设备故障信息，随后借助井下以太环网将相关数据推送至集控中心，再经由集控中心的专用转发软件，借助在线网络将诊断信息实时传输至决策服务平台进行处理分析。
2.3大数据处理
图4为大数据决策分析服务平台构成示意图，整个平台通过Hadoop（分布式系统基础架构）实现对数据集群的存储和计算，通过HDFS（分布式文件系统）进行数据文件的管理存储；运用MapReduce（编程模型）运行机制实现系统运行管理的并行化。作业时，先通过Hadoop将大量故障诊断数据导入后进行预处理，并在此基础上将相关整理后的数据存储至HDFS文件系统中。同时，整个平台作为一个源服务器，针对使用者的使用需求，提供相应的各类数据。
3大数据故障诊断引擎设计
诊断引擎是整个系统诊断功能得以充分发挥的关键节点，其主要构成包括数据加载模块、分类预测模块和结构存储模块。作业过程中，加载模块借助分布式系统对数据实施降维处置，使其复杂程度大幅降低，以便于缩减后期运算复杂程度，提升预测准确性；分类预测模块的主要功能是将不同的故障信息筛选汇总，通过整合分析获得各自独有的特征曲线，并将其与预存数据比对后确定故障类型，进而对外输出；结果存储模块的主要功能是将并行处理的中间结果数据和分类预存数据存储至分布式文件系统中[4-5]。数据分析是采用C4.5决策树分类算法对故障样本进行分类，但由于常规的C4.5决策树分类算法基于串行模式开展设计，使用中只能在所有数据均导入内存的情况下才能进行分数筛选和比对处理，使得处理效果大打折扣。因此，在本次研究中，运用MapReduce（编程模型）对分类算法实施优化，将并行算法作为各故障诊断识别的核心，运用后剪枝技术改善以前C4.5决策树分类算法应用中存在的不稳定且易过度拟合的不足，进而提升决策的准确度[6]。
4结语
在实际工作中，将大数据技术应用于矿井液压支架电液控制系统故障诊断中，能够在不影响生产作业正常开展的情况下，实现对液压支架电液故障的快速分析和精准判定，为故障的针对性处置提供有效帮助，从而实现矿井生产综合效益的提升。
参考文献：
［1］程建斌.综采液压支架电液控制系统应用研究［J］.江西化工，2019(5)：161-163.
［2］孙洋.液压支架电液控制系统维修技术研究［J］.中国设备工程，2019(10)：53-55.
［3］高晋，田慕琴，许春雨，等.液压支架电液控制系统总线通信故障检测研究［J］.煤矿机械，2019，40(8)：173-176.
［4］张雪梅.基于大数据的液压支架电液控制系统故障诊断［J］.工矿自动化，2018，44(12)：34-38.
［5］李洋.分析SAC型液压支架电液控制系统硬件及故障处理方法［J］.黑龙江科技信息，2016(19)：100-101.
［6］柴文，田慕琴，宋建成，等.液压支架电液控制系统急停控制方案研究［J］.工矿自动化，2015，41(4)：13-17.
作者:郑沁楠 单位:大同煤矿集团机电装备制造有限公司
