关键词：矿山设备;物联网;知识建模;状态诊断;大数据分析
摘 要：矿山生产机电设备是机械、电气、液压、控制等多形式系统的复杂耦合结构,工作过程中环境和工况条件变化多样,缺乏有效的技术手段解决矿山设备运行健康状态的实时感知问题。借助物联网、工业互联网、人工智能和大数据挖掘技术,研究矿山设备状态知识建模与在线诊断方法,将传统的"人-机"交互监控模式提升为"传感—机器认知—机器决策"的智能化监控模式。分析了基于物联网的矿山设备状态感知系统架构,定义了多源信息感知层、边缘智能层、大数据分析层和数据与知识共享迁移层的4个层次的作用,提出了设备状态知识共享与迁移模式;结合本体语义、置信规则库和数字孪生技术,设计了面向矿山机械设备系统状态知识建模的信息描述、知识表示、决策融合方法,提出了面向矿山设备运行全过程的实时感知、演化分析与智能交互的"虚实融合"感知模型,实现虚、实系统运行过程的"精准映射、信息对偶、融合交互、协同演进"。分析了数据驱动的矿山机械设备状态诊断方法研究现状、技术架构、存在问题和研究趋势,提出结合数字孪生、深度学习、迁移学习等方法,构建机理模型、经验知识与数据深层特征相融合的矿山设备状态诊断模式,研究矿山设备状态大数据分析与应用技术,研发矿山设备状态诊断与全生命周期管理等智能化应用服务系统。形成了矿山设备运行信息感知、知识建模与状态在线判识方法体系,以实现矿山机械设备故障状态自诊断、早期隐患预知维护、智能调度与协同管控,为矿山生产智能化、无人化提供技术支撑。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取