摘要
课题共有4个方面的研究任务，截至目前，各个任务按照课题任务书的要求进展顺利：任务1基于开源Apache Hadoop平台和开源技术，建立智能开采大数据采集分析处理平台提供海量数据信息采集、处理、存储和分析计算功能，结合数据挖掘和机器学习技术，为各类业务应用提供基础的技术支撑，并完成3项关键技术研究：模型驱动的状态监测报文通用解析技术、基于故障信息事件模型的故障模式挖掘以及基于列式文件格式的时间序列数据存储与查询技术。为完成任务2智能开采效能和安全的评价体系的研究，首先确定采区外部的效能指标体系，分为三层，其中一级指标为4个，有环境、人员、设备以及生产，二级指标为9个，三级指标有42个。然后采用综合层次分析法、OEE、ADC、OPE以及量化指标法等技术，建立了开采效能综合评价模型。任务3通过研究基于大数据的智能开采效能优化模型，课题完成了9项算法研究与开发，包括设备故障预警、乳化液泵滤芯堵塞故障判断与预警、工作面顶板来压预测、人员操作行为分析及液压支架动作异常分析、泵站稳压模型、SAC电液控制器异常判断等算法，部分算法已在示范矿井应用测试。任务4智能开采效能和安全分析决策系统的研发完成系统主要功能设计及原型设计根据现场调研情况，对开采效能评价体系及优化模型进行分析，梳理各项指标的来源及计算方法，设计开采效能评价及优化模型的采集、处理、分析的流程及展示页面，并完成数据采集存储平台搭建。
NSTRS