前言：寻找写作灵感？中文期刊网用心挑选的采煤机摇臂寿命预测系统设计探析，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：为了预测采煤机摇臂的剩余寿命并将预测过程和结果集成于系统进行动态可视化显示，设计并开发了基于ASP.NET框架的采煤机摇臂剩余寿命预测系统。利用MicrosoftVisualStudio2010系统开发软件，采用C#语言中Process类进程调用方法驱动Python语言编写的深度学习寿命预测模型运行，结合相关控件对生成的图像和数据结果进行调用、解析和输出，完成寿命预测模型与Web系统的嵌套和交互，实现采煤机摇臂关键零部件剩余寿命预测值的可视化和数字化。最后，通过采煤机摇臂低速区惰轮机构与高速区轴承数据集验证了所开发系统的可行性与有效性。
关键词：采煤机摇臂；剩余寿命预测；深度机器学习；剩余寿命预测模型
0引言
采煤机是煤炭开采的主要设备之一，摇臂作为采煤机实现截割动作的关键部件，也是采煤机较为薄弱的部位，其能否正常作业直接影响煤矿企业的经济利益，因此对摇臂进行及时有效的寿命预测十分重要。目前对于机械零部件剩余寿命预测的研究，部分学者提出了如基于连续小波变换和卷积神经网络的剩余寿命预测方法、基于卷积神经网络与门控递归单元的寿命预测方法等，但这些研究致力于预测方法的探索，未将构建的剩余寿命预测模型嵌入系统中进行系统性和完整性的预测。对于剩余寿命预测系统的研究，部分学者提出了一些较为合理的方法，如以VisualStudio.NET为软件设计平台开发货车车体疲劳寿命预测系统、基于BP神经网络算法并采用BorlandC++Builder系统开发平台和MATLAB后台服务程序开发矿井提升机寿命预测系统等。但这些系统大多基于专家经验和知识库等，未实现实际数据动态驱动的预测。为准确掌握采煤机摇臂剩余寿命情况并将寿命预测结果及时反映给企业技术人员，本文采用基于深度卷积神经网络（DeepConvolutionalNeuralNetwork，DCNN）和自动编码器双向门控递归单元（Auto-encoderbidi-rectionalGatedRecurrentUnit，AEbi-GRU）构建的寿命预测模型和.NETFramework的Web开发平台设计开发采煤机摇臂剩余寿命预测系统，实现采煤机摇臂关键零部件剩余寿命的可视化和数字化。
1采煤机摇臂剩余寿命预测系统框架及理论模型
（1）系统框架。采煤机摇臂寿命预测系统主要由系统主页面和多个零部件页面组成。系统主页面具有3个功能模块：系统简介模块、使用帮助模块和现场实时视频模块。各个零部件页面均含有4个子菜单：部件简介、监测动态、寿命预测和历史记录。其中，部件简介页面包含部件图片集模块、文字简介模块和规格与参数模块；监测动态页面包含信号时频图模块、状态参数模块和参数变化曲线图模块；寿命预测页面包含寿命预测曲线图模块、寿命预测饼状图模块和分析结论模块；历史记录页面包含监测数据报表模块和报警记录表模块。系统的功能框架如图1所示。（2）核心功能模块。采煤机摇臂寿命预测系统的核心页面即每个零部件页面下的寿命预测页面，该页面中的模块即本系统的核心功能模块。其中，寿命预测曲线图模块展示寿命预测系统驱动神经网络模型进行寿命预测得到的曲线图，便于用户了解到在已有数据下零件的剩余寿命变化趋势、预测值与真实理论值的趋近程度及二者误差大小变化等信息；寿命预测饼状图模块是根据神经网络模型运行所得的值绘制的零件寿命值饼状图，用户可从该部分得到目前零件的剩余寿命预测值在整个生命周期中的占比；分析结论模块是零件的剩余寿命值和真实理论值的数字化显示，用户可以从该部分获取零件的剩余寿命值以及是否需要采取维护措施的提示信息。（3）剩余寿命预测模型。采煤机摇臂剩余寿命预测系统采用2种模型进行剩余寿命预测。第1种是基于分类思想构建的DCNN模型，用来预测拥有全寿命周期数据零部件的剩余寿命，如摇臂低速区惰轮机构中的齿轮；第2种是基于数据时间序列关系构建的AEbi-GRU模型，用来预测拥有非全寿命周期数据零部件的剩余寿命，如摇臂高速区的轴承挡圈、高速区的直齿轮及轴承、截三轴、低速区的行星齿轮和轴承等。每个模型均采用Python编程语言实现。
2采煤机摇臂剩余寿命预测系统开发
（1）交互技术。为了实现C#语言环境下的Web系统驱动Python语言环境下的寿命预测模型运行交互，采用调用进程的方式在C#的代码中直接调用Python的解释器，解释执行相应的Python代码文件，通过标准输入输出的重新定向或者外部文件的形式，让主C#代码取得Python脚本运行的结果。具体操作过程：先将Python代码打包为可执行文件（exe文件和bat文件），在C#环境中采用Process类调用进程语句驱动可执行文件运行，生成的图片文件和数据文件存储于指定位置等待下一步的调用和解析输出，最后利用相关控件的调用语句完成零部件的剩余寿命图像化与数字化显示，调用进程方法的关键过程和代码如图2所示。（2）模块功能实现技术。寿命预测页面中3个核心模块功能的实现均以MicrosoftVisualStudio2010软件中的图形控件、Charts控件、文本控件、标签控件等为基础，以MicrosoftSQLServer2008R2数据库为辅助，结合C#语言与Python语言交互的方法完成。交互过程中，通过pyinstaller指令打包的可执行文件将所需的图像格式文件和文本格式文件输出到指定位置是各个模块功能实现的基础。在3个模块中，寿命预测曲线图模块主要用到的是Image控件，将其调用路径设置为图像文件的存储路径来实现零部件寿命预测曲线图的显示。寿命预测饼状图模块主要用到的是Chart控件，首先调用Python代码生成的txt文本文件，再对文本中的数据进行解析，最后输出生成的零部件寿命预测饼状图。分析结论模块主要用到的是TextBox控件和Label控件，该模块也是通过调用和解析输出的txt文件实现零部件寿命预测值的数字化显示，并通过if判断语句来提醒用户是否需要采取维修措施。模块功能实现过程的流程图如图3所示。
3系统实例
以采煤机摇臂为主要对象，以摇臂低速区惰轮机构和高速区轴承为例进行系统展示。摇臂低速区惰轮机构的剩余寿命预测页面如图4所示，摇臂高速区轴承的剩余寿命预测页面如图5所示所示。在寿命预测曲线图模块中，红色线代表真实寿命曲线，蓝色线代表预测的寿命曲线，紫色部分为95%的置信区间，绿色部分为误差区间。寿命预测饼状图模块展示的是惰轮机构和高速区轴承此刻的预测剩余寿命值在各自全部生命周期的占比，红色部分是预测剩余寿命占比，蓝色部分是已损耗寿命的占比。分析结论模块展示了惰轮机构和高速区轴承各自的当前预测剩余寿命值和真实理论值的确切百分比及剩余可运行时间，可以看出，采用DCNN模型预测的惰轮机构的剩余寿命预测值与理论值的误差较小，此时的惰轮机构尚未到达寿命终点，还可以稳定运行。采用AEbi-GRU模型预测的高速区轴承的剩余寿命预测值与理论值的误差也在误差允许范围内，此时的高速区轴承已基本到达其寿命终点，应及时采取维修更换等措施。
4结语
以采煤机摇臂为研究对象，基于DCNN构建的寿命预测模型和.NETFramework的Web开发平台，使用MicrosoftVisualStudio2010为系统开发软件，利用C#语言和MicrosoftSQLServer数据库语言为编程工具，设计和开发了采煤机摇臂寿命预测系统。采用C#语言环境下Process类进程调用的方法实现了Web系统与Python语言环境下深度学习寿命预测模型的交互，结合相关控件完成了剩余寿命预测结果的图像可视化和数字化显示，最终实现了采煤机摇臂关键零部件剩余寿命的动态化与系统化预测。
作者:程泽银 丁华 杨亮亮 单位:太原理工大学机械与运载工程学院 煤矿综采装备山西省重点实验室 大连理工大学机械工程学院