本申请涉及一种基于特征平稳性检验与协整分析的矿用钻机卡钻状态监测方法。该方法包括：获取卡钻状态监测数据，包括振动加速度数据、钻进压力数据、钻进位移数据和旋转扭矩数据，对振动加速度数据进行时域特征及时频域特征提取，将钻进压力数据、钻进位移数据和旋转扭矩数据作为统计变量，分别对时域特征、时频域特征和统计变量进行平稳性检验，划分出对应的平稳信号及非平稳信号，对应的平稳信号进行主成分分析，获得对应的主成分分析残差，对非平稳信号进行协整分析，获得对应的协整分析残差，根据主成分分析残差和协整分析残差进行主成分分析，获取对应的T<supgt;2</supgt;统计量以监测钻杆发生卡钻的时间，提高了钻杆的卡钻状态的识别准确性和可靠性。
【技术实现步骤摘要】
本申请涉及机械设备，特别是涉及一种基于特征平稳性检验与协整分析的矿用钻机卡钻状态监测方法。
技术介绍
1、钻杆作为保障钻机正常运行的重要部件之一，其运行状态的稳定性对设备的安全和生产有着最直接的影响。当钻杆在受到外界煤层或激励的作用下，钻杆的运行状态会受到较大的影响，严重时甚至会发生卡钻现象，导致钻机的停机时间，造成较大的经济损失，甚至会有人员伤害的情况发生。因此为了能够更加减少钻杆卡钻现象的发生，提高生产的效率，对钻杆卡钻现象进行状态识别很重要。
2、钻杆卡钻状态的识别是确保钻机实现正常稳定工作的重要前提，但是由于受到复杂环境以及噪声干扰等问题，对卡钻现象的识别准确性较差。目前对煤矿钻机卡钻识别的研究相对较少，对卡钻状态的识别方法通常是基于深度学习或图像识别来展开研究，没有深度考虑钻具钻进时的关联参数，例如扭矩、推进压力、推进位移等，致使对钻杆的卡钻状态的识别准确性受到一定的影响，可靠性降低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高钻杆的卡钻状态的识别准确性和可靠性的基于特征平稳性检验与协整分析的矿用钻机卡钻状态监测方法。
2、一种基于特征平稳性检验与协整分析的矿用钻机卡钻状态监测方法，所述方法包括：
3、实时获取钻机钻杆的预设时间段的卡钻状态监测数据，所述卡钻状态监测数据包括振动加速度数据、钻进压力数据、钻进位移数据和旋转扭矩数据，所述振动加速度数据包括钻杆的水平方向、轴线方向和垂直方向的振动加速度信号；
<
p>4、对所述振动加速度数据进行时域特征及时频域特征提取，获得时域特征及时频域特征；5、将所述钻进压力数据、所述钻进位移数据和所述旋转扭矩数据作为统计变量；
6、分别对时域特征、时频域特征和统计变量进行平稳性检验，划分出所述时域特征、所述时频域特征和所述统计变量对应的平稳信号及非平稳信号；
7、分别对所述时域特征、所述时频域特征和所述统计变量对应的平稳信号进行主成分分析，获得所述时域特征、所述时频域特征和所述统计变量对应的主成分分析残差；
8、分别对所述时域特征、所述时频域特征和所述统计变量对应的非平稳信号进行协整分析，获得所述时域特征、所述时频域特征和所述统计变量对应的协整分析残差；
9、根据所述时域特征、所述时频域特征和所述统计变量对应的主成分分析残差和协整分析残差进行主成分分析，获取所述卡钻状态监测数据对应的t2统计量；
10、根据所述t2统计量与预设的卡钻状态阈值进行比较分析，以监测所述钻杆发生卡钻的时间。
11、在其中一个实施例中，所述预设的卡钻状态阈值的确定方式为：
12、获取样本钻机钻杆的历史振动加速度数据、历史钻进压力数据、历史钻进位移数据和历史旋转扭矩数据作为样本数据，所述历史振动加速度数据包括钻杆的水平方向、轴线方向和垂直方向的振动加速度信号；
13、对所述历史振动加速度数据进行时域特征及时频域特征提取，获得时域特征样本及时频域特征样本；
14、将所述历史钻进压力数据、所述历史钻进位移数据和所述历史旋转扭矩数据作为统计变量样本；
15、分别对时域特征样本、时频域特征样本和统计变量样本进行平稳性检验，划分出所述时域特征样本、所述时频域特征样本和所述统计变量样本对应的平稳信号及非平稳信号；
16、分别对所述时域特征样本、所述时频域特征样本和所述统计变量样本对应的平稳信号进行主成分分析，获得所述时域特征样本、所述时频域特征样本和所述统计变量样本对应的主成分分析残差；
17、分别对所述时域特征样本、所述时频域特征样本和所述统计变量样本对应的非平稳信号进行协整分析，获得所述时域特征样本、所述时频域特征样本和所述统计变量样本对应的协整分析残差；
18、根据所述时域特征样本、所述时频域特征样本和所述统计变量样本对应的主成分分析残差和协整分析残差进行主成分分析，获取t2统计量样本；
19、根据所述t2统计量样本的控制限作为卡钻状态阈值。
20、在其中一个实施例中，所述分别对所述时域特征、所述时频域特征和所述统计变量对应的平稳信号进行主成分分析，获得所述时域特征、所述时频域特征和所述统计变量对应的主成分分析残差，包括：
21、采用主成分分析法对所述时域特征对应的平稳信号进行主成分分析，获得所述时域特征对应的主成分分析残差，所述时域特征对应的主成分分析残差的表达式为：
22、
23、其中，为时域特征平稳信号序列主成分分析残差，为标准化后的时域特征平稳信号序列变量，pm＝(p1,p2,…,pm)为时域特征平稳信号序列变量系数，m为时域特征平稳信号序列的长度；
24、采用所述主成分分析法对所述时频域特征对应的平稳信号进行主成分分析，获得所述时频域特征对应的主成分分析残差，所述时频域特征对应的主成分分析残差的表达式为：
25、
26、其中，为时频域特征平稳信号序列主成分分析残差，ptp为时频域特征平稳信号序列变量系数，为标准化后的时频域特征平稳信号序列变量；
27、采用所述主成分分析法对所述统计变量对应的平稳信号进行主成分分析，获得所述统计变量对应的主成分分析残差，所述统计变量对应的主成分分析残差的表达式为：
28、
29、其中，为统计变量平稳信号序列主成分分析残差，ps为统计变量平稳信号序列系数，为标准化后的统计平稳信号序列变量。
30、在其中一个实施例中，所述分别对所述时域特征、所述时频域特征和所述统计变量对应的非平稳信号进行协整分析，获得所述时域特征、所述时频域特征和所述统计变量对应的协整分析残差，包括：
31、采用所述协整分析法对所述时域特征对应的非平稳信号进行协整分析，获得所述时域特征对应的协整分析残差，所述时域特征对应的协整分析残差表达式为：
32、
33、其中，为时域特征非平稳信号序列协整分析残差，为时域特征非平稳信号时间序列矩阵，为时域特征非平稳信号序列协整向量，上标t表示转置，n为时域特征非平稳信号序列的长度；
34、采用所述协整分析法对所述时频域特征对应的非平稳信号进行协整分析，获得所述时频域特征对应的协整分析残差，所述时频域特征对应的协整分析残差表达式为：
35、
36、其中，为时频域特征非平稳信号序列协整分析残差，δtp为时频域特征非平稳信号序列协整向量，为标准化后的时频域特征非平稳信号序列变量；
37、采用所述协整分析法对所述统计变量对应的非平稳信号进行协整分析，获得所述统计变量对应的协整分析残差，所述统计变量对应的协整分析残差表达式为：
38、
39、其中，为统计变量非平稳信号序列协整分析残差，δs为统计变量非平稳信号协整向量，为标准化后的统计非平稳信号序列变量。
40、在其中一个实施本文档来自技高网
...
【技术保护点】
1.一种基于特征平稳性检验与协整分析的矿用钻机卡钻状态监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述预设的卡钻状态阈值的确定方式为：
3.根据权利要求1所述的方法，其特征在于，所述分别对所述时域特征、所述时频域特征和所述统计变量对应的平稳信号进行主成分分析，获得所述时域特征、所述时频域特征和所述统计变量对应的主成分分析残差，包括：
4.根据权利要求3所述的方法，其特征在于，所述分别对所述时域特征、所述时频域特征和所述统计变量对应的非平稳信号进行协整分析，获得所述时域特征、所述时频域特征和所述统计变量对应的协整分析残差，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述时域特征、所述时频域特征和所述统计变量对应的主成分分析残差和协整分析残差进行主成分分析，获取T2统计量，包括：
6.根据权利要求5所述的方法，其特征在于，所述T2统计量的表达式为：
7.根据权利要求3所述的方法，其特征在于，所述主成分分析的步骤为：
8.根据权利要求4所述的方法，其特征在于，所述协整分析法的步骤包括：
...
【技术特征摘要】
1.一种基于特征平稳性检验与协整分析的矿用钻机卡钻状态监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述预设的卡钻状态阈值的确定方式为：
3.根据权利要求1所述的方法，其特征在于，所述分别对所述时域特征、所述时频域特征和所述统计变量对应的平稳信号进行主成分分析，获得所述时域特征、所述时频域特征和所述统计变量对应的主成分分析残差，包括：
4.根据权利要求3所述的方法，其特征在于，所述分别对所述时域特征、所述时频域特征和所述统计变量对应的非平稳...
【专利技术属性】
技术研发人员：邹筱瑜，罗丽佳，潘杰，赵迪斐，王忠宾，刘新华，陈通，陶鹏飞，闫海峰，康明霞，李鑫，司垒，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。