黄金杂志社

登录账号

Ｘ

中国科技核心期刊

美国化学文摘社（CAS）数据库

美国EBSCO学术数据库

日本科学技术振兴机构数据库(JST)

作者投稿专家审稿编辑办公

期刊导读

2025年

2024年

2023年

2022年

2021年

2020年

2019年

首页 > 特约专题-新质生产力与矿业高质量发展专题

人工智能在矿山设备预测性维护中的应用研究

作者：
李涛|孙琰|侯建硕|周斌
作者单位：
（万宝矿产有限公司）
基金项目：
国家自然科学基金重点项目（52130404）
详细信息：
作者简介：
李涛（1989—），男，高级工程师，博士，研究方向为采矿工程；E-mail：1016990045@qq.com
PDF下载

Application of artificial intelligence in predictive maintenance of mining equipment

English Author：
Li Tao, Sun Yan, Hou Jianshuo, Zhou Bin
Unit：
(Wanbao Mining Co., Ltd.)

摘要
在线预览
参考文献

摘要:

预测性维护（PdM）利用数据和分析来预测系统组件的潜在故障，提前采取维护措施以避免损坏，旨在解决矿山设备维护中的预测性问题，提高设备可靠性和生产效率。研究流程包括数据收集、数据预处理、模型训练与预测、决策支持与执行等环节。从数据源、模型透明性与可解释性、系统集成3个方面分析了利用人工智能实现PdM的挑战。研究结果表明，基于人工智能的PdM能够显著减少设备故障时间，提高维护效率，降低运营成本。此外，提出机器学习、物联网、云计算和数字孪生等技术在PdM中的应用前景，为未来研究提供了方向。

关键词:

预测性维护；人工智能；深度学习；机器学习；数字孪生；区块链技术

Abstract:

Predictive maintenance (PdM) leverages data and analytics to anticipate potential failures of system components,enabling preemptive maintenance measures to prevent damage.This approach aims to address predictive challenges in mining equipment maintenance,enhancing equipment reliability and production efficiency.The research process encompasses stages such as data collection,preprocessing,model training,and prediction,as well as decision support and execution.Challenges in implementing PdM with artificial intelligence are analyzed from 3 perspectives:data sources,model transparency and interpretability,and system integration.The findings indicate that AI-based PdM significantly reduces equipment downtime,improves maintenance efficiency,and lowers operating costs.Additionally,the study outlines the application prospects of technologies such as machine learning,IoT,cloud computing,and digital twins in PdM,offering directions for future research.

Keywords:

predictive maintenance;artificial intelligence;deep learning;machine learning;digital twin;blockchain technology

[1]ZONTA T，COSTA CAD，RIGHI RDR，et al.Predictive mainte-nance in the Industry 4.0：A systematic literature review[J].Com-puters&Industrial Engineering，2020，150：106889.

[2]MAKTOUBIAN J，TASKHIRI MS，TURNER P.Intelligent predictive maintenance（IPdM）in forestry：A review of challenges and oppor-tunities[J].Forests，2021，12（11）：1495.

[3]DANIYAN I，MPOFU K，OYESOLA M，et al.Artificial intelligence for predictive maintenance in the railcar learning factories[J].Proce-dia Manufacturing，2020，45：13-18.

[4]李鑫.某露天矿5G网络安全技术研究与应用[J].黄金，2023，44（11）：32-34，43

[5]袁烨，张永，丁汉.工业人工智能的关键技术及其在预测性维护中的应用现状[J].自动化学报，2020，46（10）：2013-2 030.

[6]杨涛.工业人工智能专题序言[J].自动化学报，2020，46（10）：2 003-2 004

[7]TIDDENS W W，BRAAKSMA A J，TINGA T.Exploring predictive maintenance applications in industry[J].Journal of Quality in Main-tenance Engineering，2022，28（1）：68-85.

[8]杨国华，李婉露，孟博.基于机器学习方法的地下水氨氮时空分布规律[J].吉林大学学报（地球科学版），2022，52（6）：1 982-1 995.

[9]UCAR A，KARAKOSE M，KIRIMCA N.Artificial intelligence for predictive maintenance applications：Key components，trustworthiness，and future trends[J].Applied Sciences，2024，14（2）：898.

[10]CAO Q S，SAMEТ А，ZANNI-MERK C，et al.Combining chronicle mining and semantics for predictive maintenance in manufacturing processes[J].Semantic Web，2020，11（6）：927-948.

[11]SHAMAYLEH A，AWAD M，FARHAT J.IoT based predictive maintenance management of medical equipment[J].Journal of Medical Systems，2020，44（4）：72.

[12]CHENG JCP，CHEN W W，CHEN K Y，et al.Data-driven predic-tive maintenance planning framework for MEP components based onBIM and loT using machine learning algorithms[J].Automation in Construction，2020，112：103087.

[13]КAPARTHI S，BUMBLAUSKAS D.Designing predictive mainte-nance systems using decision tree-based machine learning tech-niques[J].International Journal of Quality&Reliability Manage-ment，2020，37（4）：659-686

[14]胡荣华，安冬，史梦圆，等.智能矿用机器人研究现状及发展趋势[J].黄金，2023，44（9）：59-68.

[15] SAIDY C，XIA K，KIRCALIALI A，et al.The application of statisti-cal quality control methods in predictive maintenance 4.0：An uncon-ventional use of statistical process control（SPC）charts in health monitoring and predictive analytics[M]//BALL A，CELMAN L.RAO B K N.Advances in asset management and condition moni-toring:COMADEM 2019.Cham:Springer international publishing.2020：1 051-1 061.

[16]GIANOGLIO C，RAGUSA E，GASTALDO P，et al.Online predic-tive maintenance monitoring adopting convolutional neural net-works[J].Energies，2021，14（15）：4711.

[17]DE SANTO A，FERRARO A，GALLI A，et al.Evaluating time series encoding techniques for predictive maintenance[J].Expert Systems with Applications，2022，210：118435.

[18]SOUZA R M，NASCIMENTO E G S，MIRANDA U A，et al.Deep learning for diagnosis and classification of faults in industrial rota-ting machinery[J].Computers&Industrial Engineering，2021，153：107060.

[19]DONG ZK，JIX Y，WANG JY，etal.ICNCS：Internal cascaded neuromorphic computing system for fast electric vehicle state of charge estimation[J].IEEE Transactions on Consumer Electronics，2024，70（1）：4 311-4 320.

[20]CHEN J C，CHEN T L，LIU WJ，et al.Combining empirical mode decomposition and deep recurrent neural networks for predictive maintenance of lithium-ion battery[J].Advanced Engineering Infor-matics，2021，50：101405.

[21]BALAZY P，GUT P，KNAP P.Neural classifying system for predic-tive maintenance of rotating devices[J].Conference Series：Materials Science and Engineering，2022，1 239（1）：012013.

[22]张鑫祟，殷长春.基于Debye模型的时间域航空电磁激电效应正演模拟[J].吉林大学学报（地球科学版），2023，53（5）：1573-1 581.

[23]万晓杰，巩向博，成桥，等.基于DeCNN的逆时偏移低频噪声压制方法[J].吉林大学学报（地球科学版），2023，53（5）：1 593-1 601.

[24]宋晓梅，郭振宇，王锐，等.选冶智能推送云服务系统的设计与应用[J].黄金，2022，43（11）：57-61.

[25]PALEYES A，URMA R G，LAWRENCE N D.Challenges in deploying machine learning：A survey of case studies[J].ACM Computing Surveys，2022，55（6）：1-29.

[26]庞立新，张耀军，徐标，等.西门子MMI-2电子皮带秤在锦丰矿业公司的应用[J].黄金，2022，43（10）：54-57.

[27] DIONISIO R, RUBIO E M , TORRES P. Smart gateways for IOT-fac-tory integration; Trends and use case[M]/FERREIRA L, LOPES N, SILVA J, et al. Technological developments in industry 4.0 for business applications. Hershey: ICI global,2019:149-170.

[28] ALLAHLOH A S, SARFRAZ M, GHALEB A M, et al. Revolutioni-zing IC genset operations with IIoT and AT:A study on fuel savings and predictive maintenance[J]. Sustainability,2023,15(11):8808.

[29]MOURTZIS D，ANGELOPOULOS J，PANOPOULOS N.Design and development of an edge-computing platform towards 5G technology adoption for improving equipment predictive maintenance[J].Proce-dia Computer Science，2022，200：611-619.

[30]王庆凯，杨天皓，莫雪磊，等.黄金矿山智能选矿厂建设关键技术研究与应用[J].黄金，2023，44（9）：69-74.

期刊导读

人工智能在矿山设备预测性维护中的应用研究

基金项目：

详细信息：

Application of artificial intelligence in predictive maintenance of mining equipment

摘要:

关键词:

Abstract:

Keywords:

PDF预览

联系方式

快速导航