一种煤炭含水量的智能监测系统的制作方法

本发明属于煤炭含水量的监测技术领域，具体涉及一种煤炭含水量的智能监测系统。

背景技术：

煤炭水分是评价煤炭经济价值的基本指标，目前煤矿井下原煤生产过程还没有一种能够行之有效的动态监控原煤水分的系统装置。如何在煤炭生产源头对水分进行监控，从而动态的掌握煤炭的煤质情况至为重要。

因此，针对现有技术中的上述缺陷，提供设计一种煤炭含水量的智能监测系统；以解决现有技术中的上述缺陷。

技术实现要素：

本发明的目的在于，针对上述现有技术存在的缺陷，提供设计一种煤炭含水量的智能监测系统，以解决上述技术问题。

为实现上述目的，本发明给出以下技术方案：

一种煤炭含水量的智能监测系统，其特征在于，包括：

横跨设置在煤炭传输皮带上方的龙门架，龙门架的横梁上设置有两个下探结构；

该智能监测系统还包括有水位控制器，水位控制器的两个检测电极分别固定在下探结构上；

所述的水位控制器连接有电磁继电器，报警器通过电磁继电器连接到电源；

所述的水位控制器通过无线发送模块与采煤控制中心的无线接收模块通信。

作为优选，所述的下探结构为下探柱，所述的下探柱的底部设置有固定座；用于固定水位控制器的检测电极。

作为优选，所述的报警器包括报警灯和蜂鸣器。

作为优选，下探柱通过伸缩杆固定在龙门架的横梁上，下探柱的顶部连接到伸缩杆的一端，伸缩杆的另一端连接到龙门架的横梁上。

作为优选，无线接收模块与无线发送模块之间通过以下步骤进行无线通信：

s1：对最优节点进行定位，具体包括以下步骤：

s1.1：通过公式(1)计算出全部通信节点相对空间位置的偏离距离：

式中，全部空闲通信节点数量用pem表示，所有通信节点数目用q表示，pef＝pem-q×0.1；

s1.2：设置簇头通信节点的通信服务领域，公式如下：

式中，无线传输网络所覆盖的区域内簇头节点的服务簇头数量高于30用nufll表示；第k个簇头内所有的通信节点量用qk表示；

s1.3：对区域内的数据节点进行分组；

s1.4：针对不同的组别分别计算通信节点比率；

s1.5：结合s1.4中的通信节点比率值确定最优通信节点；

s2：结合s1.4中的最优通信节点，建立加权组播数；并用q(x)表示步骤s1.5中已经明确的最优通信节点数量，用xk代表数据在各最优通信节点间的连通性，用hp(v)代表通信终端的空间坐标，用xp表示第p条数据支路，λ代表与之相对应的影响因子；

具体构建步骤如下：

s2.1：设置：

s2.2：对通信网络获取的最优通信节点进行筛选，设置当前最优通信节点能够用xk进行描述，如果k＝0，则执行步骤s2.3，否则令xh＝xv；

s2.3：在整个通信网络中，搜索出所有的最优通信节点，如果nt(xk)＞0，则最优通信节点与邻域最优通信节点之间的关系表示为：

通信约束条件为：

s2.4：如果p(xv)＜p(x)，则返回步骤s2.2进行计算，否则结束运算。

作为优选，所述水位控制器还连接有数据存储器，所述数据存储器采用以下方法进行数据存储：

s1、构建数据库模型的步骤，具体包括：

s1.1、采用3×3网格拓扑结构构建数据存储的分布式网格模型，提取数据特征分布梯度图，得到数据库中数据存储的量化分布向量值分别为：

其中m为数据存储空间的嵌入维数；

s1.2、定义r1和r2为数据库存储分布空间的特征分布区域，在链路层中采集水位控制器传送的数据特征序列，

根据数据特征序列设置向量量化编码书如下：

定义存储元的初始值为：

s1.3、在链路层，对水位控制器发送的数据进行编码训练，获取信息流的向量模式如下：

x(t)＝(x0(t)，x1(t)，…，xk-1(t))^t；

s1.4、依据交叉分布云存储数据结构，获取已经构建的数据库中各分类存储节点的距离如下：

其中ωj＝(ω0j，ω1j，…，ωk-1，j)^t为向量量化权重；

s1.5、得到量化特征编码数据输出：

其中，

s2、数据聚类处理的步骤，具体包括：

s2.1、在链路层中，对水位控制器传输的数据做自适应特征匹配操作，依据统计特征分类算法，获取数据聚类中心；

s2.2、在链路层中，对水位控制器传输的数据做分段融合模糊聚类处理，获取模糊隶属函数；

s2.3、压缩合并存储空间内的冗余存储数据，匹配检测链路层的动态输出数据，离散调度数据回归，分层融合水位控制器传送的数据；实现数据存储的特征压缩。采用该数据存储方法，能够提高数据存储的效率和空间；在有限的存储空间存储更多的数据。

本发明的有益效果在于，操作简单，便于安装，提高水煤监测的灵敏度，并及时通知采煤控制中心停机处理。以保证产煤质量。

此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。

由此可见，本发明与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。

附图说明

图1是发明提供的一种煤炭含水量的智能监测系统的结构示意图。

图2是本发明提供的一种煤炭含水量的智能监测系统的控制原理图。

其中，1-传输皮带，2-龙门架，3-下探结构，4-水位控制器，4.1-检测电极，5-电磁继电器，6-报警器，7-电源，9-采煤控制中心，3.1-固定座，10-伸缩杆，11-数据存储器。

具体实施方式

下面结合附图并通过具体实施例对本发明进行详细阐述，以下实施例是对本发明的解释，而本发明并不局限于以下实施方式。

如图1和2所示，本发明提供的一种煤炭含水量的智能监测系统，包括：

横跨设置在煤炭传输皮带1上方的龙门架2，龙门架2的横梁上设置有两个下探结构3；

该智能监测系统还包括有水位控制器4，水位控制器4的两个检测电极4.1分别固定在下探结构3上；

所述的水位控制器4连接有电磁继电器5，报警器6通过电磁继电器5连接到电源7；

所述的水位控制器4通过无线发送模块与采煤控制中心9的无线接收模块通信。

本实施例中，所述的下探结构3为下探柱，所述的下探柱的底部设置有固定座3.1；用于固定水位控制器的检测电极。

本实施例中，所述的报警器6包括报警灯和蜂鸣器。

本实施例中，下探柱通过伸缩杆10固定在龙门架的横梁上，下探柱的顶部连接到伸缩杆的一端，伸缩杆的另一端连接到龙门架的横梁上。

本实施例中，无线接收模块与无线发送模块之间通过以下步骤进行无线通信：

s1：对最优节点进行定位，具体包括以下步骤：

s1.1：通过公式(1)计算出全部通信节点相对空间位置的偏离距离：

式中，全部空闲通信节点数量用pem表示，所有通信节点数目用q表示，pef＝pem-q×0.1；

s1.2：设置簇头通信节点的通信服务领域，公式如下：

式中，无线传输网络所覆盖的区域内簇头节点的服务簇头数量高于30用nufll表示；第k个簇头内所有的通信节点量用qk表示；

s1.3：对区域内的数据节点进行分组；

s1.4：针对不同的组别分别计算通信节点比率；

s1.5：结合s1.4中的通信节点比率值确定最优通信节点；

s2：结合s1.4中的最优通信节点，建立加权组播数；并用q(x)表示步骤s1.5中已经明确的最优通信节点数量，用xk代表数据在各最优通信节点间的连通性，用hp(v)代表通信终端的空间坐标，用xp表示第p条数据支路，λ代表与之相对应的影响因子；

具体构建步骤如下：

s2.1：设置：

s2.2：对通信网络获取的最优通信节点进行筛选，设置当前最优通信节点能够用xk进行描述，如果k＝0，则执行步骤s2.3，否则令xh＝xv；

s2.3：在整个通信网络中，搜索出所有的最优通信节点，如果nt(xk)＞0，则最优通信节点与邻域最优通信节点之间的关系表示为：

通信约束条件为：

s2.4：如果p(xv)＜p(x)，则返回步骤s2.2进行计算，否则结束运算。

本实施例中，所述水位控制器还连接有数据存储器11，所述数据存储器采用以下方法进行数据存储：

s1、构建数据库模型的步骤，具体包括：

s1.1、采用3×3网格拓扑结构构建数据存储的分布式网格模型，提取数据特征分布梯度图，得到数据库中数据存储的量化分布向量值分别为：

其中m为数据存储空间的嵌入维数；

s1.2、定义r1和r2为数据库存储分布空间的特征分布区域，在链路层中采集水位控制器传送的数据特征序列，

根据数据特征序列设置向量量化编码书如下：

定义存储元的初始值为：

s1.3、在链路层，对水位控制器发送的数据进行编码训练，获取信息流的向量模式如下：

x(t)＝(x0(t)，x1(t)，…，xk-1(t))^t；

s1.4、依据交叉分布云存储数据结构，获取已经构建的数据库中各分类存储节点的距离如下：

其中ωj＝(ω0j，ω1j，…，ωk-1，j)^t为向量量化权重；

s1.5、得到量化特征编码数据输出：

其中，

s2、数据聚类处理的步骤，具体包括：

s2.1、在链路层中，对水位控制器传输的数据做自适应特征匹配操作，依据统计特征分类算法，获取数据聚类中心；

s2.2、在链路层中，对水位控制器传输的数据做分段融合模糊聚类处理，获取模糊隶属函数；

s2.3、压缩合并存储空间内的冗余存储数据，匹配检测链路层的动态输出数据，离散调度数据回归，分层融合水位控制器传送的数据；实现数据存储的特征压缩。采用该数据存储方法，能够提高数据存储的效率和空间；在有限的存储空间存储更多的数据。

以上公开的仅为本发明的优选实施方式，但本发明并非局限于此，任何本领域的技术人员能思之的没有创造性的变化，以及在不脱离本发明原理前提下所作的若干改进和润饰，都应落在本发明的保护范围内。