煤矿工业数据AI模型自动推理技术

• Published in: 工矿自动化 Vol. 50; no. 9; pp. 138 - 143
• Main Authors: 张智星, 付翔, 张小强, 李浩杰, 秦一凡, 刘萌, 孙岩, 贾一帆, 杨宇琪
• Format: Journal Article
• Language: Chinese
• Published: 太原理工大学 矿业工程学院,山西 太原 030024%太原理工大学 矿业工程学院,山西 太原 030024 2024; 山西焦煤集团有限责任公司 博士后工作站,山西 太原 030024; 智能采矿装备技术全国重点实验室,山西 太原 030024
• Subjects: AI model application; large-scale data computation; AI模型推理; AI模型应用; 煤矿工业数据; 海量数据计算; coal mine industrial data; 煤矿人工智能; AI model reasoning; coal mine artificial intelligence
• ISSN: 1671-251X
• DOI: 10.13272/j.issn.1671-251x.18181

TD67; 煤矿生产过程的智能化主要依托于人工智能(AI)技术分析煤矿工业数据,但单一应用场景AI模型无法适用于煤矿复杂的应用场景,且仅使用分布式计算来处理AI模型输入特征值会导致模型应用效率降低.针对上述问题,提出了一种煤矿工业数据AI模型自动推理技术.该技术架构包括数据层、计算驱动层和模型推理层:数据层采集各类监测数据并统一存储,为计算驱动层提供原始数据;计算驱动层将数据层采集的海量原始数据转换成煤矿应用场景AI模型输入特征值,通过煤矿应用场景AI模型输入特征值双计算引擎自动切换机制,根据数据量自动合理地选择使用基于Spark的分布式计算方式或基于Python的单机计算方式,解决了海量数据计算速度慢、数据应用延迟大的问题;模型推理层将特征值输入应用场景AI模型进行推理,引入煤矿应用场景AI模型多触发方式协同推理机制,通过定时触发、人为交互触发、信号反馈触发 3种触发方式,解决了在煤矿复杂的应用条件下单一应用场景AI模型利用效果差的问题.测试和应用结果表明,该技术可实现多应用场景AI模型输入特征值的快速计算,以及不同应用场景AI模型的快速、自动、协同推理.