煤矿工业数据AI模型自动推理技术
张智星1
付翔2
张小强1
李浩杰1
秦一凡1
刘萌1
孙岩1
贾一帆1
杨宇琪1
1.太原理工大学 矿业工程学院,山西 太原 0300242.太原理工大学 矿业工程学院,山西 太原 030024;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
摘要：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.
关键词：煤矿人工智能煤矿工业数据AI模型推理海量数据计算AI模型应用
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(52274157)科技兴蒙行动重点专项项目(2022EEDSKJXM010)国家重点研发计划(2020YFB1314004)
论文发表日期：2024-09-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 138-143 )
英文信息