10.14489/vkit.2025.10.pp.050-056

DOI: 10.14489/vkit.2025.10.pp.050-056

Серебренников В. О., Титаев А. А.
РАЗВЕДЫВАТЕЛЬНЫЙ АНАЛИЗ ДАННЫХ ДЛЯ ОБНАРУЖЕНИЯ НЕИСПРАВНОСТЕЙ В СИСТЕМАХ НАГРЕВА ШАХТНОГО ВОЗДУХА
(с.50-56)

Аннотация. Представлены данные, собранные с работающих систем нагрева шахтного воздуха. Эти системы включают комплекс инженерного оборудования и автоматики, обеспечивающих подачу нагретого и безопасного для дыхания воздуха в шахты. Данные о таких системах необходимы для анализа их работы и заблаговременного выявления причин различных неисправностей. Структуризация данных и выборка неисправностей для датасета выполнены исходя из влияния параметров на конечную эффективность работы системы и возможности дальнейшей автоматизации ее диагностики. Проанализировано распределение данных по классам, рассмотрено влияние некоторых основных признаков на возникновение неисправностей и остановку работающей системы нагрева. Визуализированные и уменьшенные в размерности данные помогли выявить различимость неисправностей. Немаловажным фактором является расширение имеющихся данных. В дальнейшем необходимы наполнение отдельных классов новыми экземплярами, добавление большего количества данных для «исправной» работы систем, а также учет возможного дисбаланса классов. Представлен первоначальный вид датасета, который удобен и пригоден для последующего анализа и создания инструментов диагностики неисправностей греющих систем.

Ключевые слова: анализ данных; неисправности; воздухонагреватель; датасет; системы нагрева шахтного воздуха.

Serebrennikov V. O., Titaev A. A.
EXPLORATORY DATA ANALYSIS FOR FAULT DETECTION IN MINE AIR HEATING SYSTEMS
(pp.50-56)

Abstract. This paper presents analysis of data collected from operating mine air heating systems. These systems include a set of engineering equipment and automation that ensure the supply of heated and safe breathing air to the mines. Data on such systems is necessary for analyzing their operation and early identification of the causes of various faults. Data structuring and fault identification for the dataset are performed based on the influence of parameters on the final efficiency of the system and the possibility of further automation of its diagnostics. An exploratory data analysis was carried out: the distribution of data by classes was analyzed, the type of some main features and their influence on the occurrence of faults and shutdown of the operating heating system were considered. Visualized and dimensionalized data helped to reveal the distinguishability of different faults. An important factor for further research will be the expanding of existing data. It will be necessary to add new instances to fault classes, add more data for fault-free work cases, and also work to take into account possible class imbalances. The initial form of the dataset is presented, which is convenient and suitable for further analysis and creation of diagnostic tools for faults of heating systems.

Keywords: Data analysis; Faults; Air heater; Dataset; Mine air heating systems.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

В. О. Серебренников, А. А. Титаев (Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Екатеринбург, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

V. O. Serebrennikov, A. A. Titaev (Ural Federal University named after the First President of Russia B. N. Yeltsin, Ekaterinburg, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. On PCA-based fault diagnosis techniques / S. Yin, X. D. Steven, A. Naik et al. // 2010 Conference on Control and Fault-Tolerant Systems (SysTol). 2010. Nice, France. P. 179–184. DOI: 10.1109/SYSTOL.2010.5676031
2. Artificial neural network approach for fault detection in rotary system / S. Rajakarunakaran, P. Venkumar, D. Devaraj et al. // Applied Soft Computing. 2008. V. 8, Is. 1. P. 740–748. DOI: 10.1016/j.asoc.2007.06.002
3. Development of a neural network-based fault diagnostic system for solar thermal applications / S. Kalogirou, S. Lalot, G. Florides et al. // Solar Energy. 2008. V. 82, Is. 2. P. 164–172. DOI: 10.1016/j.solener.2007.06.010
4. Fault detection in Tennessee Eastman process with temporal deep learning models / M. Lyubimov, I. Makarov, L. Zhukov et al. // Journal of Industrial Information Integration. 2021. V. 23. P. 100216. DOI: 10.1016/j.jii.2021.100216
5. de Souza A.O., de Souza M.B., da Silva F.V. Enhancing fault detection and diagnosis systems for a chemical process: a study on convolutional neural networks and transfer learning // Evolving Systems. 2024. V. 15. P. 611–633. DOI: 10.1007/s12530-023-09523-y
6. Мысляков А. Л., Плотников В. В., Балдин Д. А. Применение систем прямого нагрева воздуха для вентиляции шахт // Безопасность труда в промышленности. 2003. № 11. С. 11–12. EDN JXLYOX
7. Безопасные и энергоэффективные тепловые режимы шахтных систем нагрева воздуха / В. Г. Лисиенко, Ю. К. Маликов, А. А. Титаев и др. // Безопасность труда в промышленности. 2022. № 2. С. 81–87. DOI: 10.24000/0409-2961-2022-2-81-87; EDN UVVZPL
8. Heo S., Lee J. H. Fault detection and classification using artificial neural networks // IFAC-PapersOnLine. 2018. V. 51. P. 470–475. DOI: 10.1016/j.ifacol.2018.09.380

Eng

1. Yin, S., Steven, X. D., Naik, A., et al. (2010). On PCA-based fault diagnosis techniques. In 2010 Conference on Control and Fault-Tolerant Systems (SysTol) (pp. 179–184). https://doi.org/10.1109/SYSTOL.2010.5676031
2. Rajakarunakaran, S., Venkumar, P., Devaraj, D., et al. (2008). Artificial neural network approach for fault detection in rotary system. Applied Soft Computing, 8(1), 740–748. https://doi.org/10.1016/j.asoc.2007.06.002
3. Kalogirou, S., Lalot, S., Florides, G., et al. (2008). Development of a neural network-based fault diagnostic system for solar thermal applications. Solar Energy, 82(2), 164–172. https://doi.org/10.1016/j.solener.2007.06.010
4. Lyubimov, M., Makarov, I., Zhukov, L., et al. (2021). Fault detection in Tennessee Eastman process with temporal deep learning models. Journal of Industrial Information Integration, 23, 100216. https://doi.org/10.1016/j.jii.2021.100216
5. de Souza, A. O., de Souza, M. B., & da Silva, F. V. (2024). Enhancing fault detection and diagnosis systems for a chemical process: A study on convolutional neural networks and transfer learning. Evolving Systems, 15, 611–633. https://doi.org/10.1007/s12530-023-09523-y
6. Myslyakov, A. L., Plotnikov, V. V., & Baldin, D. A. (2003). Application of direct air heating systems for mine ventilation. Bezopasnost Truda v Promyshlennosti, (11), 11–12. [in Russian language]
7. Lisienko, V. G., Malikov, Yu. K., Titaev, A. A., et al. (2022). Safe and energy-efficient thermal conditions for mine air heating systems. Bezopasnost Truda v Promyshlennosti, (2), 81–87. [in Russian language] https://doi.org/10.24000/0409-2961-2022-2-81-87
8. Heo, S., & Lee, J. H. (2018). Fault detection and classification using artificial neural networks. IFAC-PapersOnLine, 51, 470–475. https://doi.org/10.1016/j.ifacol.2018.09.380

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 700 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2025.10.pp.050-056

и заполните форму

Отправляя форму вы даете согласие на обработку персональных данных.

Eng

This article is available in electronic format (PDF).

The cost of a single article is 700 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2025.10.pp.050-056

and fill out the form