寇元宝，汪崇建，贠瑞光，秦 翥，慕 杰

(1.煤炭科学研究总院，北京 100013；2.天地科技股份有限公司上海分公司，上海 200030；3.中国煤炭科工集团 上海有限公司，上海 200030)

随着采煤机智能化的发展，设备在运行过程中产生了大量有价值的数据，但由于环境对采集设备的影响，数据往往包含错误或噪声，无法使用。同时随着采煤机精益化设计的发展，以往凭借直觉和经验，借助类比、模拟和试错等方法进行设计改进，逐渐曝露出效率低、过设计等情况[1]。在采煤机精益化设计过程中，采煤机的功率参数至关重要，功率参数可由截割比能耗计算得出。以往计算截割比能耗的经验公式，是根据截割模拟煤壁获得的实验数据。实验情况单一，无法反应采煤机截割过程中实际工况的复杂性。目前没有针对特定地区的准确截割比能耗的计算方法。本文结合设备运行数据来进行截割比能耗的计算。

煤炭行业数据产出量及可被接入的设备数量远远超过移动互联网等其他行业，其中数据的价值还有待挖掘[2]。采煤机在煤矿设备中智能化程度最高，产生的运行数据巨大，反应了截割过程中的工况变化，功率使用情况等，数据在进行使用之前必须要进行清洗。马宏伟等人针对采煤设备运行状态数据存在噪声和缺失值等问题，建立了基于MapReduce的大数据清洗模型，采用双MapReduce协同工作，实验结果具有良好的数据清洗效果[3]。陈少龙通过建立基于 Hadoop平台的煤矿设备数据处理系统，建立了对煤矿设备振动数据进行特征值提取和异常点清洗的整体架构[4]。……