收藏！矿山信息化发展及以数字孪生为核心的智慧矿山关键技术

综合自动化矿山阶段主要解决了矿山数字化、监测监控技术与信息孤岛问题，就煤矿生产流程而言，基本完成了智能矿山的建设工作，在环境条件允许的情况下，可实现局部的少人化和无人化控制。智慧的前提条件是矿山生产系统的各个环节均可测、可观、可控，也就是要形成面向生产各环节透明化的知识服务体系。以煤炭行业为例，从目前取得的成果来看，远没有达到透明矿山的要求，这是制约智慧矿山发展的瓶颈问题。黑色或灰色（不透明）矿山的问题，制约我们在一般情况下仍需依靠较多人力维持正常的安全生产，导致矿山重大事故时有发生，解决矿山运行状态知识建模与服务的问题迫在眉睫。

要解决这一问题就是要解决上述可测、可观和可控问题。在可测方面，物联网矿山技术的发展已经解决和优化了大量相关难题，可以满足目前安全生产的基本需求，下一步需要重点研究智能装置和装备自治、自主化工作相关技术，并进行新型检测机理和检测装置的研究；可观问题就是要结合数字孪生技术对矿山安全生产、指挥调度与管理各个方面，如人、机、环、管等被控对象进行物理与虚拟融合建模，通过建立的模型可实现对各个被控对象的状态及其演化规律的可观，这个可观不仅仅对人，更重要的是让机器能够自动理解，做到机器可观。

在建模过程中，需要采矿、机械和信息等领域的专家密切协同，需要实现对信息的统一语义描述，需要创建矿山领域知识库和矿山数字孪生模型，这将是智慧矿山建设的核心。可控问题是在可观的基础上，也就是在掌握（自动化解析）传感数据、模型数据等多模态数据的基础上，利用知识库和矿山数字孪生模型各种知识进行推理，采用机器人或机器人化的装置装备实现基于机器自治协同的全流程自动控制，最终形成少人化或无人化的智慧矿山。

1984年煤炭工业部通信信息中心成立，宣示了中国煤矿信息化建设正式开启，我国煤矿进入单机自动化阶段。PLC在矿用设备上的成功应用解决了传统控制器占用空间大、成本高等问题；现场总线的连接方式提升了矿用设备控制的可靠性，减少了设备的停机时间。单机自动化系统存在很多问题需要进一步解决，如模拟信号只能在本地采集、处理并直接用于就地控制；有线网络通信是信号传输的唯一方式，各系统之间难以进行信息交换。此时通信网络严重制约了煤矿自动化的发展，造成多台上位机共存的场景，形成子系统信息孤岛的格局，导致全矿信息不能共享。

2000年后，无线传感器网络及工业以太网技术得到飞速发展，为实现各煤矿系统之间的互联互通奠定了基础，得益于此，我国煤矿进入了综合自动化时期，综合自动化网络服务架构如图1所示。无线传感器技术极大扩展了各类传感器的应用场景，丰富了各类信息的采集。工业以太网以其强大的通信速率和信道容量将各子系统连接在一起，完成了各子系统的信息交互，解决了子系统信息孤岛问题，实现了全矿信息的融合分析处理。但是传感器与各种装备没有联网，只能用于本系统中，无法实现设备间的协同控制；采集到的传感器信息也只是简单地处理，数据并没有得到有效利用，亟需高效的算法来实现信息的融合处理。

矿山物联网将物联网技术应用到煤矿生产中，进一步提高矿山开采的无人化和自动化水平。矿山物联网是综合实时感知、网络通信和动态控制等技术来实现矿山物与物、人与物之间的信息传递与控制，矿山物联网服务架构如下图所示。智能传感器除了对物理世界进行感知，还搭载了用于数据处理的嵌入式芯片，使得设备从自动化向智能化过度；高速通信网络连接生产的各个环节，实现万物互联；智能算法挖掘大数据的潜藏信息，实现实时控制、精确管理和科学决策。但是人工智能技术发展水平有待提高，设备的智能化程度较低，矿用物联网产品极少，不能满足矿山智能化生产的需求。

矿山智能化是智慧矿山的中级阶段。矿用机器人技术和通信技术还在普及应用，以人工智能和大数据为代表的新兴技术也融入其中，推动矿山向智能化、智慧化发展。将人工智能和自动化、机器人化技术结合，实现矿山生产复杂流程的自动化，进一步简化人工操作。5G通信技术为云平台提供了通讯基础，大数据和云计算技术在云端的应用为矿山分析决策、动态预测、协同控制提供了新的渠道。但是装备的智能化水平还需要进一步提高，信息的语义化描述没有形成统一的标准，信息通信技术和传统矿山技术的融合应用还停留在初步阶段。立足于此，可以设想未来矿山智能化发展的高级阶段——智慧矿山。

基于数字孪生的智慧矿山服务架构

①感知层与智能装置/装备，分布式、光纤光栅、激光、MEMs等低功耗等新型传感技术的发展拓宽了矿山物联网的感知边界，可以在线获取更多的安全隐患尤其是隐蔽灾害的探测数据；智能传感器装置的研发和应用，使得传感器节点具备了在线计算、状态自诊断、网络自治等能力，提升了终端节点对信号实时处理和反馈调节的效率；机器人化智能化的矿山装备为矿山生产系统的智能调度、协同控制、少人化、无人化提供了基础；智能传感和智能装备技术是矿山数据孪生技术体系中的物理基础。

②缘智能与网络层，随着各类边缘分站和智能网关算力的提升，轻量级数字孪生模型得以在边缘节点卸载，结合轻量级算法模型的应用，可以很大程度提高各子系统数据分析的效率和反馈响应的及时性；融合通信网络技术实现多源异构网络的统一接入，可以解决智能装置/ 装备的快速连接发现、高效连接管理和在线透明交换问题；5G技术在矿山的应用可以解决“人－机－环”感知数据实时高效传输问题，尤其是采掘工作面等有线连接受限的场景，提高了无线通信的实时性和可靠性。

③数字孪生与算法模型层，随着硬件、网络、大数据平台技术不断演进升级，围绕矿山生产过程的知识发现和知识服务成为智慧矿山发展的瓶颈。数字孪生可以实现矿山物理实体状态演化规律到虚拟实体的映射，通过虚实融合演进的状态分析模式，可以建立机理模型、自然规律、经验知识、数据特征相融合的矿山知识服务体系，从而达到对矿山物理世界实时可测、可观、准确控制、精确管理和科学决策的目的，将成为未来智慧矿山发展的技术核心。矿山数字孪生模型的建立需要矿山物理实体相关的机理模型、人工智能算法模型、大数据分析、虚拟仿真等技术的支撑。

④智能化应用服务层，结合矿山生产环境孪生模型和孪生交互服务机制，融合独立分散的矿山安全监测与灾害预警系统，构建统一的矿山安全态势分析平台。基于矿山生产场景孪生模型和生产过程推理算法，结合工作流技术以及智群计算理论，研发面向多生产场景的矿山安全生产智能调度服务系统；基于矿山设备状态孪生分析模型，结合大数据分析、智能诊断与协同控制技术，建立矿山“采、掘、机、运、通、供电、排水、辅助运输”等装备系统的状态在线诊断与协同管控平台。

矿山不断新增的传感器和平台积累的海量生产过程数据，为矿山生产安全知识的孕育奠定了基础，需要一套能够反映矿山生产规律、跟踪生产过程设备环境状态演化，并与生产过程进行智能交互的知识服务体系来支撑下一步的矿山智能化建设。面向矿山生产要素的数字孪生建模方法、数字孪生模型之间的交互机制，以及围绕数字孪生模型的深度数据挖掘分析技术可以为矿山安全生产过程的实时再现、预测分析、交互演绎提供支撑。矿山数字孪生建模技术需要结合矿山运行机理和特点，重点研究围绕矿山“人－机－环”生产要素的孪生模型设计方法，面向生产场景的孪生建模方法与交互机制，以及矿山数字孪生虚拟模型设计与数据深度融合分析方法等内容。

数字孪生技术中提出了物理实体、虚拟空间建模和虚实融合交互机制的知识建模方法，将数字孪生技术应用于煤矿“人、机、环、管”各环节，进行多学科交叉融合，促进人、机智能协同，有助于解决矿山生产过程的精准控制和各种灾害的预警防控问题。Michael Grieves给出了数字孪生的3个组成部分：物理空间的实体产品、虚拟空间的虚拟产品、物理空间和虚拟空间之间的数据和信息交互接口。目前，最常用的是五维数字孪生模型，即包含物理实体、虚拟模型、服务、数据、连接等5个方面，据此，我们可以设计矿山数字孪生的基本模型构成。数字孪生技术中提出了物理实体、虚拟空间建模和虚实融合交互机制的知识建模方法，将数字孪生技术应用于煤矿“人、机、环、管”各环节，进行多学科交叉融合，促进人、机智能协同，有助于解决矿山生产过程的精准控制和各种灾害的预警防控问题。Michael Grieves给出了数字孪生的3个组成部分：物理空间的实体产品、虚拟空间的虚拟产品、物理空间和虚拟空间之间的数据和信息交互接口。目前，最常用的是五维数字孪生模型，即包含物理实体、虚拟模型、服务、数据、连接等5个方面，据此，可以设计矿山数字孪生的基本模型构成。

矿山生产场景复杂多变，涉及到的设备种类多，又面临与采动环境的耦合问题，结合数字孪生的五维模型，矿山生产场景的数据孪生模型建立涉及多个领域的知识，需要矿山运行机理、矿山安全、CPS、大数据分析、自动化控制等理论与技术的深度融合。

以采煤工作面为例，结合地质信息、围岩信息、时空数据、设备及关键部件设计参数等基础信息和环境传感、设备传感、人员传感、实时调度信息、生产状态等实时感知数据，在“人-机-环”虚实融合感知理论模型的基础上，完成截割煤岩地质体、采掘设备及关键部件、工作人员动作行为的数字孪生虚拟模型建立。基于各物理实体的状态演化机理和生产过程的运行模式，建立数字孪生虚拟模型与实时感知信息的之间的智能交互机制，实现对煤岩地质体环境和设备运行状态的演进分析，实现“人-机-环”运行安全状态的耦合分析，为各种场景耦合下工作面设备的联合调度与协同控制提供服务。以实时交互模型分析结果为指导，完成采煤机行走、截割、位姿参数的调控，液压支架动作、支撑、平衡参数调控，以及刮板输送机速度、运载、运移参数调控，达到工作面生产过程智能化调控和安全稳定高效运行要求，实现工作面采煤过程的透明化管控。

矿山生产过程中涉及到复杂设备系统和地质环境的变化，虚拟模型以数字化的方式创建物理实体的映射，虚拟模型对物理实体静态属性和动态演化过程的真实表达成为矿山生产场景数字孪生建模的关键。借助于对物理实体运行机理、演化规律、变化规则的分析，通过仿真模拟、多源信息感知、虚实融合交互、深度数据分析、反馈优化调节等技术，可以促进虚拟模型与物理实体之间的融合与交互，提高数字孪生建模的可信度和判识、预测分析能力。以采煤机截割系统为例，采煤机截割系统由截割电动机、截割传动系统、截割滚筒和液压系统等组成，是多级传动与控制机构耦合的结构，同时面临煤岩界面变动、喷淋、闪石等复杂环境，是采煤机最容易产生故障的部位。建立截割系统的数字孪生体有利于实现截割系统状态的在线评估和截割系统的全周期生命管理。

如下图所示，构建截割系统虚拟模型之前需要对截割系统的工作原理、作业环境、演变规律进行分析。结合多场耦合作用下的截割系统状态演变机理，分析采煤机截割系统与截割环境（煤层、顶底板、围岩体）及联动设备（行走机构、液压支架、刮板输送机）的复杂相互作用关系；针对煤岩截割过程、截割系统运行过程、截割系统关键部件的异常状态特点，分析系统状态与感知信息的关联关系；设计多场耦合作用下的截割系统多源感知信息描述、知识表示、知识抽取方法，实现“多源感知信息－多状态”知识关联分析。

（3）边缘计算与网络服务层

在矿山物联网建设中需要对来自不同网络、不同子系统的海量异构数据信息进行统一的处理及存储，从而要求融合通信网关能够融合多网、多源、异构的海量数据并且对这些数据进行高效快速地处理，从中获取有价值的信息，进而提供智能决策辅助服务。需要对融合通信网络架构与传输技术进行研究，实现对矿山物联网海量信息的统一传输与资源管控功能。在网络的资源管控方面，随着矿山物联网中传感设备种类增多，井下网络网关处汇聚了各种类型的业务信息，由于不同的业务类型具有不同的QoS需求，因此高效合理的调度方案至关重要。

云边协同技术。边缘计算是云计算的延伸，在云边协同中，云端负责矿山大数据分析、模型训练、算法更新等任务，边缘端负责基于就地信息进行数据的计算、存储和传输。运用云边协同技术，边缘节点负责处理数字孪生体中对时延或算力要求不高的矿山数据，而云服务器负责处理时延或算力要求高的矿山数据。在边缘端处理时间敏感型矿山数据，有助于提升反馈控制指令的执行能力、生产异常/扰动监测等突发状况的响应速度，从而助力矿山智能自治生产运行。在云端处理时间不敏感型矿山数据，有助于数字孪生体对实体矿山产生的海量信息进行深层次挖掘，进一步优化云端和边缘端各应用服务模型参数，从而提升智慧矿山数据分析与服务能力。云边协同有以下3种方式：① 训练-计算的云边协同，即云端根据边缘端上传的数据对智能模型进行设计、训练和更新，边缘端负责搜集数据并实时下载最新的模型进行计算任务；② 以云端为导向的云边协同，即模型中高算力要求的训练部分在云端完成，边缘端负责处理轻量化的运算任务，接力云端的计算结果，最终模型由云边端共同运算得到。这种方式可以权衡云端和边缘端的计算量和通信量；③ 以边缘端为导向的云边协同，即模型的训练工作首先在云端完成，边缘端在收到云端模型的计算结果后适当微调，并且结合各传感器发送到边缘端的数据进一步优化模型。此方法可以更有针对性地满足煤矿井下实际生产需求，更充分的考虑了煤矿实际情况。

边缘计算卸载技术。边缘计算通过在设备上直接部署计算单元，将云计算的算力和存储下放到每个边缘终端，可有效减小网络带宽压力、降低系统时延、分散系统风险，从而缓解云计算带来的问题。由于边缘节点的资源有限，为了满足系统整体的计算需求，就需要采用计算卸载技术来协调算力，通过计算卸载将任务分配给资源充足的节点，从而统筹系统资源、加快处理速度、优化服务质量。计算卸载主要由卸载决策和资源分配两大部分构成，卸载决策用于判断节点是否需要卸载以及卸载多少任务，资源分配用于研究卸载的任务应该被分发到何处。常见的计算卸载方式分为粗粒度任务卸载和细粒度任务卸载。粗粒度任务卸载将整个终端作为卸载对象，没有根据实际情况划分子任务，这种卸载方式无法充分利用终端节点的系统资源；而细粒度任务卸载会根据当前卸载任务的实际需求，将任务划分为多个具有依赖关系的子任务，每个子任务的数据量和复杂度都大大降低，因此可以节省传输时间，提高运算效率。结合矿山智能设备的特点，采用细粒度任务卸载方式可有效提高边缘计算设备的集群运算效率，最终降低各节点的时延、能耗和网络压力。

针对矿山各系统多源海量监测数据，矿山大数据平台需要设计高可靠、大容量、快速存取、弹性部署、易拓展的分布式存储架构，从而实现矿山安全生产过程大数据的高效泛在存取；统筹管理多场景异构数据，通过大数据知识挖掘引擎，支撑矿山上层多元化应用。通过构建云交互式服务平台，解决矿山深层应用中数据综合管控的痛点，打通数字矿山多元异构数据通信壁垒，实现矿山数据分布式安全可靠协同，建立矿山智能化应用服务体系。