劉 劍

（1.遼寧工程技術(shù)大學(xué) 安全科學(xué)與工程學(xué)院，遼寧 葫蘆島125105；2.遼寧工程技術(shù)大學(xué) 礦山熱動力災(zāi)害與防治教育部重點(diǎn)實(shí)驗(yàn)室，遼寧 葫蘆島125105）

所謂礦井智能通風(fēng)，就是1 個在具有自學(xué)習(xí)功能的計(jì)算機(jī)智能程序系統(tǒng)控制下的、由智能通風(fēng)動力、智能網(wǎng)絡(luò)、智能設(shè)施與裝備、智能監(jiān)測、智能控制等功能系統(tǒng)組成的、能夠?qū)崿F(xiàn)智能感知、智能重構(gòu)、智能決策與控制的技術(shù)與裝備系統(tǒng)[1-3]。通風(fēng)安全崗位的機(jī)械化換人、自動化減人、智能化無人是智能通風(fēng)的目標(biāo)點(diǎn)之一，但不是其全部。智能通風(fēng)的核心定位與追求是實(shí)現(xiàn)礦內(nèi)氣相介質(zhì)對人的安全保障與健康要求，這種安全保障不但要考慮正常生產(chǎn)時期，還要考慮災(zāi)變時期的實(shí)現(xiàn)。礦井智能通風(fēng)的本質(zhì)特征是系統(tǒng)具有自學(xué)習(xí)功能，這種學(xué)習(xí)過程不是在實(shí)驗(yàn)室，而是在礦井的實(shí)際生產(chǎn)過程中，學(xué)習(xí)的數(shù)據(jù)來自實(shí)際生產(chǎn)礦井。通過學(xué)習(xí)，智能系統(tǒng)能夠?qū)υO(shè)計(jì)師沒有想到的、不可預(yù)知的、非智能技術(shù)難以解決的問題做出判斷和決策。礦井智能通風(fēng)涵蓋的技術(shù)領(lǐng)域包括物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、邊緣計(jì)算、工業(yè)機(jī)器人、虛擬現(xiàn)實(shí)以及機(jī)器學(xué)習(xí)等人工智能科學(xué)領(lǐng)域。

智能通風(fēng)是礦井智能開采的重要子系統(tǒng)，通過互聯(lián)互通與協(xié)同一致，實(shí)現(xiàn)礦井通風(fēng)安全系統(tǒng)的自感知、自學(xué)習(xí)、自決策、自執(zhí)行等基本能力。所謂互聯(lián)，不僅僅是把通風(fēng)安全感知系統(tǒng)與通風(fēng)網(wǎng)絡(luò)、通風(fēng)動力以及風(fēng)門、風(fēng)窗等通風(fēng)設(shè)施鏈接起來，而且還要與粉塵、瓦斯、自燃、火災(zāi)、熱害防治系統(tǒng)鏈接起來，與采、掘、機(jī)、運(yùn)等大系統(tǒng)實(shí)現(xiàn)互聯(lián)。這個由信息物理系統(tǒng)（CPS）形成的物聯(lián)網(wǎng)，使人與人、人與機(jī)器、機(jī)器與機(jī)器互聯(lián)共享。從時間上智能通風(fēng)可以劃分為正常生產(chǎn)時期對通風(fēng)的按需智能優(yōu)化設(shè)計(jì)與管控、災(zāi)變時期的應(yīng)急控風(fēng)2 個階段。從空間上劃分為以井巷為主要對象的管流、以采空區(qū)為主要對象的場流2 個氣相介質(zhì)域。無論是從理論方法上，還是從技術(shù)裝備上，上述4 種時空模型都有較大的差異，但又是相互聯(lián)系的，互為邊界條件的。

為此對實(shí)現(xiàn)礦井智能通風(fēng)亟待解決、正在解決或基本解決的關(guān)鍵科學(xué)技術(shù)問題的認(rèn)識進(jìn)行介紹，并簡要論述這些科學(xué)問題的重要屬性，具體的研究內(nèi)容及研究現(xiàn)狀將另文介紹，沒有涉及與采空區(qū)關(guān)聯(lián)的智能通風(fēng)問題。

1 實(shí)時礦井通風(fēng)網(wǎng)絡(luò)解算

實(shí)時礦井通風(fēng)網(wǎng)絡(luò)解算是正常生產(chǎn)時期智能通風(fēng)所涉及的最核心的亟待解決的關(guān)鍵技術(shù)之一[3-6]。實(shí)時礦井通風(fēng)網(wǎng)絡(luò)解算與礦井通風(fēng)網(wǎng)絡(luò)實(shí)時解算在內(nèi)涵上存在一定的差異性，前者體現(xiàn)的是通風(fēng)網(wǎng)絡(luò)的復(fù)雜性與真實(shí)性，后者體現(xiàn)的是算法的時效性。實(shí)時礦井通風(fēng)網(wǎng)絡(luò)解算研究的物理對象是井下真實(shí)狀態(tài)的實(shí)時映射，或者是井下真實(shí)狀態(tài)的實(shí)時數(shù)字重構(gòu)。實(shí)時礦井通風(fēng)網(wǎng)絡(luò)解算技術(shù)成熟的標(biāo)志是實(shí)時解算結(jié)果與監(jiān)測系統(tǒng)的傳感器示值保持同步并且一致。實(shí)時礦井通風(fēng)網(wǎng)絡(luò)解算技術(shù)涉及的關(guān)鍵理論與技術(shù)問題至少包括：基于熱壓濕變風(fēng)阻系數(shù)的通風(fēng)網(wǎng)絡(luò)熱-流動態(tài)耦合理論[7-8]；實(shí)時礦井通風(fēng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)同步技術(shù)；非線性觀測器構(gòu)造技術(shù)[9]；傳感器位置優(yōu)化[10]；熱壓濕變風(fēng)阻系數(shù)實(shí)時反演技術(shù)[11]；阻變型故障診斷技術(shù)[12-14]；通風(fēng)系統(tǒng)擾動識別等一系列技術(shù)問題。

1.1 基于熱壓濕變風(fēng)阻系數(shù)的通風(fēng)網(wǎng)絡(luò)熱-流動態(tài)耦合

礦井風(fēng)流是一種有黏、不可壓縮、與外部有熱濕交換的流體流動，這種流動是空氣動力過程與熱力過程的動態(tài)耦合。納維斯托克斯方程較好地描述了這2 種過程的耦合機(jī)制。但是在工程實(shí)踐中，只有在進(jìn)行通風(fēng)阻力測定讀取數(shù)據(jù)那一刻體現(xiàn)了這種過程的耦合。通風(fēng)網(wǎng)絡(luò)解算俗稱已知風(fēng)阻求風(fēng)量，其算法忽略了熱力過程的影響。理論和實(shí)驗(yàn)均表明，通風(fēng)阻力系數(shù)與大氣壓力、溫度和濕度密切相關(guān)，亦即通風(fēng)阻力系數(shù)除了與井巷長度、斷面積、斷面形狀、支護(hù)方式相關(guān)外，還是大氣壓力、溫度、濕度的函數(shù)。為此引出熱壓濕變風(fēng)阻概念，利用熱壓濕變風(fēng)阻進(jìn)行網(wǎng)絡(luò)解算，早晨的解算結(jié)果與中午的解算結(jié)果是不一樣的。建立熱壓濕變風(fēng)阻系數(shù)這一新概念，不但能夠解決早晨與中午網(wǎng)絡(luò)解算的差異問題，而且冬季和夏季的自然風(fēng)壓差異也會在網(wǎng)絡(luò)解算中自然體現(xiàn)出來，所謂的高海拔礦井通風(fēng)、高溫深井通風(fēng)，甚或火災(zāi)時期的風(fēng)流狀態(tài)也都在1 個方程的一次解算中獲得解決。需要指出的是，在流體力學(xué)里，可壓縮性表征的是流體的跟隨密度、散度，而非流體密度對時間、空間的導(dǎo)數(shù)，所以深井通風(fēng)仍屬不可壓縮流體運(yùn)動。所在的實(shí)驗(yàn)室已經(jīng)完成熱壓濕變風(fēng)阻系數(shù)的相關(guān)實(shí)驗(yàn)和回歸器的機(jī)器學(xué)習(xí)。

1.2 礦井通風(fēng)系統(tǒng)非線性觀測器構(gòu)造

實(shí)時礦井通風(fēng)系統(tǒng)重構(gòu)是實(shí)時網(wǎng)絡(luò)解算的關(guān)鍵，有了重構(gòu)的通風(fēng)系統(tǒng)，那么網(wǎng)絡(luò)解算方法甚至可以摒棄現(xiàn)在普遍采用的諸如斯考德-恒斯雷等一系列迭代法。通過掘進(jìn)工作面、回采工作面的定位傳感器，可以解決網(wǎng)絡(luò)拓?fù)潢P(guān)系實(shí)時重構(gòu)問題，但是，風(fēng)流狀態(tài)重構(gòu)就比較復(fù)雜了。構(gòu)造礦井通風(fēng)系統(tǒng)非線性觀測器是風(fēng)流狀態(tài)重構(gòu)的關(guān)鍵，通風(fēng)系統(tǒng)具有較強(qiáng)的魯棒性，無論是有監(jiān)督學(xué)習(xí)還是無監(jiān)督學(xué)習(xí)都可用于構(gòu)造非線性觀測器。

非線性觀測器除了要解決熱壓濕變風(fēng)阻系數(shù)實(shí)時反演問題，還要解決稀疏觀測點(diǎn)布設(shè)位置問題，也就是傳感器位置優(yōu)化問題。文獻(xiàn)[10]研究表明，鄰域粗糙集λ 取值、傳感器位置，傳感器所在巷道風(fēng)阻值的關(guān)系形如一把掃帚，稱之為傳感器位置優(yōu)化掃帚模型。較大風(fēng)阻值的巷道構(gòu)成了掃帚把，較小風(fēng)阻值的巷道構(gòu)成了掃帚頭。傳感器應(yīng)優(yōu)先布置在掃帚把上，而掃帚把的位置與巷道的靈敏度是沒有任何關(guān)系的。阻變型故障診斷試驗(yàn)、通風(fēng)阻力系數(shù)反演試驗(yàn)均表明，利用掃帚模型確定的試驗(yàn)特征值觀測點(diǎn)，故障診斷及阻力系數(shù)反演的準(zhǔn)確性均好于非掃帚模型確定的傳感器位置。

盡管從實(shí)驗(yàn)室層面證明了非線性觀測器構(gòu)造技術(shù)的可行性，但是距離工業(yè)實(shí)踐尚有相當(dāng)?shù)木嚯x。在有監(jiān)督學(xué)習(xí)的試驗(yàn)中，一般都是通過蒙特卡洛仿真技術(shù)生成學(xué)習(xí)樣本，樣本受專家主觀因素影響甚至干預(yù)是難免的。利用實(shí)時監(jiān)測數(shù)據(jù)訓(xùn)練有監(jiān)督學(xué)習(xí)的觀測器，或作為無監(jiān)督學(xué)習(xí)觀測器的目標(biāo)適應(yīng)值是下一步攻關(guān)的重點(diǎn)。

有學(xué)者認(rèn)為，隨著質(zhì)優(yōu)價廉的傳感器出現(xiàn)，通過安裝大量傳感器來解決通風(fēng)系統(tǒng)重構(gòu)問題。姑且不論通訊系統(tǒng)對傳感器數(shù)量的制約，即使傳感器數(shù)量足夠多，畢竟也是有限的。有限的離散傳感器解決不了系統(tǒng)的連續(xù)性問題。傳感器只能解決系統(tǒng)表征參量的實(shí)時通報(bào)，而非數(shù)學(xué)模型控制的重構(gòu)體。解決不了系統(tǒng)的規(guī)律變化問題，也就做不到實(shí)時預(yù)警。在災(zāi)變時期通信及電力系統(tǒng)受損，利用殘缺信息解決重構(gòu)問題顯得尤為重要。

1.3 阻變型故障診斷

將礦井發(fā)生巷道垮落變形、風(fēng)門未關(guān)閉或者破損、風(fēng)機(jī)故障、巷道延伸及報(bào)廢、巷道垮落變形、煤倉放空等變化引起通風(fēng)系統(tǒng)風(fēng)量發(fā)生異常變化的現(xiàn)象稱為阻變型故障，甚至火災(zāi)引起的通風(fēng)系統(tǒng)變化也可以稱之為阻變型故障。阻變型故障要解決的問題是故障位置和故障量，所謂故障量亦即等效風(fēng)阻變化值。確定故障位置屬于分類器問題，確定故障量屬于回歸器問題。支持向量機(jī)（SVM）和人工神經(jīng)網(wǎng)絡(luò)（ANN）都成功應(yīng)用于基于有監(jiān)督學(xué)習(xí)的故障診斷。遺傳算法（GA）、粒子群算法（PSO）、進(jìn)化策略（EA）以及差分進(jìn)化（DEA）也都成功應(yīng)用于無監(jiān)督學(xué)習(xí)的故障診斷。從機(jī)器學(xué)習(xí)以及觀測器特征值選擇來看，無論是風(fēng)量單一特征還是風(fēng)量風(fēng)壓復(fù)合特征，都能進(jìn)行故障診斷。有監(jiān)督學(xué)習(xí)的故障診斷存在的問題如同前文所述的蒙特卡洛仿真樣本問題，無監(jiān)督學(xué)習(xí)存在著運(yùn)算資源消耗過大問題。將智能診斷技術(shù)真正應(yīng)用到礦井中，需要解決以傳感器實(shí)時監(jiān)測數(shù)據(jù)為特征值的機(jī)器學(xué)習(xí)問題。

1.4 通風(fēng)系統(tǒng)擾動識別

系統(tǒng)擾動與阻變型故障其本質(zhì)都是風(fēng)阻發(fā)生變化，二者的區(qū)別在于故障具有一定的穩(wěn)定性和延續(xù)性，而擾動卻是隨機(jī)發(fā)生的，延續(xù)時間較短，具有統(tǒng)計(jì)意義上的類周期性。擾動主要產(chǎn)生于罐籠的提升、無軌車輛和有軌礦車運(yùn)行的弱活塞作用、風(fēng)門的開關(guān)，以及井下影響巷道通風(fēng)斷面的其它活動。利用激光多普勒測速儀（LDA）、熱線風(fēng)速儀（CTA）以及粒子圖像測速儀（PIV）對井下湍流的脈動變化規(guī)律進(jìn)行了大量研究[15-16]，但是，如何準(zhǔn)確地判斷擾源位置并將其用于非線性觀測器設(shè)計(jì)，目前尚無可行的算法，這也是網(wǎng)絡(luò)解算結(jié)果與監(jiān)測系統(tǒng)傳感器示值保持同步一致需要攻克的1 個關(guān)鍵問題。國家自然科學(xué)基金項(xiàng)目（編號：51904143）借鑒電能質(zhì)量電信號擾動識別的思想，研究過濾湍流脈動后的時均風(fēng)速擾波隱含特征及其識別方法。

2 災(zāi)變時期智能控風(fēng)

2.1 災(zāi)變時期風(fēng)流狀態(tài)

火災(zāi)時期井下風(fēng)流狀態(tài)來仍遵從有黏、不可壓縮的納維斯托克斯方程。但是，熱阻力以及節(jié)流效應(yīng)等對風(fēng)流的自然分配有較大影響，火風(fēng)壓甚至?xí)斐娠L(fēng)流逆轉(zhuǎn)。盡管如此，正常生產(chǎn)時期的通風(fēng)系統(tǒng)非線性觀測器仍能滿足火災(zāi)時期通風(fēng)網(wǎng)絡(luò)重構(gòu)要求，但對瓦斯、煤塵等爆炸場景不適用。爆炸造成的沖擊波以馬赫數(shù)量級傳播，空氣處于可壓縮狀態(tài)，爆炸時的風(fēng)流流態(tài)是極其復(fù)雜的。

2.2 應(yīng)急狀態(tài)下致災(zāi)因子傳播快速推演技術(shù)

應(yīng)急狀態(tài)下，追求精準(zhǔn)的通風(fēng)狀態(tài)參數(shù)是沒有意義的。將足以造成通風(fēng)系統(tǒng)失效的壓力、溫度、有毒有害氣體稱之為致災(zāi)因子。災(zāi)變發(fā)生后，尤其是爆炸發(fā)生后，快速確定爆炸沖擊波的壓力、溫度等致災(zāi)因子在全風(fēng)網(wǎng)的傳播情況，對快速確定礦井通風(fēng)系統(tǒng)級聯(lián)失效模式、決策救避災(zāi)方案具有極其重要的意義。FLACS 等商用軟件可以較好的模擬瓦斯爆炸沖擊波的傳播過程，但是這種模擬從建模到獲得結(jié)果耗時以天為單位。利用FLACS 等CFD 數(shù)值模擬軟件或爆炸實(shí)驗(yàn)獲得瓦斯爆炸沖擊波的壓力、溫度、有毒有害氣體等致災(zāi)因子傳播學(xué)習(xí)樣本，利用ANN 或SVM 建立瓦斯爆炸致災(zāi)因子傳播快速分類器及回歸器都獲得了成功。文獻(xiàn)[17]建立的ANN 回歸器模擬試驗(yàn)表明，在給定爆炸位置和爆炸當(dāng)量的均直巷道，獲得任一點(diǎn)的爆炸沖擊波壓力、溫度等所需時間是瞬時的，全風(fēng)網(wǎng)預(yù)測也會在60 s 內(nèi)完成。ANN 回歸器試驗(yàn)結(jié)果與FLACS 數(shù)值模擬結(jié)果相比較，ANN 平均訓(xùn)練誤差為6.92%，有訓(xùn)練樣本的驗(yàn)證誤差為5.24%，無訓(xùn)練樣本的驗(yàn)證誤差為6.88%。

2.3 災(zāi)變時期智能控風(fēng)關(guān)鍵技術(shù)

災(zāi)變時期智能控風(fēng)的關(guān)鍵是明災(zāi)情、快決策。如果不考慮機(jī)電裝備本身，災(zāi)變時期智能控風(fēng)的難點(diǎn)在于爆炸等強(qiáng)破壞對井下供電和通訊系統(tǒng)造成損毀，導(dǎo)致監(jiān)測系統(tǒng)部分甚至全部失效，給判斷爆源及強(qiáng)度帶來困難。信息殘缺情況下的通風(fēng)系統(tǒng)重構(gòu)、災(zāi)情判識、致災(zāi)因子傳播與通風(fēng)系統(tǒng)級聯(lián)失效的快速推演技術(shù)是災(zāi)變時期智能控風(fēng)的重要研究內(nèi)容與關(guān)鍵技術(shù)。

3 通風(fēng)參數(shù)高精度快速測試

無論是人工智能模型的學(xué)習(xí)訓(xùn)練，還是預(yù)警決策，依賴的都是大量有效的通風(fēng)數(shù)據(jù)。風(fēng)量與風(fēng)壓（壓差）是礦井通風(fēng)的核心參數(shù)，也是通風(fēng)系統(tǒng)非線性觀測器的輸入及重構(gòu)參數(shù)[18]。

礦用風(fēng)速傳感器多采用熱球、渦街、超聲波等感應(yīng)原理，風(fēng)壓（壓差）傳感器多采用電容或半導(dǎo)體感壓原理。這些傳感器都存在測試精度低，反應(yīng)不靈敏等問題。

測試精度低的根本原因在于測試原理沒有考慮井下風(fēng)流為湍流這個根本事實(shí)。文獻(xiàn)[19-21]利用LDA、CTA、PIV 進(jìn)行的大量實(shí)驗(yàn)表明，即使是所謂測風(fēng)站穩(wěn)定流動，風(fēng)流的脈動幅度也超過均值的30%以上，脈動頻率在微秒級別，而且還不是真實(shí)的脈動頻率，只是LDA、CTA 采集數(shù)據(jù)的頻率。實(shí)驗(yàn)還發(fā)現(xiàn)無論是風(fēng)機(jī)進(jìn)出口處的復(fù)雜流場，還是測風(fēng)站的穩(wěn)定流場，其速度場結(jié)構(gòu)都是恒定的，與風(fēng)速的大小無關(guān)，這就為井巷斷面平均風(fēng)速的單點(diǎn)測試奠定了基礎(chǔ)。如果高精度、高數(shù)據(jù)采集頻次的單點(diǎn)三維測風(fēng)傳感器取得突破，并結(jié)合湍流平均的數(shù)據(jù)處理方法，風(fēng)量測試技術(shù)將會取得突破。單點(diǎn)三維測風(fēng)傳感器的發(fā)展方向是激光多普勒技術(shù)。

4 井下智能網(wǎng)絡(luò)與智能裝備

4.1 智能網(wǎng)絡(luò)

智能算法依賴強(qiáng)大的計(jì)算資源，云計(jì)算能夠較好解決計(jì)算資源問題，但是從井下到云端頻繁地進(jìn)行海量數(shù)據(jù)的傳輸交換，其無線通信開銷會成為智能通風(fēng)系統(tǒng)性能的瓶頸?？紤]災(zāi)變時期通訊及電力系統(tǒng)失效情況，研發(fā)地面集中監(jiān)控與井下分區(qū)聯(lián)動協(xié)同運(yùn)行技術(shù)很有必要，如果金屬礦山的多級機(jī)站反風(fēng)、煤礦井下的防火隔離門、防爆門等應(yīng)急裝備能夠?qū)嵤┘锌刂婆c分區(qū)聯(lián)動相結(jié)合的協(xié)同模式，對提高應(yīng)急控風(fēng)技術(shù)的可靠性具有重要意義。這也就意味著未來的智能通風(fēng)需要在井下分區(qū)設(shè)置邊緣計(jì)算，而且，邊緣計(jì)算要有除學(xué)習(xí)訓(xùn)練之外的大部分智能模塊。智能向邊緣控制轉(zhuǎn)化也就是智能網(wǎng)絡(luò)，它是建立在適應(yīng)性邊緣架構(gòu)(AEA)的基礎(chǔ)之上的，使網(wǎng)絡(luò)邊緣具有更高的靈活度、適應(yīng)性和更高的能力。所以，智能通風(fēng)對井下智能網(wǎng)絡(luò)的要求比智能開采更具挑戰(zhàn)性，這也是未來需要解決的問題。

4.2 智能裝備

正常生產(chǎn)時期主通風(fēng)機(jī)、井下機(jī)站、局部通風(fēng)機(jī)、風(fēng)門、風(fēng)窗等通風(fēng)設(shè)施與裝備的智能化關(guān)鍵還是在參數(shù)的測試及智能軟件的實(shí)現(xiàn)上。但是在災(zāi)變時期，尤其是爆炸等強(qiáng)破壞災(zāi)變發(fā)生的情況下，研發(fā)沖擊波實(shí)時全向智能感知觸發(fā)技術(shù)、研發(fā)能夠先行躲避沖擊波、隨即阻截火焰和有毒有害氣體的智能隔離門的避波截氣延時閉合技術(shù)、抗沖擊防爆門智能快速復(fù)位技術(shù)是智能裝備亟待解決的關(guān)鍵問題，這些技術(shù)的突破，同時配合基于智能網(wǎng)絡(luò)的分區(qū)聯(lián)動技術(shù)，就能夠?qū)崿F(xiàn)災(zāi)變區(qū)域自動隔離與通風(fēng)主系統(tǒng)快速自恢復(fù)這一應(yīng)急控風(fēng)目標(biāo)。

5 結(jié) 語

礦井智能通風(fēng)的達(dá)成是一個漸進(jìn)過程，從整體技術(shù)來看目前仍處于實(shí)驗(yàn)室階段，但是，這絲毫不影響它已經(jīng)并將繼續(xù)為礦山安全生產(chǎn)與礦工的職業(yè)健康所發(fā)揮的作用。人工智能理論和技術(shù)已經(jīng)達(dá)到非常成熟的階段，礦井智能通風(fēng)的“卡脖子”關(guān)鍵是通風(fēng)參數(shù)的精確快速測試技術(shù)，有了高可信度的基礎(chǔ)數(shù)據(jù)，人工智能在礦井通風(fēng)領(lǐng)域的應(yīng)用就變成了特征值選擇的反復(fù)嘗試與反復(fù)調(diào)參過程。