王國法，任懷偉，趙國瑞，鞏師鑫，杜毅博，薛忠新，龐義輝，張 瀟

(1.中國煤炭科工集團有限公司，北京 100013；2.中煤科工開采研究院有限公司，北京 100013；3.煤炭科學研究總院 開采設研究分院，北京 100013；4.陜煤集團陜北礦業(yè) 張家峁礦業(yè)公司，陜西 榆林 719301；5.中國礦業(yè)大學(北京)，北京 100083)

煤礦智能化是我國煤炭工業(yè)高質(zhì)量發(fā)展的核心技術(shù)支撐已成為行業(yè)廣泛共識，智能化理論與技術(shù)的研究也逐漸進入“深水區(qū)”。隨著井下通信、傳感、電氣、控制技術(shù)的不斷研發(fā)應用，從液壓支架電液控制系統(tǒng)、工作面集控系統(tǒng)、煤流運輸系統(tǒng)到智能通風系統(tǒng)、供電系統(tǒng)等，逐漸形成了大大小小上百個子系統(tǒng)。這些子系統(tǒng)多依據(jù)經(jīng)典“傳感器-控制器”邏輯控制方法，在井下各個生產(chǎn)工藝環(huán)節(jié)發(fā)揮著重要作用。然而，當多個功能、通信方式、規(guī)模不等或不同的系統(tǒng)同步在井下運行時，對于整個礦井的智能化系統(tǒng)而言，這一狀況存在著明顯不足：① 子系統(tǒng)數(shù)據(jù)限于內(nèi)部應用，只依據(jù)局部信息進行決策難以實現(xiàn)整體最優(yōu)控制；② 控制模型依據(jù)的傳感器數(shù)據(jù)不完備，極易受到環(huán)境干擾發(fā)生誤動作或控制失效，魯棒性不足；③ 各個子系統(tǒng)獨立運行，沒有整體關聯(lián)架構(gòu)支持，整體系統(tǒng)穩(wěn)定性及優(yōu)化協(xié)同均無法達成，無法應對復雜條件下的智能控制及整個礦井設備群的協(xié)同控制需求。上述這些問題是從煤礦機械化向自動化、再到智能化發(fā)展所必然經(jīng)歷的問題。很多研究機構(gòu)、學者都認識到這些問題，針對其中一個或幾個方面開展了研究，試圖給出解決問題的路徑和方法。

首先，最為重要的是統(tǒng)一數(shù)據(jù)模型。只有標準化、統(tǒng)一化的數(shù)據(jù)格式才能支撐多個子系統(tǒng)融合。當前，在數(shù)字孿生智采工作面系統(tǒng)的概念、架構(gòu)及構(gòu)建方法，基于邊緣云協(xié)同計算架構(gòu)的智慧礦山技術(shù)架構(gòu)體系，基于云服務、邊緣計算和WSN技術(shù)的煤礦信息物理系統(tǒng)場景感知自配置系統(tǒng)等研究中，給出了物理系統(tǒng)信息的虛擬表達方法及計算體系，為系統(tǒng)融合指出了路徑，但尚不能完全支撐系統(tǒng)融合過程所需的多源異構(gòu)數(shù)據(jù)處理、關聯(lián)分析及虛擬映射操作。

其次是要實現(xiàn)跨系統(tǒng)的數(shù)據(jù)感知及實時連接。煤礦井下當前已經(jīng)初步形成了一個全時空感知體系，對物理空間、地質(zhì)構(gòu)造、人員、裝備等靜態(tài)及動態(tài)的邏輯、屬性、運行、過程信息進行不同頻次的采集，以支持煤礦數(shù)字化。然而，這些感知的傳感器分布在不同的子系統(tǒng)、不同的數(shù)據(jù)傳輸層次中，難以統(tǒng)一在一個數(shù)據(jù)治理體系下并形成具有完備特征的煤礦數(shù)據(jù)孿生體。已有的研究提出了全面覆蓋的智慧煤礦信息模型，力求改善數(shù)字礦山向智慧礦山發(fā)展過程中信息關聯(lián)層次不清晰、框架結(jié)構(gòu)不完善、缺少智能決策依據(jù)及有效控制方法的問題；提出了由數(shù)據(jù)接入層、數(shù)據(jù)存儲層、數(shù)據(jù)資產(chǎn)管理層、數(shù)據(jù)服務層構(gòu)成的煤礦大數(shù)據(jù)集成分析平臺技術(shù)架構(gòu)，為數(shù)據(jù)融合分析處理提供基礎數(shù)據(jù)與資源能力。然而，跨系統(tǒng)的業(yè)務邏輯、不同層級數(shù)據(jù)的匹配推送策略還未完全建立，因而無法實現(xiàn)大規(guī)模數(shù)據(jù)的跨系統(tǒng)實時連接。

此外，還涉及多系統(tǒng)融合的兼容性問題、安全性問題等。當多個系統(tǒng)協(xié)同運行時，無論是空間、時間還是邏輯上都存在兼容協(xié)同的問題。每個子系統(tǒng)都需要評估在外部數(shù)據(jù)介入情況下的系統(tǒng)收斂性、穩(wěn)定性及安全性。筆者團隊對智能化煤礦復雜巨系統(tǒng)的邏輯關聯(lián)進行研究和系統(tǒng)歸并，提出以泛在網(wǎng)絡和大數(shù)據(jù)云平臺為主要支撐，以智能管控一體化系統(tǒng)為核心，“自主感知與控制-信息傳輸-井下系統(tǒng)-綜合管控平臺”為主線的智能化煤礦數(shù)據(jù)流動與業(yè)務協(xié)同融合鏈。

上述研究從理論、技術(shù)多個角度分析了當前面臨的問題，為建立整體系統(tǒng)架構(gòu)、實現(xiàn)數(shù)據(jù)融合、保障系統(tǒng)安全奠定了理論及技術(shù)基礎，并通過部分實踐研究，給出了具體業(yè)務邏輯的數(shù)據(jù)處理方法，對于解決當前存在的問題及不足具有重要作用。但由于煤礦系統(tǒng)的復雜性、多業(yè)務系統(tǒng)的特殊性，現(xiàn)有研究成果還不足以支撐全礦井系統(tǒng)多目標決策下的安全、高效、穩(wěn)定運行需求。

筆者從全礦井復雜巨系統(tǒng)入手，針對其單元數(shù)量巨大、信息多元異構(gòu)、關系錯綜復雜等特點，提出統(tǒng)一的多源異構(gòu)數(shù)據(jù)融合處理方法——基于“分級抽取-關聯(lián)分析-虛實映射”的數(shù)字煤礦智慧邏輯模型，形成井下跨系統(tǒng)全時空信息數(shù)字感知和數(shù)據(jù)結(jié)構(gòu)體系，進而構(gòu)成完整的、正向設計的數(shù)字煤礦底座；通過煤礦數(shù)據(jù)推送策略與自動更新機制解決數(shù)據(jù)實時連接及迭代更新難題；提出基于ABCD(ABCD技術(shù)體系，即人工智能(AI)、區(qū)塊鏈(Blockchain)、云計算(Cloud computing)、大數(shù)據(jù)(big Data))的智能化煤礦系統(tǒng)耦合技術(shù)，以安全保障系統(tǒng)耦合為例闡述了煤礦復雜巨系統(tǒng)數(shù)據(jù)交互、融合過程；建立了智能化煤礦數(shù)據(jù)標準體系。相關技術(shù)在陜煤張家峁生產(chǎn)型煤礦應用，創(chuàng)建了礦井整體智能化系統(tǒng)，突破了多源異構(gòu)系統(tǒng)的一體化集成技術(shù)，建成了全礦井跨域融合智能綜合管控平臺；構(gòu)建了全時空信息數(shù)字感知及實時互聯(lián)機制，打通多系統(tǒng)、多層面、多部門的業(yè)務數(shù)據(jù)壁壘，實現(xiàn)全礦井58個在用子系統(tǒng)和34個新建子系統(tǒng)的數(shù)據(jù)融合和運行決策優(yōu)化。

1 智能化煤礦巨系統(tǒng)數(shù)據(jù)邏輯模型

從20世紀90年代開始，煤礦井下信息化、電氣化、自動化水平逐漸提升，各種傳感器、控制裝置、電氣系統(tǒng)不斷增加。例如，一個6 m大采高自動化工作面就有16個子系統(tǒng)，超過4 000個傳感器，5 000根不同的信號、控制線，10余種通信協(xié)議。當這些子系統(tǒng)單獨運行時，關系相對簡單，某個局部故障也不影響整個工作面的運行。然而，當這些子系統(tǒng)相互融合、數(shù)據(jù)交互共享后，大系統(tǒng)的數(shù)據(jù)類型、信息層次會變得異常復雜。根據(jù)系統(tǒng)工程定義，如果組成系統(tǒng)的元素不僅數(shù)量大而且種類也很多，它們之間的關系又很復雜，并有多種層次結(jié)構(gòu)，這類系統(tǒng)稱為復雜巨系統(tǒng)。目前，整個煤礦的各種子系統(tǒng)共計有上百個之多，包含文本信息、連續(xù)信號、視頻信息、音頻信息等數(shù)據(jù)類型，涉及信息傳輸、存儲、處理等不同操作，具備物理邏輯、功能邏輯、事件邏輯等不同層級關系，覆蓋生產(chǎn)、安全、管理等多個數(shù)據(jù)域，符合復雜巨系統(tǒng)定義的特征。

智能化煤礦復雜巨系統(tǒng)最重要的是要解決多源異構(gòu)數(shù)據(jù)的處理問題。數(shù)據(jù)信息的載體不同、格式不同，單純某一個方法無法實現(xiàn)多層次、多維度、多關聯(lián)、多領域數(shù)據(jù)的融合處理。為此，建立“分級抽取-關聯(lián)分析-虛實映射”的智能化煤礦巨系統(tǒng)數(shù)據(jù)邏輯模型，形成多源異構(gòu)數(shù)據(jù)處理理論方法。

1.1 分級抽取

大數(shù)據(jù)處理及分析系統(tǒng)需建立3個平臺，大數(shù)據(jù)基礎平臺、數(shù)據(jù)接入平臺和數(shù)據(jù)資產(chǎn)管理平臺。大數(shù)據(jù)基礎平臺建立了進行數(shù)據(jù)處理的基本架構(gòu)，提供了數(shù)據(jù)抓取、治理、接入、可視化的基本功能模塊。數(shù)據(jù)接入平臺主要完成數(shù)據(jù)的預處理，包括解析、去重、清晰、合并、分類等功能。分級抽取在數(shù)據(jù)接入平臺中完成，根據(jù)不同數(shù)據(jù)的層級、屬性、格式，有不同的提取方法，但任何數(shù)據(jù)均能采用如圖1所示的煤礦數(shù)據(jù)邏輯模型統(tǒng)一規(guī)范和描述，其所包含的信息均屬于7類信息中的一種或多種。從另一角度而言，數(shù)據(jù)邏輯模型將每一個數(shù)據(jù)源(傳感器)在一個七維空間進行了定位。

圖1 煤礦數(shù)據(jù)邏輯模型Fig.1 Coal mine data logical model

根據(jù)管理、生產(chǎn)、安全的不同需求，尋找、提取對應標簽的數(shù)據(jù)源。數(shù)據(jù)源標簽來自于最初給定的“信息實體”，或通過自我更新機制產(chǎn)生。按照信息抽取粒度不同，可采用基于中心向量模型的方法、模式匹配的方法等。抽取過程中，抓取多個源數(shù)據(jù)庫的消息，然后傳遞到對應的高級隊列；通過獲取所述源數(shù)據(jù)模塊中高級隊列中的消息，并將所需數(shù)據(jù)標簽進行發(fā)送；最后通過消息處理模塊將標簽數(shù)據(jù)處理、轉(zhuǎn)換之后應用于多個不同的應用目標端。

1.2 關聯(lián)分析

關聯(lián)分析在數(shù)據(jù)資產(chǎn)管理平臺中完成，是數(shù)據(jù)融合挖掘的基礎，且針對不同的目標需要結(jié)合不同的專業(yè)分析模型。煤礦常用的關聯(lián)分析模型有生產(chǎn)工藝模型、統(tǒng)計關聯(lián)模型、安全管理模型等。例如，針對工作面視頻流數(shù)據(jù)，分層抽取設備信息、人員信息、運行信息進入到信息共享庫。信息共享庫在礦壓、瓦斯、設備故障、工藝流程等專業(yè)分析模型的基礎上進行數(shù)據(jù)融合挖掘，滿足管理、安全、生產(chǎn)控制的需求；針對于工作面爆炸危險性預警，經(jīng)過數(shù)據(jù)抽取，得到甲烷、一氧化碳、溫度、風速、粉塵濃度等與之相關的數(shù)據(jù)源(傳感器)，通過實測建立的工作面爆炸值域及關聯(lián)曲線進行多數(shù)據(jù)關聯(lián)分析，進行實時爆炸預測。

1.3 虛實映射

數(shù)字孿生強調(diào)的是虛擬系統(tǒng)與現(xiàn)實系統(tǒng)的符合度，而數(shù)據(jù)邏輯模型的虛實映射則更關注二者的交互，預測與控制相結(jié)合，如圖2所示。已研究提出的“信息實體”是虛實映射的基礎，分級抽取的信息通過關聯(lián)分析形成的邏輯都被賦予到“信息實體”中。因而，與物理實體相比，信息實體是具備邏輯關系的“智能體”。這些智能體之間通過網(wǎng)狀的邏輯關聯(lián)來表達、分析、預測物理實體的行為。當某時、某種關聯(lián)智能體表達的行為符合預期目標，則這種關聯(lián)就被記憶，并反向驅(qū)動實際的物理實體按照既定的關聯(lián)完成行為動作。

圖2 工作面數(shù)據(jù)虛實映射模型Fig.2 Virtual and real mapping model of working face data

這里給出了煤礦復雜巨系統(tǒng)的統(tǒng)一數(shù)據(jù)模型及決策機制的理論和方法，建立了滿足多目標決策下的智能化煤礦系統(tǒng)安全、高效、穩(wěn)定運行體系。煤礦數(shù)據(jù)通過分級抽取-關聯(lián)分析-虛實映射，形成可統(tǒng)一處理、分析和挖掘的信息流，能夠解決多源異構(gòu)數(shù)據(jù)融合的理論難題。上述理論和技術(shù)方法的實現(xiàn)都基于大數(shù)據(jù)基礎平臺、數(shù)據(jù)接入平臺和數(shù)據(jù)資產(chǎn)管理平臺組成的大數(shù)據(jù)數(shù)據(jù)處理及分析系統(tǒng)。這一系統(tǒng)將處于不同子系統(tǒng)的數(shù)據(jù)源(傳感器)統(tǒng)一進行存儲、管理和調(diào)用，形成跨系統(tǒng)的全時空信息數(shù)字感知體系?；谏鲜隼碚摷夹g(shù)在陜煤張家峁煤礦開發(fā)了大數(shù)據(jù)支撐系統(tǒng)，實現(xiàn)了全域數(shù)據(jù)管理、跨業(yè)務數(shù)據(jù)融合，數(shù)據(jù)進行深度解析、重構(gòu)與復用，對整個煤礦各個生產(chǎn)系統(tǒng)的運行狀態(tài)與趨勢進行分析、預測，給出優(yōu)化策略，實現(xiàn)了“管理-控制”一體化。

2 井下跨系統(tǒng)全時空信息數(shù)字感知及實時互聯(lián)機制

煤礦智能化很大程度依賴于生產(chǎn)環(huán)境的有效感知。在目前煤礦生產(chǎn)過程中，上述環(huán)節(jié)均存在不同程度的獨立采集與傳輸信息，信息感知能力差，共享程度低，不利于對煤礦信息進行全面感知與深度挖掘，從而做出科學、有效的決策。因此，作為煤礦智能化基礎要素，有必要構(gòu)建完備的煤礦井下跨系統(tǒng)全時空信息數(shù)字感知體系，形成井下現(xiàn)場生產(chǎn)狀態(tài)、采掘空間信息、煤機裝備狀態(tài)、風險信息等多參量、多尺度、全時空特性的跨系統(tǒng)數(shù)據(jù)感知方案，即可獲取完整數(shù)據(jù)信息、又能避免當前數(shù)據(jù)不共享、硬件冗余重疊等問題，為煤礦安全生產(chǎn)與管理提供充分的決策支持。

為實現(xiàn)煤礦井下完備信息數(shù)據(jù)感知，建立井下跨系統(tǒng)全時空感知體系總體框架。包括6個層面，自下至上分別為感知要素層、感知層、傳輸層、邊緣處理層、數(shù)據(jù)融合層和應用層，如圖3所示。主要實現(xiàn)煤礦井下生產(chǎn)管理系統(tǒng)的各個重要方面的透徹感知、各種感知工具和數(shù)據(jù)的互聯(lián)互通、底層數(shù)據(jù)共享機制、數(shù)據(jù)集成分析和決策的深度智能化。

圖3 煤礦井下跨系統(tǒng)全時空感知體系總體框架Fig.3 Overall framework of cross-system full-time and space perception system in coal mine

2.1 煤礦井下跨系統(tǒng)全時空信息感知內(nèi)涵

實現(xiàn)煤礦智能化安全保障首先應具備精準的煤礦全維度信息感知能力，煤礦井下跨系統(tǒng)全時空信息感知主要指對涵蓋煤礦水文地質(zhì)條件、采動空間力學環(huán)境、災害指標性信息、礦井設備及生產(chǎn)信息和人員信息等的具備全維度的感知，即綜合應用視覺采集儀、激光掃描、CT切片掃描、慣性導航等傳感技術(shù)手段，實現(xiàn)煤礦采掘空間地理信息狀態(tài)、人員設備路徑跟蹤、水文地質(zhì)、煤機裝備狀態(tài)等全方面、全維度感知，為煤礦智能化安全保障提供數(shù)據(jù)基礎。

2.2 多參量信息感知

隨著煤礦采掘運生產(chǎn)監(jiān)測精準化、智能化的發(fā)展需求，監(jiān)測信息也由單一測點向多個參量協(xié)同感知邁進，利用各類傳感技術(shù)對煤礦井下智能化生產(chǎn)進行巷道圍巖安全狀態(tài)信息智能感知、工作面液壓支架姿態(tài)智能感知、工作面采煤機姿態(tài)智能感知、工作面刮板輸送機直線度智能感知等，實現(xiàn)錨桿載荷、頂板離層、圍巖應力、錨桿桿體應力、巷道溫度、液壓支架傾角及壓力、采煤機姿態(tài)與刮板輸送機直線度等多種基礎信息的獲??；同時，以時間戳為依據(jù)獲取輔助系統(tǒng)的關鍵參量，從而更為全面地反映煤礦安全生產(chǎn)狀態(tài)。

2.3 感知數(shù)據(jù)結(jié)構(gòu)

煤礦井下信息數(shù)據(jù)可按照生產(chǎn)業(yè)務主題進行分類，第1級目錄劃分為六大主題領域，分別是綜采、綜掘、輔運、安全、人員和生產(chǎn)指標，如圖4所示，第1級主題領域內(nèi)根據(jù)現(xiàn)存煤礦井下生產(chǎn)數(shù)據(jù)采集和數(shù)據(jù)標準規(guī)范可進一步劃分第2級主題目錄。綜采二級主題可進一步劃分為圍巖環(huán)境狀態(tài)、三機狀態(tài)等；綜掘二級主題可進一步劃分為掘進尺度、掘進速度等；運輸二級主題可進一步劃分為主運信息、輔運信息等；安全二級主題可進一步劃分為通風、瓦斯、防滅火等；人員二級主題可進一步劃分為人員位置等；生產(chǎn)指標二級主題可進一步劃分為產(chǎn)量、能耗等。

圖4 感知數(shù)據(jù)架構(gòu)Fig.4 Perceived data architecture

2.4 多網(wǎng)協(xié)同傳輸

工業(yè)互聯(lián)環(huán)網(wǎng)是煤礦井下感知體系的骨干網(wǎng)絡，井下生產(chǎn)需要采集的各類感知數(shù)據(jù)絕大多數(shù)都需要通過邏輯網(wǎng)關將數(shù)據(jù)上傳至互聯(lián)網(wǎng)的應用系統(tǒng)。充當邏輯網(wǎng)關的網(wǎng)絡設備可以是WiFi網(wǎng)關或ZigBee網(wǎng)關、M2M網(wǎng)關或者使用LORA標準的專業(yè)網(wǎng)關、4G或NB-IoT甚至未來的5G標準的基站等。為保障信息傳輸?shù)挠行院涂刂菩盘柕牡脱訒r性，傳輸網(wǎng)絡需更好地滿足海量數(shù)據(jù)接入和可抵御信號干擾的需求，對多協(xié)議傳輸網(wǎng)關可采取多網(wǎng)協(xié)同、高層協(xié)議向下兼容解析等方式完成井下工業(yè)互聯(lián)環(huán)網(wǎng)和與感知傳輸網(wǎng)絡的高效通信。

2.5 數(shù)據(jù)跨系統(tǒng)邊緣共享與匯集

煤礦不同層級的平臺、井下各系統(tǒng)互通互聯(lián)才能進行安全智能聯(lián)動控制。不同需求層面的煤礦信息“實體”實時數(shù)據(jù)采集是實現(xiàn)智能化煤礦巨系統(tǒng)數(shù)據(jù)邏輯模型“虛實映射”的根本，沒有區(qū)別的數(shù)據(jù)層級和虛實映射會導致數(shù)據(jù)流和數(shù)據(jù)量劇增，影響系統(tǒng)實時性，根據(jù)所構(gòu)建的井下跨系統(tǒng)全時空感知體系總體框架，為實現(xiàn)不同層級的生產(chǎn)采掘運等系統(tǒng)的交互協(xié)調(diào)，通過引入數(shù)據(jù)邊緣處理層，利用數(shù)據(jù)邊緣處理盒子等以統(tǒng)一時間戳的輪詢方式動態(tài)提取不同生產(chǎn)子系統(tǒng)的關鍵參量，并進行實時迭代更新，將關鍵生產(chǎn)信息匯聚于“邊緣端”，進行數(shù)據(jù)底層共享和融合分析，可以有效減少數(shù)據(jù)傳輸量，并快速判斷有利于生產(chǎn)優(yōu)化的決策方案，以及時應對不同的工況環(huán)境，實現(xiàn)井下各生產(chǎn)系統(tǒng)間的及時快速的數(shù)據(jù)共享、協(xié)同聯(lián)動；同時，對于輔助生產(chǎn)系統(tǒng)中不影響主生產(chǎn)系統(tǒng)的數(shù)據(jù)可進行“躍層”匯集至更高的綜合管控平臺及大數(shù)據(jù)系統(tǒng)，以在煤礦大數(shù)據(jù)層級進行綜合數(shù)據(jù)分析，實現(xiàn)數(shù)據(jù)流的多層級管理，如圖5所示。

圖5 數(shù)據(jù)跨系統(tǒng)匯集機制Fig.5 Data collection across systems

2.6 感知數(shù)據(jù)深度融合

數(shù)據(jù)深度融合是對多源異構(gòu)數(shù)據(jù)進行綜合處理獲取更高維度信息的過程。在獲取井下生產(chǎn)多參量信息后，按照數(shù)據(jù)處理的層次，將其具體分為數(shù)據(jù)層融合、特征層融合和決策層融合，數(shù)據(jù)層融合主要根據(jù)數(shù)據(jù)的時空相關性去除冗余信息，而特征層和決策層的融合往往與具體的應用目標密切相關，譬如，通過監(jiān)測綜采工作面刮板輸送機直線度、支架姿態(tài)、采煤機滾筒姿態(tài)等數(shù)據(jù)，綜合判斷整個工作面的運行環(huán)境，刻畫綜采工作面生產(chǎn)環(huán)境和可調(diào)裝備情況；通過多個主煤流運輸情況、綜采工作面開采情況和全礦井生產(chǎn)任務，綜合分析全礦煤炭開采水平，及時作出生產(chǎn)調(diào)整等決策。

2.7 數(shù)據(jù)匹配推送策略

煤礦井下數(shù)據(jù)邏輯模型的虛實映射需要數(shù)據(jù)的匹配與推送。因此，基于煤礦多源異構(gòu)關系數(shù)據(jù)的信息“實體”和虛實映射機理，提出基于知識需求模型的信息實體主動匹配與推送策略：

(1)信息實體匹配。煤礦信息類別繁多且相互之間關聯(lián)關系復雜，涉及多個維度的屬性。信息實體在智能化煤礦信息網(wǎng)絡系統(tǒng)中處于節(jié)點位置，是數(shù)據(jù)匹配、推送時數(shù)據(jù)指針對應操作的最小單元。通過信息實體抽取、分析及虛實映射，挖掘信息實體之間的關聯(lián)規(guī)則，計算支持度和置信度，描述關聯(lián)程度，并通過機器學習中的典型分類算法支持向量機定義開采行為相關的本體類別，劃分類的層次結(jié)構(gòu)，定義本體的邊界和約束，構(gòu)建基于外部感知的信息動態(tài)匹配算法，如圖6所示。

(2)數(shù)據(jù)推送。通過模糊綜合決策的知識匹配規(guī)則，以信息需求中的條目作為關鍵詞進行匹配，所有與該條目相關的信息實體數(shù)據(jù)庫中的數(shù)據(jù)按照因式分解機算法被推送至操作功能庫。需求模型匹配并推送的信息包含著物理對象的空間狀態(tài)、變動觸發(fā)事件及其對開采生產(chǎn)環(huán)節(jié)的影響。在操作功能庫中，建立信息實體清洗、存儲、控制和管理等基本操作功能，形成概念邏輯、聯(lián)想、記憶和思維推理的信息實體操作機制，并分析這些推送的觸發(fā)數(shù)據(jù)及其二階行為模式得到相關參數(shù)變動趨勢，基于開采行為的知識過濾與因式分解機推送策略，最終在諸多匹配數(shù)據(jù)中得出需要的數(shù)據(jù)，并從操作功能庫推送給控制對象，由其自身智能控制系統(tǒng)給出最佳的控制方式和參數(shù)。

圖6 信息動態(tài)匹配算法Fig.6 Information dynamic matching algorithm

3 基于“ABCD”技術(shù)的智能化煤礦系統(tǒng)耦合

智能化煤礦巨系統(tǒng)的數(shù)據(jù)邏輯模型及跨系統(tǒng)的全時空信息數(shù)字感知及實時互聯(lián)機制是建立煤礦完整數(shù)字體的基礎。隨著煤礦智能化建設的不斷深入，全礦井感知體系和數(shù)據(jù)系統(tǒng)日益健全，“數(shù)據(jù)孤島”等問題也會逐步得到解決。但各子系統(tǒng)的關聯(lián)、協(xié)同、整合及業(yè)務應用技術(shù)也必須要盡快發(fā)展，要有充分的學科理論支撐。煤礦智能化系統(tǒng)耦合需緊密依賴新一代信息技術(shù)的發(fā)展和融合應用，如圖7所示，它主要涉及人工智能(AI)、區(qū)塊鏈(Blockchain)、云計算(Cloud computing)、大數(shù)據(jù)(Big Data)等新一代信息技術(shù)(簡稱ABCD技術(shù))?？梢哉f，智能化系統(tǒng)耦合技術(shù)是把這些理論體系作為自己的理論基礎，同時智能化系統(tǒng)耦合技術(shù)的應用也促進了ABCD技術(shù)的理論提升。

圖7 基于“ABCD”技術(shù)的智能化耦合技術(shù)體系Fig.7 Intelligent coupling technology system based on “ABCD” technology

3.1 人工智能技術(shù)

智能化系統(tǒng)的“智”來源于AI技術(shù)在各系統(tǒng)中對人的逐步取代，包括分析、預測、決策、辨識、控制等功能。之前的煤礦智能主要是知識驅(qū)動、經(jīng)驗驅(qū)動，是一種模擬人類專家解決專業(yè)領域問題的方法。其發(fā)展主要依賴于知識表示和知識推理技術(shù)，但因其獲取知識的主要途徑還是人工，因此效率不高、效果也過度依賴人工經(jīng)驗。當前正在攻關的煤礦智能為數(shù)據(jù)驅(qū)動，依靠大量數(shù)據(jù)的挖掘分析獲取規(guī)律，這一階段得益于機器學習和深度學習的快速發(fā)展，在煤礦設備故障診斷、趨勢預測、安全預警、圖像識別等方面均取得了突破性進展。但深度學習的“黑箱”特性降低了其對煤礦開采力學、運動學、動力學等方面本質(zhì)特征和運行機制等方面的解釋性和關聯(lián)分析能力，且深度學習處在特征空間，是對“局部”樣本數(shù)據(jù)的特征統(tǒng)計，其實時性、正確性和準確性嚴重依賴于算力和樣本。因此，AI技術(shù)在煤礦智能化系統(tǒng)耦合應用中必須深度融合采礦學科相關基礎理論，為煤礦多系統(tǒng)融合決策提供支撐。

3.2 云計算技術(shù)

云計算是算力與網(wǎng)絡能力的統(tǒng)一體。早期的云計算主要解決的是分布式計算問題，主要用于大型科研計算。但隨著云化技術(shù)的快速發(fā)展，云計算已從分布式計算快速拓展到云化服務，并不斷與大數(shù)據(jù)、AI、虛擬化技術(shù)等融合，產(chǎn)生新的應用模式并為煤礦智能化系統(tǒng)耦合帶來新的解決方案。與此同時，日益龐大、復雜的煤礦智能化系統(tǒng)，產(chǎn)生的數(shù)據(jù)量也由GB級向TB甚至PB級以上上升，數(shù)據(jù)種類也由簡單結(jié)構(gòu)化數(shù)據(jù)為主變?yōu)榻Y(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)共存。煤礦智能化系統(tǒng)耦合過程存在超量的數(shù)據(jù)融合應用，傳統(tǒng)終端處理模式已不能滿足數(shù)據(jù)處理和AI應用的需求，因而需要云端存儲、算力和計算模型等的支持。但與此同時，工業(yè)生產(chǎn)和安全的實時性需求又決定了不可能完全云化，而5G等新一代信息技術(shù)的快速發(fā)展“拉近”了“云-端”間的距離并保障了高帶寬、高并發(fā)、低時延控制需求，為解決這一難題提供了關鍵支撐，并由此研究發(fā)展出了“云-邊-端”架構(gòu)。

3.3 區(qū)塊鏈技術(shù)

煤礦智能化系統(tǒng)耦合過程中，大量數(shù)據(jù)由非本地、非自身系統(tǒng)產(chǎn)生。ACD技術(shù)的結(jié)合提升了系統(tǒng)間互聯(lián)互通的能力和整體運行效能，但如果數(shù)據(jù)來自于非法入侵、亦或遭到篡改，則相關系統(tǒng)都會受到影響，甚至會導致系統(tǒng)決策控制錯誤。因而，系統(tǒng)數(shù)據(jù)需要進行來源追蹤、置信度、安全性的評估和確認。另一方面，安全排查、質(zhì)量追溯、故障排除等都是常見的“環(huán)環(huán)相扣”的系統(tǒng)問題，排查和解決不僅費時費力，還極易引起糾紛遲遲得不到解決。上述兩個方面的問題需要區(qū)塊鏈技術(shù)加以解決?！皡^(qū)塊”技術(shù)本質(zhì)上是一個共享數(shù)據(jù)庫，但存儲于其中的數(shù)據(jù)或信息具有“不可偽造”、“全程留痕”、“可以追溯”、“公開透明”、“集體維護”和“去中心化”等特征，恰好契合了煤礦智能化建設過程中的痛點需求，為智能化系統(tǒng)耦合應用提供了安全保障機制。

3.4 大數(shù)據(jù)技術(shù)

智能化煤礦的各個系統(tǒng)運行中產(chǎn)生大量數(shù)據(jù)，系統(tǒng)間耦合就是數(shù)據(jù)交互、推送、決策、控制的過程，大數(shù)據(jù)技術(shù)在這一過程中具有異常重要的作用。系統(tǒng)間的各種物理、事件、邏輯關聯(lián)關系都依靠大數(shù)據(jù)技術(shù)進行挖掘和分析，例如，開采過程中的力學、運動學、動力學和相互關聯(lián)關系等，分析并預測人員、設備、環(huán)境和綜合管控等多元耦合系統(tǒng)的發(fā)展趨勢，決策控制煤礦智能化復雜系統(tǒng)的協(xié)同運行，同時結(jié)合數(shù)字孿生技術(shù)將相關應用場景發(fā)生、發(fā)展的過程和結(jié)果實時清晰的展現(xiàn)出來，這就完成了由數(shù)據(jù)使智能化系統(tǒng)間發(fā)生耦合的整個過程。煤礦數(shù)據(jù)處理當前主要難點在于大量跨系統(tǒng)多源異構(gòu)數(shù)據(jù)的實時共享與處理上，但數(shù)據(jù)采集的質(zhì)量和標準同樣決定了后續(xù)數(shù)據(jù)的可用性和完備性，因此煤礦大數(shù)據(jù)應從底層傳感和采集方法做起，否則再多的數(shù)據(jù)也不能反映真實的規(guī)律。

3.5 煤礦系統(tǒng)安全

網(wǎng)絡安全是隨著網(wǎng)絡技術(shù)的發(fā)展動態(tài)跟進的過程，更是在與網(wǎng)絡攻擊不斷的交手過程中逐步加固的過程。隨著智能化系統(tǒng)接入的越來越多和系統(tǒng)間的數(shù)據(jù)交互越來越頻繁，暴露的網(wǎng)絡攻擊點也會越來越多，被動防御會愈加困難。除了滿足國家的等保要求外，更重要的是變被動防御為主動防御，建立被攻擊態(tài)勢感知和預警系統(tǒng)，不斷更新完善應急處理能力和措施，定期組織護網(wǎng)行動，建立數(shù)據(jù)定期備份常態(tài)化機制。

構(gòu)建煤礦“垂直分層、水平分區(qū)、邊界控制、主機監(jiān)測、內(nèi)部審計、統(tǒng)計管理”的縱深防御體系，滿足國家監(jiān)管、集團統(tǒng)籌和下屬單位管控等的多種需求和安全生產(chǎn)需要，保障信息的安全和數(shù)據(jù)的安全，從實體安全、平臺安全、數(shù)據(jù)安全、通信安全、應用安全、運行安全、管理安全等層面上進行綜合的分析和管理，構(gòu)建網(wǎng)絡信息安全體系。

智能化煤礦系統(tǒng)耦合技術(shù)需要“ABCD”技術(shù)的融合支撐，“BC”技術(shù)構(gòu)建了安全可靠的數(shù)據(jù)庫和充足的算力，“D”為其填充了標準化的多源異構(gòu)數(shù)據(jù)并提供了豐富的計算模型，“A”完成了數(shù)據(jù)到控制的轉(zhuǎn)換和落地應用，同時結(jié)合數(shù)字孿生技術(shù)將生產(chǎn)管控的過程和結(jié)果同步展示和下發(fā)到執(zhí)行系統(tǒng)，形成“物理-虛擬”空間二元平行控制，解決煤礦場景化智能應用的難題。例如，煤礦視頻實時拼接、基于深度學習的各類識別、設備故障診斷、設備管理與質(zhì)量追溯、煤礦安全隱患排查與分析、煤炭洗選優(yōu)化與過程控制、產(chǎn)能控制等。

4 智能化煤礦數(shù)據(jù)標準體系

數(shù)據(jù)賦能實現(xiàn)多源數(shù)據(jù)集成分析與數(shù)據(jù)價值挖掘是實現(xiàn)智能化的基礎。目前各大煤礦企業(yè)及研究機構(gòu)均認識到煤礦數(shù)據(jù)資產(chǎn)的重要性，建設了相應的數(shù)據(jù)運維中心等，在地質(zhì)信息探測、多維數(shù)字化礦山建模、生產(chǎn)自動化、安全監(jiān)控、管理信息化等方面開展理論和技術(shù)研究，在大數(shù)據(jù)平臺架構(gòu)、安全生產(chǎn)協(xié)同管控等方面取得成果。但是由于缺乏統(tǒng)一的數(shù)據(jù)標準和模型，對于生產(chǎn)業(yè)務信息系統(tǒng)，難以實現(xiàn)數(shù)據(jù)互聯(lián)。因此智能化煤礦數(shù)據(jù)標準體系及相應的數(shù)據(jù)治理體系是根本上解決數(shù)據(jù)匯聚交換不暢、開放共享不足、應用落地不易、安全監(jiān)管不到位等問題的核心。

4.1 智能化煤礦數(shù)據(jù)治理管理體系

通過分析，煤礦數(shù)據(jù)進行治理及融合分析的過程中具有如下特點：

(1)數(shù)據(jù)內(nèi)容豐富。涉及采煤作業(yè)、生產(chǎn)安全、機電管理、企業(yè)經(jīng)營等方面，這些數(shù)據(jù)主要產(chǎn)生于煤礦企業(yè)經(jīng)營管理過程以及煤炭生產(chǎn)過程中，與智能化煤礦的建設密切相關。

(2)數(shù)據(jù)類型多樣。煤礦數(shù)據(jù)整體呈多維度特征，從數(shù)據(jù)結(jié)構(gòu)特征看，包括了結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，從數(shù)據(jù)產(chǎn)生頻率看，包括了實時數(shù)據(jù)和非實時數(shù)據(jù)，從業(yè)務歸屬看，包括了生產(chǎn)、安全、經(jīng)營等類型，并且數(shù)據(jù)以不同形式分散在各個系統(tǒng)中。

(3)數(shù)據(jù)潛在價值大。煤礦通過各類傳感器采集生產(chǎn)過程和環(huán)境監(jiān)測的數(shù)據(jù)，這些數(shù)據(jù)是煤礦生產(chǎn)全流程的記錄，具有非常大的潛在價值。如何充分挖掘這些數(shù)據(jù)的價值與煤礦的智能化成效密切相關。

煤礦數(shù)據(jù)治理應建設統(tǒng)一的數(shù)據(jù)治理能力，提供可復用的行業(yè)知識庫，具體建設內(nèi)容應包括統(tǒng)一數(shù)據(jù)集標準、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全、數(shù)據(jù)共享服務標準。數(shù)據(jù)治理技術(shù)體系總體框架共劃分為“數(shù)據(jù)源-數(shù)據(jù)接入-數(shù)據(jù)基礎設施-數(shù)據(jù)資產(chǎn)管理-數(shù)據(jù)共享-數(shù)據(jù)安全”幾個部分，如圖8所示。

(1)數(shù)據(jù)接入。數(shù)據(jù)接入應支持實時數(shù)據(jù)接入和離線數(shù)據(jù)接入。實時數(shù)據(jù)接入為處理或分析流數(shù)據(jù)的自定義應用程序構(gòu)建數(shù)據(jù)流管道，主要解決云服務外的數(shù)據(jù)實時傳輸?shù)皆品諆?nèi)的問題。離線接入應支持多種數(shù)據(jù)遷移能力和多種數(shù)據(jù)源到數(shù)據(jù)湖的集成能力。

(2)數(shù)據(jù)基礎設施。數(shù)據(jù)基礎設施即在實現(xiàn)數(shù)據(jù)全面存儲的基礎上構(gòu)建數(shù)據(jù)治理管理平臺，實現(xiàn)多源數(shù)據(jù)入湖與統(tǒng)一數(shù)據(jù)服務的數(shù)據(jù)全生命周期管理功能。自業(yè)務系統(tǒng)數(shù)據(jù)采集開始，經(jīng)過數(shù)據(jù)清洗、數(shù)據(jù)存儲、數(shù)據(jù)分析挖掘、數(shù)據(jù)服務等數(shù)據(jù)操作，直至數(shù)據(jù)歸檔或銷毀，在數(shù)據(jù)全生命周期中的每個環(huán)節(jié)完成對應的數(shù)據(jù)治理工作。包括數(shù)據(jù)源對接，數(shù)據(jù)采集，數(shù)據(jù)清洗，數(shù)據(jù)加載，數(shù)據(jù)存儲，數(shù)據(jù)服務，數(shù)據(jù)分析等工作，為煤礦數(shù)據(jù)管理提供基礎工具與存儲空間。

(3)數(shù)據(jù)資產(chǎn)管理。數(shù)據(jù)標準是指保障數(shù)據(jù)的內(nèi)外部使用和交換的一致性和準確性的規(guī)范性約束，包括數(shù)據(jù)業(yè)務屬性、技術(shù)屬性和管理屬性的表達、格式及定義的約定統(tǒng)一定義；可作為數(shù)據(jù)質(zhì)量控制的準則、數(shù)據(jù)模型設計以及信息系統(tǒng)設計的參考依據(jù)。數(shù)據(jù)標準管理是指數(shù)據(jù)標準的制定和實施的一系列活動，涵蓋數(shù)據(jù)標準的創(chuàng)建編輯刪除、分類管理、導入導出、數(shù)據(jù)標注化工作開展情況評估等一些列功能。其中包括提供主數(shù)據(jù)管理、元數(shù)據(jù)管理、數(shù)據(jù)資產(chǎn)目錄、數(shù)據(jù)治理、數(shù)據(jù)血緣等數(shù)據(jù)治理能力，支撐客戶進行數(shù)據(jù)管理與治理，持續(xù)進行數(shù)據(jù)運營等。

圖8 煤礦數(shù)據(jù)管理體系框架Fig.8 Coal mine data management system framework

(4)數(shù)據(jù)共享與數(shù)據(jù)服務。數(shù)據(jù)共享服務應為煤礦企業(yè)搭建統(tǒng)一的數(shù)據(jù)服務總線，幫助企業(yè)統(tǒng)一管理對內(nèi)對外的API服務；可提供數(shù)據(jù)的抽取、集中、加載、展現(xiàn)，構(gòu)造統(tǒng)一的數(shù)據(jù)處理和交換。數(shù)據(jù)共享交換服務應由中間件、服務、接口等模塊組成，核心組件包括數(shù)據(jù)交換引擎、安全管理、系統(tǒng)管理、Web服務管理以及接口。

(5)數(shù)據(jù)安全。在數(shù)據(jù)全生命周期中，在各個階段通過技術(shù)手段形成可固化、可自動持續(xù)執(zhí)行的安全檢查方法、安全保證方法及安全統(tǒng)計報告，從而實現(xiàn)對數(shù)據(jù)安全的把控和提升。

4.2 智能化煤礦數(shù)據(jù)標準體系

通過梳理相關國際標準、國家標準、行業(yè)標準，結(jié)合智能化煤礦生產(chǎn)經(jīng)營活動涉及的數(shù)據(jù)資源特點，構(gòu)建了智能化煤礦數(shù)據(jù)標準體系(圖9)。該體系將全部標準規(guī)范劃分為基礎標準、技術(shù)標準、業(yè)務標準三大類。其中，基礎標準固定了整個體系的框架、術(shù)語定義、技術(shù)參考模型和數(shù)據(jù)分類標準。技術(shù)標準規(guī)定了智能化煤礦大數(shù)據(jù)資源從數(shù)據(jù)生產(chǎn)、管理到服務全生命周期關鍵節(jié)點的標準化，包括元數(shù)據(jù)、數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全。業(yè)務標準結(jié)合了技術(shù)標準中的元數(shù)據(jù)標準內(nèi)容，包括主數(shù)據(jù)標準和業(yè)務數(shù)據(jù)標準。

圖9 煤礦數(shù)據(jù)標準體系框架Fig.9 Framework diagram of standard system of coal mine data

基礎標準是智能化煤礦數(shù)據(jù)的綱領性文件，主要規(guī)范煤礦數(shù)據(jù)建設和服務中使用的技術(shù)參考模型、詞匯概念和數(shù)據(jù)分類方法等內(nèi)容?；A標準是智能化煤礦數(shù)據(jù)標準體系中具有基礎性和指導性的標準規(guī)范，是所有標準的技術(shù)基礎和方法指南，也是其他標準執(zhí)行的依據(jù)。其適用范圍貫穿智能化煤礦數(shù)據(jù)標準化的全過程，具有較長時期的穩(wěn)定性、延續(xù)性和指導性?；A標準主要包括標準體系框架、術(shù)語、技術(shù)參考模型和數(shù)據(jù)分類標準等。

技術(shù)標準規(guī)定了智能化煤礦數(shù)據(jù)標準體系中的一系列技術(shù)要求，包括元數(shù)據(jù)標準，數(shù)據(jù)管理標準，數(shù)據(jù)質(zhì)量標準和數(shù)據(jù)安全標準。技術(shù)標準為智能化煤礦進行數(shù)據(jù)治理及管理提供了全面的工具平臺要求及操作指導。

技術(shù)標準包括主數(shù)據(jù)、元數(shù)據(jù)、數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全等標準。數(shù)據(jù)全生命周期管理是以數(shù)據(jù)質(zhì)量管理為核心，對主數(shù)據(jù)、元數(shù)據(jù)、業(yè)務數(shù)據(jù)構(gòu)建采集、存儲、管理全生命周期管理。

主數(shù)據(jù)是滿足煤礦企業(yè)內(nèi)部跨部門業(yè)務協(xié)同需要、反應核心業(yè)務實體屬性的基礎信息，是在整個價值鏈上被重復、共享應用于多個業(yè)務流程的、跨越各個業(yè)務部門、各個系統(tǒng)之間共享的、高價值的基礎數(shù)據(jù)，是各業(yè)務應用和各系統(tǒng)之間進行信息交互的基礎。通過主數(shù)據(jù)的標準化，保證分析系統(tǒng)的各領域/維度數(shù)據(jù)貫通，滿足煤炭企業(yè)內(nèi)跨部門、跨流程、跨系統(tǒng)的業(yè)務需要，才能有效避免主數(shù)據(jù)對應的實體在各個管理環(huán)節(jié)可能出現(xiàn)的歧義。

數(shù)據(jù)生命周期劃分為數(shù)據(jù)定義階段、數(shù)據(jù)存儲、數(shù)據(jù)加載轉(zhuǎn)換以及數(shù)據(jù)應用、數(shù)據(jù)歸檔階段。對于數(shù)據(jù)進行治理與管理過程是以元數(shù)據(jù)管理為核心的，通過對煤礦數(shù)據(jù)管理過程中產(chǎn)生的元數(shù)據(jù)進行整合，有助于更好地獲取、共享、理解和應用企業(yè)信息資產(chǎn)，實現(xiàn)數(shù)據(jù)關聯(lián)分析，更好的為各應用提供數(shù)據(jù)服務。元數(shù)據(jù)標準結(jié)合智能化煤礦的實際業(yè)務特征從技術(shù)、業(yè)務、管理3個角度制定。為智能化煤礦有效收集、管理生產(chǎn)及經(jīng)營過程中產(chǎn)生的數(shù)據(jù)，并進一步挖掘數(shù)據(jù)的潛在價值提供基礎依據(jù)；數(shù)據(jù)管理標準規(guī)定智能化煤礦進行數(shù)據(jù)收集、數(shù)據(jù)預處理、數(shù)據(jù)存儲、數(shù)據(jù)分析、數(shù)據(jù)服務等工作所依賴的平臺工具需要具備的功能，以及相關的技術(shù)要求；數(shù)據(jù)質(zhì)量標準定義數(shù)據(jù)質(zhì)量評價方法等。

業(yè)務標準是在智能化煤礦數(shù)據(jù)分類標準基礎上對主數(shù)據(jù)和業(yè)務數(shù)據(jù)的進一步描述。在完成智能化煤礦數(shù)據(jù)分類后，分別制定主數(shù)據(jù)標準和業(yè)務數(shù)據(jù)描述標準，并基于業(yè)務數(shù)據(jù)描述標準進一步對智能化煤礦數(shù)據(jù)資源進行識別和梳理，最終形成完整、標準化的數(shù)據(jù)資源。

5 煤礦智能化巨系統(tǒng)耦合工程應用實踐

智能化煤礦復雜巨系統(tǒng)涉及采、掘、機、運、通等各業(yè)務系統(tǒng)，系統(tǒng)之間存在開采工藝、設備、人員等復雜的耦合關系。陜煤集團張家峁煤礦前期經(jīng)過多年的升級改造已建成大小子系統(tǒng)共58個，子系統(tǒng)種類繁多，數(shù)量龐大，隨著系統(tǒng)數(shù)量的不斷增多，問題也日益突出：協(xié)議標準不統(tǒng)一，信息孤島、數(shù)據(jù)煙囪林立；邏輯決策依據(jù)貧乏，智能化能力無法發(fā)揮；安全保障孤立，無法發(fā)揮整體保障能力。為解決上述問題，應用提出的“分級抽取-關聯(lián)分析-虛實映射”煤礦數(shù)據(jù)邏輯模型，實現(xiàn)全礦井多源異構(gòu)系統(tǒng)的一體化集成，建成了跨域融合智能綜合管控平臺，如圖10所示。構(gòu)建了全時空信息數(shù)字感知及實時互聯(lián)機制，打通了多系統(tǒng)、多層面、多部門的業(yè)務數(shù)據(jù)壁壘，實現(xiàn)了全礦井58個在用子系統(tǒng)和34個新建子系統(tǒng)的數(shù)據(jù)融合和運行決策優(yōu)化。

圖10 張家峁煤礦智能綜合管控平臺Fig.10 Intelligent integrated management and control platform of Zhangjiamao Coal Mine

智能化綜合管控平臺背后是各個子系統(tǒng)多源異構(gòu)數(shù)據(jù)的融合，第1節(jié)所述的基于智能化煤礦數(shù)據(jù)邏輯模型開發(fā)的張家峁大數(shù)據(jù)支撐系統(tǒng)如圖11所示。該系統(tǒng)實現(xiàn)了數(shù)據(jù)的統(tǒng)一采集、存儲、管理、調(diào)用，實現(xiàn)跨系統(tǒng)數(shù)據(jù)管理、跨業(yè)務數(shù)據(jù)融合，數(shù)據(jù)進行深度解析、重構(gòu)與復用，對煤礦各個生產(chǎn)系統(tǒng)的運行狀態(tài)與趨勢進行分析、預測，給出優(yōu)化策略。

首先，按照數(shù)據(jù)邏輯模型統(tǒng)一描述的7類信息進行數(shù)據(jù)格式的統(tǒng)一化處理，分別進入到關系數(shù)據(jù)庫、非關系型數(shù)據(jù)庫(NoSQL)中進行存儲管理；其次，在分級抽取之前，需根據(jù)數(shù)據(jù)需求依據(jù)標簽數(shù)據(jù)進行數(shù)據(jù)評估、規(guī)約、重組等預處理。預處理后的數(shù)據(jù)在專業(yè)知識、數(shù)據(jù)處理方法的支撐下，被用來進行關聯(lián)分析，用以預測、警告、決策等。最后，用以控制的信息則被發(fā)送到虛擬仿真系統(tǒng)中進行驗證，是否能夠得到預期的運行效果；如果是，則通過虛實映射機制發(fā)送至響應的設備。

圖11 煤礦巨系統(tǒng)多源異構(gòu)大數(shù)據(jù)支撐系統(tǒng)Fig.11 Multi-source heterogeneous big data support system for coal mine giant system

由于地下煤礦開采會有瓦斯、頂板、水、火、沖擊地壓、粉塵等多種危險災害，故安全保障是煤礦系統(tǒng)運行過程中最為重要的目標。當前，與安全相關的監(jiān)測監(jiān)控系統(tǒng)多達數(shù)十個，傳感器上千個，且用于生產(chǎn)信息測量的一些傳感器、視頻、音頻數(shù)據(jù)等也可用于安全信息的感知和獲取，故實現(xiàn)煤礦整體安全保障需要進行跨系統(tǒng)的數(shù)據(jù)融合。這里以安全保障系統(tǒng)的耦合過程為例進行闡述。

如圖12所示，基于各系統(tǒng)的智能傳感器終端，形成統(tǒng)一的全時空人、機、環(huán)全面感知系統(tǒng)。數(shù)據(jù)通過有線/無線網(wǎng)絡上傳至云平臺，并對數(shù)據(jù)進行分類存儲與清洗。采用基于災害發(fā)生機理的理論計算模型與基于數(shù)據(jù)模型驅(qū)動的災害預測模型對可能發(fā)生的災害信息進行關聯(lián)分析、超前預測。即通過致災因素分析、理論計算及閾值計算獲取災害發(fā)生的理論計算結(jié)果，同時采用機器學習、深度學習等算法對災害發(fā)生的可能性進行數(shù)學建模分析，通過對不同預測方法的預測結(jié)果進行相互校驗，從而確定煤礦災害發(fā)生的最終預測結(jié)果，并通過災害精準預測及安全保障系統(tǒng)等對災害發(fā)生區(qū)域的人員進行信息推送及聲光報警，以及自動規(guī)劃設計避災路線。同時，也與生產(chǎn)集控系統(tǒng)和地質(zhì)保障系統(tǒng)實現(xiàn)數(shù)據(jù)共享與協(xié)同聯(lián)動，基于煤礦采、掘、機、運、通等各業(yè)務系統(tǒng)之間的知識關聯(lián)圖譜對各業(yè)務系統(tǒng)發(fā)出控制指令，實現(xiàn)防災、減災、救災一體化。

圖12 智能化煤礦安全保障系統(tǒng)耦合框架Fig.12 Coupling framework diagram of intelligent coal mine safety guarantee system

由于煤礦井下的危險源及致災因素的關聯(lián)關系十分復雜，且煤礦井下不同區(qū)域發(fā)生災害的危險性也存在較大差異。因此，在進行監(jiān)測大數(shù)據(jù)分級抽取及關聯(lián)分析時，應按照礦井災害類型、嚴重程度等，將井下生產(chǎn)區(qū)域劃分為不同等級的特定區(qū)域，建立具有區(qū)域災害特征的安全分析、預測、預警模型，實現(xiàn)災害的分級、分區(qū)智能防治。

整個煤礦復雜巨系統(tǒng)其他生產(chǎn)、管理、運行系統(tǒng)的耦合過程也類似。系統(tǒng)間的耦合將消耗大量的計算資源、網(wǎng)絡資源，因而在搭建系統(tǒng)軟件架構(gòu)的同時，云網(wǎng)數(shù)一體化集成的硬件支持系統(tǒng)也必須同步構(gòu)建。張家峁煤礦復雜巨系統(tǒng)融合依托于強大的數(shù)據(jù)中心具備豐富的帶寬資源、安全可靠的機房設施、高水平的網(wǎng)絡管理和完備的數(shù)據(jù)挖掘服務，形成了高質(zhì)量、靈活、開放的跨系統(tǒng)數(shù)據(jù)融合生態(tài)體系。如圖13所示為張家峁智能化綜合管控中心。

圖13 張家峁智能化綜合管控中心Fig.13 Intelligent comprehensive management and control center of Zhangjiamao Coal Mine

6 結(jié) 論

(1)針對其單元數(shù)量巨大、信息多元異構(gòu)、關系錯綜復雜等特點，提出統(tǒng)一的多源異構(gòu)數(shù)據(jù)融合處理方法——基于“分級抽取-關聯(lián)分析-虛實映射”的煤礦數(shù)據(jù)邏輯模型，形成井下全時空信息數(shù)字感知和數(shù)據(jù)結(jié)構(gòu)體系，進而構(gòu)成完整的、正向設計的數(shù)字煤礦底座。

(2)提出了井下跨系統(tǒng)全時空信息數(shù)字感知及實時互聯(lián)機制?；诿旱V多源異構(gòu)關系數(shù)據(jù)的信息“實體”和虛實映射機理，提出基于知識需求模型的信息實體主動匹配、推送策略與自動更新機制，解決數(shù)據(jù)實時連接及迭代更新難題。

(3)提出了基于“ABCD”的智能化煤礦系統(tǒng)耦合技術(shù)，為構(gòu)建安全可靠的數(shù)據(jù)庫和充足的算力提供豐富的計算模型，完成數(shù)據(jù)到控制的轉(zhuǎn)換和落地應用提供技術(shù)支撐。

(4)建立了智能化煤礦數(shù)據(jù)標準體系，包括統(tǒng)一數(shù)據(jù)集標準、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全和數(shù)據(jù)共享服務標準；形成了統(tǒng)一的數(shù)據(jù)治理能力和可復用的行業(yè)知識庫。

相關技術(shù)在陜煤張家峁煤礦應用，建成了全礦井跨域融合智能綜合管控平臺；打通了多部門、多專業(yè)、多層面的空間業(yè)務數(shù)據(jù)壁壘，實現(xiàn)全礦井58個在用子系統(tǒng)和34個新建子系統(tǒng)的數(shù)據(jù)融合和運行決策優(yōu)化。

[1] WANG Guofa,XU Yongxiang,REN Huaiwei. Intelligent and ecological coal mining as well as clean utilization technology in China:Review and prospects[J]. International Journal of Mining Science and Technology,2019,29(2):161-169.

[2] 葛世榮,張帆,王世博,等. 數(shù)字孿生智采工作面技術(shù)架構(gòu)研究[J]. 煤炭學報,2020,45(6):1925-1936.

GE Shirong,ZHNAG Fan,WANG Shibo,et al. Digital twin for smart coal mining workface:Technological frame and construction[J]. Journal of China Coal Society,2020,45(6):1925-1936.

[3] 姜德義,魏立科,王翀,等. 智慧礦山邊緣云協(xié)同計算技術(shù)架構(gòu)與基礎保障關鍵技術(shù)探討[J]. 煤炭學報,2020,45(1):484-492.

JIANG Deyi,WEI Like,WANG Chong,et al. Discussion on the technology architecture and key basic support technology for intelligent mine edge-cloud collaborative computing[J]. Journal of China Coal Society,2020,45(1):484-492.

[4] 李敬兆,宮華強. 煤礦信息物理系統(tǒng)場景感知自配置與優(yōu)化策略研究[J]. 煤炭科學技術(shù),2019,47(4):20-25.

LI Jingzhao,GONG Huaqiang. Research on scene perception self-configuration and optimization strategy of cyber-physical system for coal mine[J]. Coal Science and Technology,2019,47 (4):20-25.

[5] 任懷偉,王國法,趙國瑞,等. 智慧煤礦信息邏輯模型及開采系統(tǒng)決策控制方法[J]. 煤炭學報,2019,44(9):2923-2935.

REN Huaiwei,WANG Guofa,ZHAO Guorui,et al. Smart coal mine logic model and decision control method of mining system[J]. Journal of China Coal Society,2019,44(9):2923-2935.

[6] 杜毅博,趙國瑞,鞏師鑫. 智能化煤礦大數(shù)據(jù)平臺架構(gòu)及數(shù)據(jù)處理關鍵技術(shù)研究[J]. 煤炭科學技術(shù),2020,48(7):177-185.

DU Yibo,ZHAO Guorui,GONG Shixin. Study on big data platform architecture of intelligent coal mine and key technologies of data processing[J]. Coal Science and Technology,2020,48 (7):177-185.

[7] 龐義輝,王國法,任懷偉. 智慧煤礦主體架構(gòu)設計與系統(tǒng)平臺建設關鍵技術(shù)[J]. 煤炭科學技術(shù),2019,47(3):35-42.

PANG Yihui,WANG Guofa,REN Huaiwei. Main structure design of intelligent coal mine and key technology of system platform construction[J]. Coal Science and Technology,2019,47(3):35-42.

[8] 王國法,杜毅博,任懷偉,等. 智能化煤礦頂層設計研究與實踐[J]. 煤炭學報,2020,45(6):1909-1924.

WANG Guofa,DU Yibo,REN Huaiwei,et al. Top level design and practice of smart coal mines[J]. Journal of China Coal Society,2020,45(6):1909-1924.

[9] 王國法,杜毅博. 智慧煤礦與智能化開采技術(shù)的發(fā)展方向[J]. 煤炭科學技術(shù),2019,47 (1):1-10.

WANG Guofa,DU Yibo. Development direction of intelligent coal mine and intelligent mining technology[J]. Coal Science and Technology,2019,47 (1):1-10.

[10] 王國法,龐義輝,劉峰,等. 智能化煤礦分類、分級評價指標體系[J]. 煤炭科學技術(shù),2020,48(3):1-13.

WANG Guofa,PANG Yihui,LIU Feng,et al. Specification and classification grading evaluation index system for intelligent coal mine[J]. Coal Science and Technology,2020,48(3):1-13.

[11] 王國法,趙國瑞,任懷偉. 智慧煤礦與智能化開采關鍵核心技術(shù)分析[J]. 煤炭學報,2019,44(1):34-41.

WANG Guofa,ZHAO Guorui,REN Huaiwei. Analysis on key technologies of intelligent coal mine and intelligent mining[J].Journal of China Coal Society,2019,44(1):34-41.

[12] 王國法,龐義輝,任懷偉. 煤礦智能化開采模式與技術(shù)路徑[J]. 采礦與巖層控制工程學報,2020,2(1):013501.

WANG Guofa,PANG Yihui,REN Huaiwei. Intelligent coal mining pattern and technological path[J]. Journal of Mining and Strata Control Engineering,2020,2(1):013501.

[13] 陳運啟,許金. 基于元數(shù)據(jù)與角色的煤礦綜合信息管理系統(tǒng)權(quán)限控制模型設計與實現(xiàn)[J]. 工礦自動化,2014,40 (11):22-25.

CHEN Yunqi,XU Jin. Design and implementation of authority control model of coal mine integrated information management system based on metadata and role[J]. Industrial and Mining Automation,2014,40 (11):22-25.

[14] 任懷偉,薛忠新,鞏師鑫,等. 張家峁煤礦智能化建設與實踐[J]. 中國煤炭,2020,46(12):54-60.

REN Huaiwei,XUE Zhongxin,GONG Shixin,et al. Intelligent construction andits practice in Zhangjiamao Coal Mine[J]. China Coal,2020,46(12):54-60.

[15] 李騰飛,李常友,李敬兆. 煤礦信息全面感知與智慧決策系統(tǒng)[J]. 工礦自動化,2020,46(3):34-37.

LI Tengfei,LI Changyou,LI Jingzhao. Coal mine information comprehensive perception and intelligent decision system[J]. Industry and Mine Automation,2020,46(3):34-37.

[16] 王軍號,孟祥瑞. 基于物聯(lián)網(wǎng)感知的煤礦安全監(jiān)測數(shù)據(jù)級融合研究[J]. 煤炭學報,2012,37(8):1401-1407.

WANG Junhao,MENG Xiangrui. Reasearch on the data levels fusion of mine safe monitoring based on the perception of Internet of Things[J]. Journal of China Coal Society,2012,37(8):1401-1407.

[17] 馬小平,楊雪苗,胡延軍,等. 人工智能技術(shù)在礦山智能化建設中的應用初探[J]. 工礦自動化,2020,46(5):8-14.

MA Xiaoping,YANG Xuemiao,HU Yanjun,et al. Preliminary study on application of artificial intelligence technology in mine intelligent construction[J]. Industry and Mine Automation,2020,46(5):8-14.

[18] 王國法,任懷偉,龐義輝,等. 煤礦智能化(初級階段) 技術(shù)體系研究與工程進展[J]. 煤炭科學技術(shù),2020,48(7):1-27.

WANG Guofa,REN Huaiwei,PANG Yihui,et al. Research and engineering progress of intelligent coal mine technical system in early stages[J]. Coal Science and Technology,2020,48(7):1-27.

[19] 方新秋,梁敏富,李爽,等. 智能工作面多參量精準感知與安全決策關鍵技術(shù)[J]. 煤炭學報,2020,45(1):493-508.

FANG Xinqiu,LIANG Minfu,LI Shuang,et al. Key technologies of multi-parameter accurate perception and security decision in intelligent working face[J]. Journal of China Coal Society,2020,45(1):493-508.

[20] 楊玉勤,毛善君,楊陽. 基于云平臺的煤礦監(jiān)測數(shù)據(jù)可視化計算系統(tǒng)設計與應用[J]. 煤炭科學技術(shù),2017,45(6):142-146,151.

YANG Yuqin,MAO Shanjun,YANG Yang. Design and application of of monitored and measured data visualized calculation system in coal mine based on cloud platform[J]. Coal Science and Technology,2017,45(6):142-146,151.

[21] 程敬義,萬志軍,PENG Syd S,等. 基于海量礦壓監(jiān)測數(shù)據(jù)的采場支架與頂板狀態(tài)智能感知技術(shù)[J]. 煤炭學報,2020,45(6):2090-2103.

CHENG Jingyi,WAN Zhijun,PENG Syd S,et al. Intelligent sensing technology of stope support and roof status based on massive mine pressure monitoring data[J]. Journal of China Coal Society,2020,45(6):2090-2103.

[22] 喬偉,靳德武,王皓,等. 基于云服務的煤礦水害監(jiān)測大數(shù)據(jù)智能預警平臺構(gòu)建[J]. 煤炭學報,2020,45(7):2619-2627.

QIAO Wei,JIN Dewu,WANG Hao,et al. Development of big data intelligent early warning platform for coal mine water hazard monitoring based on cloud service[J]. Journal of China Coal Society,2020,45(7):2619-2627.