露天矿高陡边坡物联网监测系统的开发设计

吕 鹏，张满华，符 巍

(1.北京科技大学土木与资源工程学院，北京 100083；2.湖南省农村信用社联合社，湖南 长沙 410199)

露天矿高陡边坡物联网监测系统的开发设计

吕 鹏1，张满华1，符 巍2

(1.北京科技大学土木与资源工程学院，北京 100083；2.湖南省农村信用社联合社，湖南 长沙 410199)

基于某露天矿高陡边坡在露天转地下开采过程中的失稳特征，本文了构建了边坡多元信息耦合监测的物联网系统，建立了多层多代理分布式系统拓扑模型，考虑到边坡监测智能终端部署环境的复杂性和时变性，提出了可自适应调整的多代理分层嵌套实现方法，提高了物联网系统数据传输的可靠性，设计了双网络混合通信架构和面向边坡位移、应力和声发射监测的物联网平台。研究结果表明，该物联网系统能够有效地对边坡稳定性状态进行耦合监测，为露天矿高陡边坡结构地质灾害的预测预防提供数据支撑。

高陡边坡；露天矿；物联网；分布式监测；通信技术

随着世界范围内露天矿开采深度不断增大，矿山边坡高度逐渐增加。我国冶金矿山80%以上的矿石量来自于露天开采，而且经过较长时间的开采，许多大、中型露天矿山已由山坡转为深凹开采及露井联合开采[1-2]。在露天矿石剥离和地下开挖活动的共同作用下，矿山高陡边坡极易失稳破坏。由此带来的滑坡、地面沉降、地表塌陷、地裂缝等地质灾害对矿山作业环境及人员安全造成了极大威胁。近年来，物联网技术逐渐应用到矿山生产及地质灾害的监测中，用以获取大量的实时边坡应力、位移等灾害特征数据[3-6]。但是，由于露天矿爆破、装运等作业过程对边坡的扰动影响及露天环境的复杂性，物联网技术在矿山边坡工程中的应用受到了数据传输的可靠性及特征数据的识别等因素的制约。

考虑到露天矿边坡监测部署环境的复杂性和时变性等特点，本文首先开展了相似物理模拟试验，获取了某深凹露天矿高陡边坡失稳特征，进而构建了边坡稳定性监测物联网系统体系架构，提出了可自适应调整的多代理分层嵌套实现方法，建立了物联网多层多代理分布式系统拓扑模型，设计了双网络混合通信架构，提高了物联网系统数据传输的可靠性。该技术实现了对该矿露天地下联合开采过程中边坡岩层变形、应力等数据的实时量测，能够进一步通过异构通信网络将数据传递至云端数据处理与分析平台，为实现边坡灾害的智能感知预警提供数据基础。

1 露天矿高陡边坡失稳特征

某露天矿进入深凹开采阶段以来，在露天转地下联合开采过程中，高陡边坡结构地质动力灾害已经成为影响矿山安全开采和运行维护的重点问题。高陡边坡结构的稳定性是一个复杂非线性动力过程[7-8]。为了合理地选择物联网监测系统的监测物理量和重点监测区域，本文首先开展了相似物理模拟试验，以获取该矿高陡边坡失稳破坏特征。设计模型尺寸为4.2 m×1.28 m×0.25 m，模型范围与实际场景的相似比例为1-450，采用河砂作为模型骨料，石膏和大白粉作为胶结材料。试验结果见图1。

图1 露天转地下开采初期边坡失稳特征

由图1可以看出，该高陡边坡结构在露天转地下开采过程中，上盘岩体断层处受到开采的扰动作用，随着矿体的移出，坡体载荷分布发生变化，内部破坏从零星的剪切裂隙向贯通裂隙发展，甚至形成失稳破坏灾情。因此，边坡稳定性监测的重点区域为上盘岩体。同时，单一监测指标无法全面反映边坡在露井联合开采条件下的稳定性状态，物联网监测系统应收集位移、应力、声波等多重信号。

2 基于物联网的边坡稳定性耦合监测体系

2.1 基于物联网的边坡监测体系构建

深凹露天矿高陡边坡在露天地下开采联合作用下失稳破坏受到多种因素影响，同时，其失稳特征呈现出复杂多样性特点[9]。物联网技术基于智能传感器、异构网络混合通信技术等，实现多个量测点之间通过自组织优化组网、量测点物理量感知、量测信息的智能分析与传输，可以作为矿山边坡结构全面量测和量测的有效技术支撑。

如图2所示，该矿山边坡物联网的体系架构设计主要由感知层、网络层和应用层组成。

1)感知层，包括用于位移、应力、声波等物理量感知的智能传感器终端，包括基于嵌入式的信息处理模块、通信模块和电源模块。本文构建统一信息模型定义各感知节点的数据模型，并以统一格式经由异构网络通信系统上传至云端。

2)网络层，包括近距离、远距离等多种通信技术及其融合，形成自组织网络，实现高可靠性和高效率的数据传递。网络层主要由数据集中节点和无线网关组成，数据集中节点主要作用是针对感知网络中各节点的传感器进行管理，包括身份验证、状态查询、位置查找、数据加密解密、数据模型化处理等；无线网关的主要作用是对感知网络中不同类型传感器形成的数据按照数据模型要求进行相应的格式转换，并将符合数据模型要求的数据发送至应用层存储服务器。

3)应用层，包括位移、应力、声波等监测场景的数据汇聚和处理。应用层设施主要包括对数据进行存储、计算和传输的各种服务器，以及对数据进行价值再造的数据分析引擎、数据可视化引擎、用户交互软件等。工作流程主要包括：存储服务器收到感知网络的量测数据后，通过数据预处理将这些数据进行统一管理，包括质量检测、数据分发等。当各应用模块收到任务和数据后进行相应的计算和展示，为地质灾害预测提供可信的信息支持。

2.2 物联网自组织网络架构

物联网自组织网络的动态拓扑结构有四种基本结构形态：分别是中心式、分层中心式、完全分布式和分层分布式[10-11]。本文将边坡监测物联网系统中的终端设备统一设计，将量测终端的应用场景结合，如图3所示，建立分层加扁平化的边坡结构全面量测的系统架构。

3 边坡监测物联网通信方法

为了充分利用有线和无线近距离通信优点，降低各自缺点带来的通信风险，本文提出PLC/RF混合通信体系，充分利用电力线和无线通信各自的优点，在数据链路层进行传输集成控制，即使一种通信方式数据传输失败，也有另一种作为保障，从而有效解决物联网近距离实时双向通信问题。双网络混合通信装置结构见图4。

双网络混合通信方法见图5，包含以下步骤：①装置的电力线通信模块和射频通信模块分别通过各自模拟前端，按照各自通信标准协议接收数据，实现通信的物理层数据传输；②数据以帧为单位在纠错模块进行混合，两种或其中任何一种通信方式的帧数据经过校验判定正确，两种通信方式均以该正确的帧数据内容进行下一层数据处理，反之，将两个物理层接收到的帧数据在纠错模块进行字节比较，发现可能的错误字节，并对可能错误字节的所有可能值的组合进行遍历试错计算，直到其中一种通信方式校验正确，利用正确的数据内容修正另一种通信模式的错误帧；③处理器分别针对两种通信模块进行链路层、网络层、会话层、表示层、应用层的数据处理；④通过电力线通信模块和射频通信模块同时发送数据。

图2 物联网监测系统架构

图3 分层加扁平化网络架构

图4 双网络混合通信装置结构框图

4 系统实现及应用效果

4.1 物联网监测系统开发

在露天转地下开采阶段，该矿高陡边坡上盘岩体受到地下开采活动的影响较大，上盘边坡发生失稳的可能性大。因此，该矿上盘边坡是物联网系统的监测重点。物联网系统的开发以C#为编程语言，以Visual Studio 2015为开发平台、SQL Server 2012为数据库平台。边坡稳定性监测物联网运行系统界面见图6。

图6展示了系统运行过程中一天内，应力实时监测数据。当前设置的数据收集频率为每10 min一次。由应力实时监测曲线可以看出，该矿边坡受到矿石剥离和地下开采活动的影响，应力处于波动状态。该日午时，存在单次大药量爆破事件，在事件发生4 h后，边坡应力突然增大。监测表明边坡结构对爆破事件的相应存在滞后性，这与前人的研究结论一致[12]。该物联网系统能够高效稳定地管理监测数据，为实现边坡变形预测及失稳预警提供大数据基础。

图5 双网络混合通信方法

图6 物联网监测系统平台示例

4.2 关键技术

1)双网络混合通信技术。边坡监测物联网系统量测节点的规模、部署环境和预期的数据量决定了通信系统的需求。通信技术要求具有可靠性、实时双向性、灵活性、可扩展性等要求[13-15]。矿山边坡监测物联网系统的应用场景决定了其通信网络由近距离通信网络和远距离无线通信网络组成，前者主要作用是将量测节点的数据高效地传至网关，并发挥多节点组网进行信息传递的作用，因其受信道环境的影响，成为边坡监测物联网系统中最为不可靠的因素；后者主要指公共无线通信网络，作用是通过网关将量测层的数据接入互联网数据中心。

2)自组织网络技术。矿山边坡监测物联网系统的特点是各种监测量测终端多属于固定终端，不需要频繁进行网络变动，因此控制信息量较少，所以层次内可以采用完全分布式结构，层次间采用分层结构。

本文建立的分层加扁平化的边坡耦合监测系统自组织网络技术有以下特性。①对等性：该架构中，每个量测终端都是相同的，都包含全面量测网络的全部信息，无主从之分，量测终端之间的来去双向链路都相同。②抗毁性：原则上物联网系统没有严格的控制中心，所有的网络节点地位平等，单个节点的故障，不会影响整个网络的运行。③多跳性：该架构中的信息多跳是由网络中的其他节点完成，而不是通过专用的路由设备完成。④动态拓扑结构：考虑到信道受天气环境、障碍物的影响较大，量测终端所组成的通信节点网络的拓扑结构可实现动态的分割和合并。

4.3 应用效果

该边坡稳定性监测物联网系统应用近一年时间以来，有效保障了该矿露天转地下开采过程的生产安全，体现在以下两个方面。

1)系统稳定运行：双网络通信技术和分层加扁平化自组织网络保障了系统运行的稳定性和可靠性。在复杂的自然因素(降水等)和人为因素(开采活动)干扰下，物联网监测系统实现了稳定可靠的数据采集与传输。

2)智能预测预警：该系统采集到的海量数据为实现边坡稳定性智能分析提供了基础。监测数据经云计算平台进行多源异构数据处理，利用支持向量机等人工智能算法，成功地实现了边坡稳定性智能分析、变形预测和滑坡预警。

5 结 论

1)基于某深凹露天矿地质特点与开采设计，本文首先建立了相似物理模拟试验模型，获取了该矿露天转地下开采过程中边坡失稳危险区域与失稳特征，确定了边坡重点监测区域与监测指标。

2)考虑到露天矿边坡监测部署环境的复杂性和时变性等特点，本文搭建了由感知层、网络层和应用层组成的矿山边坡物联网体系架构，构建了统一信息模型定义各感知节点的数据模型，并以统一格式经由异构网络通信系统上传至云端，通过PLC/RF混合通信体系，充分利用电力线和无线通信各自的优点，有效解决了物联网近距离实时双向通信问题，提高了物联网系统数据传输的可靠性。

3)利用C#编程语言，以Visual Studio 2015和SQL Server 2012平台，开发了边坡稳定性监测物联网系统平台。监测实例表明，边坡的稳定性受到采矿作业的影响，对大药量爆破作业的相应具有一定的滞后性。该物联网系统能够为进一步通过异构通信网络将数据传递至云端数据处理与分析平台，实现边坡灾害的智能预测预警提供数据基础。

[1] 蔡美峰，乔兰，李长洪，等.深凹露天矿高陡边坡稳定性分析与设计优化[J].北京科技大学学报，2006(5)：465-470.

[2] 任高峰，郭星强，任少峰，等.椭圆形深凹露天矿时效边坡稳定性基础理论研究[J].金属矿山，2013(10)：12-15.

[3] 李晓静.现代煤矿生产中计算机智能监控网络的应用[J].煤炭技术，2014(1)：190-192.

[4] 赵淑君，赵化兴.计算机网络技术实现矿山生产的实时监控与智能管理[J].世界有色金属，2016(18)：142-143.

[5] 潘旭.基于计算机网络技术的矿山安全生产监测系统设计与实现[J].世界有色金属，2016(18)：162-162.

[6] 陈旺，张社荣，潘飞.基于物联网的边坡工程稳定性评价方法及系统开发[J].水力发电，2015(12)：36-39.

[7] 王云飞，李长洪，崔芳.露天转地下开采边坡失稳动力冲击灾害演化机理[J].矿冶工程，2013(5)：13-16.

[8] 蔡美峰，朱青山，乔兰，等.大顶铁矿露天采场边坡稳定性分析与优化设计[J].北京科技大学学报，2012，34(3)：239-245.

[9] 蔡美峰，来兴平，李长洪，等.耦合监控在地下主运巷塌陷区锚固段应用[J].北京科技大学学报，2001(8)：293-295.

[10] 孙其博，刘杰，黎羴，等.物联网：概念、架构与关键技术研究综述[J].北京邮电大学学报，2010(3)：1-9.

[11] 孟磊，丁恩杰，吴立新，等.基于矿山物联网的矿井突水感知关键技术研究[J].煤炭学报，2013(8)：1397-1403.

[12] 台巍，任奋华，刘文胜.凹山采场边坡多元信息监测及分析[J].无线电通信技术，2016(2)：141-145.

[13] 禹华钢，周安栋，刘宏波.基于数据字典的转换工具的设计与实现[J].无线电通信技术，2009(1)：61-64.

[14] 刘馨蕊.矿山生产数据集成系统构建与应用研究[D].沈阳：东北大学，2013.

[15] 赵丽，仲崇波，焦伟赟，等.基于无线传感器网络技术的山区高速公路边坡监测方案[J].交通标准化，2008(11)：34-38.

Design of internet of things on stability monitoring of open-pit slopes

LYU Peng1，ZHANG Manhua1，FU Wei2

(1.School of Civil and Resource Engineering，University of Science and Technology Beijing，Beijing 100083，China；2.Hunan Rural Credit Cooperative，Changsha 410199，China)

The failure mechanism of the high and deep slope of an iron open-pit is analyzed.Based on the failure mechanism，an internet of things (IoT) system for the slope is built.The internet of things system is reliable and flexible for the complex environment of open-pit mine.The bidirectional hybrid communication technique and intelligent terminal is designed，which can collect the displacement，stress and acoustic emission data of the slope.Stress monitoring data of two points are taken as an example to show the results from this internet of things system.The IoT system can efficiently monitor the stability of the high and deep slope.The method will provide data to predict disasters of slope of open-pit mines.

high and deep slope；open-pit mine；internet of things；distributed monitoring；communication

2017-02-10 责任编辑：宋菲

国家科技支撑计划资助(编号：2015BAK38B01)

吕鹏(1983-)，男，博士研究生，主要从事矿山物联网、工业4.0方面的研究，E-mail：lvpeng177@163.com。

TD854+.6；TP311.52

A

1004-4051(2017)07-0142-05