煤矿智能化关键技术研究与实践

王海军，曹 云，王洪磊

(1.煤炭科学研究总院有限公司，北京 100013；2.中煤科工西安研究院(集团)有限公司，陕西 西安 710077)

随着碳达峰、碳中和目标的提出，煤炭行业需要加快转变发展方式，加速步入高质量发展的新阶段[1]。煤矿智能化是煤炭行业实现高质量发展的核心技术支撑，是实现煤炭安全、绿色、高效开采的必由之路，关键在于通过技术革新，推动与新技术、新产业的深度融合，发展运用新业态、新模式，促进煤炭开发利用全过程、全要素的高质量发展，加速优化要素配置，增强节能降耗，提升精准保障供应能力，依靠新技术新装备实现生产、加工、储运、消费全过程安全、绿色、低碳、经济。煤炭行业只有增加对剧烈变化的政策、社会、经济环境的适应能力才能有效构建煤炭行业发展新格局[2]。2020 年2 月，随着国家八部委联合印发《关于加快煤矿智能化发展的指导意见》，以科技创新为根本动力，推动智能化技术与煤炭产业融合发展[3-4]，成为我国煤炭工业高质量发展的指导思想，煤炭行业的发展步入了难得的机遇期。2021 年6 月，由国家能源局、国家矿山安全监察局联合印发的《煤矿智能化建设指南(2021 年版)》规范了煤矿企业的智能化建设标准，明确了智能化煤矿各系统的建设内容与功能要求，提出将人工智能、工业互联网、云计算、大数据、机器人、智能装备等与煤炭开发技术深度融合，煤炭企业实现全过程智能化运行。随着煤炭行业的智能化建设推进，目前已实现了煤矿部分场景的减人提效，初步建成了一批不同类型、不同模式的智能化示范煤矿。

在煤矿智能化的理论体系探索和建设实践方面，李泉新等[5]建立了煤矿智能化基础理论体系，通过构建煤矿数字逻辑模型、多源异构数据处理理论方法、复杂系统智能控制基础理论、智能化煤矿系统性维护及智能化开采基础理论体系，为煤矿智能决策、精确控制、可靠性保障奠定了理论基础。煤矿智能化创新联盟发布的《煤矿智能化顶层架构与标准体系框架白皮书》，建立了体系性、全局性和前瞻性的煤矿智能化标准体系[6]。2021 年12 月国家能源局发布了《智能化煤矿验收管理办法(试行)》，指出根据煤矿主采煤层赋存条件、开采技术条件等将智能化建设条件分为了Ⅰ、Ⅱ、Ⅲ三类煤矿。评价指标涉及信息基础设施、地质保障系统等十项指标，涵盖了煤矿探、采、掘、机、运、通、排、控等各个方面，为分步实施、有序推进、科学评价煤矿智能化建设提供了可量化的指标依据。

在各科研院所、煤炭科技企业、生产企业共同攻关下，煤矿智能化建设涌现出了一大批典型先进成果。范京道等[7]针对陕西榆林可可盖煤矿岩石强度低、扰动敏感的特性，攻克了斜井敞开式TBM 高效破岩与围岩控制、连续排渣、装备推进与支撑协同控制技术，以智能化装备为基础，辅助监控系统为保障，制定完善的工艺措施，实现了TBM 姿态大幅度调整，40 m2全断面一次掘进，“探−破−支−运”一体化连续掘进，月平均进尺近500 m，预计建井工期比原计划缩短2 年以上。陕西小保当矿业公司建设了国产首套中厚煤层450 m 超长智能综采工作面，并联合试运转成功，2 m煤层日产突破4 万 t，单月产量稳定在90 万 t 左右，填补了国内2 m 以下中厚煤层高度智能化开采的技术空白，并提供了理论支撑和实践参考[8]。中煤科工集团沈阳研究院有限公司突破受限空间下高可靠行走机构设计、重负荷防爆作业机械臂设计、多场景全域自主导航、低照度大粉尘精准图像识别、低温供电等技术，研发出巡检机器人、辅助作业机器人等30 余款煤矿机器人以及机器人集群指挥调度系统，并提炼出60 余项共性关键技术，产品覆盖15 个煤矿应用场景，形成了“天−地−井”多场景煤矿机器人一体化解决方案，完成在多个矿企的工业性示范，现场应用可控可观，效果良好[9]。此外，在工业以太网智能开采控制系统与关键产品智能制造体系[10]、基于多信息感知及视频图像识别的智能安控系统[11]、钻锚一体化智能快掘成套技术与装备等方面也有一大批先进典型成果实现了突破与示范应用。

但是目前各煤炭企业在智能化建设的实际过程中，仍存在执行的技术规范与标准体系尚未统一，设备的控制单元和数据采集单元难以协同运行，巡检机器人难以代替人工巡检常态化应用，人工智能、设备故障诊断缺乏与煤矿场景知识相结合，井下人员智能穿戴装备研发投入不足，各子系统的智能化决策水平与自动化协同运行程度有待提高等问题。

解决这些问题的关键在于通过建立统一平台，应用统一技术架构实现煤矿生产各子系统高度集成与协同管控，实现跨系统数据信息高速交互，解决信息孤岛问题。针对煤矿典型场景数据不足问题，开展小样本机器学习算法研究，真正实现大数据、人工智能对煤炭产运销的赋能。发展边缘计算与设备故障诊断技术，建立煤矿关键设备核心性能退化模型，实现算法灵活部署与设备稳定可靠运行。发展高科技智能穿戴技术，提高井下工作的安全性与舒适性。以机器人巡检技术带动采掘、安控、救援、运输各场景下煤矿机器人推广应用，实现少人乃至无人化常态生产。

笔者提出智能化煤矿技术体系架构，分析目前智能化煤矿建设过程中存在的关键共性技术难题，讨论通用控制和数据处理平台、煤矿机器人、人工智能、故障诊断和智能穿戴等煤矿智能化关键技术的应用现状与发展趋势，并在内蒙古神东天隆集团霍洛湾煤矿和武家塔露天煤矿开展相关技术的应用实践，以期为煤矿智能化建设提供经验。

1 煤矿智能化总体设计

煤矿智能化是将物联网、云计算、人工智能等先进技术与煤炭开发技术和装备深度融合，实现全矿井的智能协同运行。煤矿的正常运转是多个环节、上百个子系统之间的复杂交互过程，为建成完善、高效、稳定的智能运行新体系，需要运用系统工程思维，以减人、增安、提效为出发点和落脚点，因矿制宜、因矿施策，选择合适的技术路线，加强煤矿整体智能化的顶层设计，制定分步实施方案，促进煤矿安全、质量、效率与效益的稳步提升。

煤矿智能化是对生产煤矿的持续智能化升级改造。首先需要根据煤矿的各系统现状进行顶层设计，厘清全流程、全环节、全系统的关联关系。然后，针对具体的系统采用先进技术装备进行智能化建设，自下而上逐步完成智能化升级。最后，通过升级信息基础设施，打通系统间的壁垒，解决跨系统跨平台的数据信息交互问题，从而实现整体意义上的煤矿智能化，而不是局部的、单一系统的智能化。

智能化煤矿技术架构，如图1 所示，设备层利用先进传感技术、物联网技术、智能控制技术与边缘计算技术，依托通用控制和数据处理平台，全面感知煤矿人、机、环信息，实现设备数据采集与控制。传输层采用无线与有线通信结合、现场总线和网络通信相结合的方式，进行数据、控制指令和多媒体数据的传输。数据层建设统一数据标准的智能矿山大数据平台与工业物联网平台，向下实现各类型数据的接入，向上为应用层开发提供统一数据网关服务、一体化管控服务、智能移动监控服务、大数据分析服务与智慧协调管理服务等，实现矿山多源异构数据互联互通、多系统融合联动，为设备运行、安全监测、生产调整、经营管理等业务提供决策支撑。

图1 智能化煤矿技术架构Fig.1 Technical architecture of intelligent coal mine

结合新一代信息技术的发展趋势与应用特点，智能化煤矿以综合管控平台为重要载体，建设高速高可靠融合通信网络，实现煤矿主要业务系统的互联互通、数据共享与协同联动控制，以及全矿监测、控制、管理一体化、过程控制自动化、生产综合调度指挥和业务运转网络化、行政办公无纸高效化。建设矿山大数据平台，面向煤矿地质信息感知、生产经营、安全监控等业务，构建完整的煤矿场景信息感知系统，实现数据跨系统的汇集与共享，多源数据的共享与深度挖掘利用，解决信息孤岛问题。采掘工作面实现就地、集中和地面远程操控的多级化管理与设备集群协同控制，重要机电设备运行状态在线监控与智能故障诊断，采用地质勘探、三维仿真、地理信息等技术手段，实现工作面地质建模，利用智能传感器采集设备工作姿态、地理位置、运行状态等相应数据，利用专家决策系统对各类数据进行有效分析处理，成套装备协同作业，完成煤炭采掘运。建设透明主煤流输送系统，基于煤量检测技术，根据矿井各级运输实时工况信息，调节运输运行速度，综合采掘工作面开停状态与煤仓煤量信息，采、掘、运、储协同运行，实现煤流平衡。辅助运输系统通过车载智能终端实现车辆精确定位，辅助井下信号灯控制系统、智能调度系统、语音调度系统和地理信息系统，结合工业电视图像、矿井人员定位信息，实现车辆监控、指令下达、任务调配、报警管理和应急响应，进行辅运车辆、作业人员的全程管控和实时调度，实现无人驾驶。通风、排水、供电等固定场所实现全部无人值守，基于大数据分析建设智能供电、排水系统，实现能耗优化与故障自诊断，重点区域采用移动机器人巡检来进行环境状态感知和设备状态自主监测。全面建设煤矿灾害一体化防治平台，实现灾害智能监测预警、灾害救援指挥，煤矿应结合自身灾害风险特点，根据灾害因素、灾害类型与灾害等级制定联动应急预案，并根据矿井条件变化定期更新调整；建设煤矿智能化经营管理系统，实现产、运、销智能决策，生产计划动态调整、日常办公精细化、流程化管理。

2 支撑煤矿智能化的关键技术

2.1 通用异构型控制和数据处理平台

煤矿智能化体系的建立依赖于工业互联网和智能终端的广泛应用，当前各煤矿设备的控制单元和数据采集单元还普遍存在着数据孤岛问题，处理核心、操作系统、通信协议难以统一，不足以支撑智能化建设的全面开展。在边缘端建立一个具备通用性的嵌入式控制和处理平台，供各类设备应用，可以有效地解决上述问题。通过各个部件模块化开发，各类接口及通信协议统一标准，开发同时具备系统异构、高集成度、可重构、低功耗属性的控制和数据处理平台[12]。

在现今煤矿生产场景下，传感器的种类与数量呈现爆炸式增长，随之而来的庞大数据量，对处理系统的计算能力和稳定性有了更高的要求。在这种应用环境下，单一类型的处理器已经很难同时满足控制和计算的需求。另外，通用的处理器往往都是在一种架构下使用固定的指令集执行流程，效率受限且串行特征强，而智能化控制的计算需求具有高度的并行性。在摩尔定律接近失效的今天，单一处理器算力的提升已经变得十分复杂且低效[13]，因此将不同计算体系架构的计算资源协调使用的异构计算必然会在未来煤矿智能化应用场景中成为主流。

异构计算在计算机系统中不是一个新的概念，多种特定用途的处理器在以往就曾被用于提高系统吞吐量的特殊场景[14]。通过选取和部署多种不同体系和指令集的计算功能组件，搭建系统或平台完成特定的计算任务需求，在这种情形下，计算资源可以得到灵活的使用，可以根据实际的应用场景去配置出更合理的运算需求，从而有效提高计算资源的利用率。

现在针对异构计算系统可支持的器件种类较多，如中央处理器(CPU)、图形处理器(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)等。CPU 是最通用的处理器类型，技术和架构成熟，煤矿领域仍对其高度依赖，为满足兼容需求与良好的适配能力，CPU仍旧不可或缺。FPGA 具有高计算容量，高并行性，更新便利，低延迟的特点，对于计算密集型任务，如矩阵运算、图像处理、机器学习、非对称加密等有着很好的兼容性。在煤矿智能化应用场景下，感知层需配备多类型传感器，数据传输、通信方式各异，需要高并行性系统的支持；在高速数据采集、图像处理、定位建图与场景则需要很高的计算性能。因此，采用CPU+FPGA 的异构体系作为通用型硬件处理平台的架构体系是适应智能化煤矿生产需要的。根据实际需求进行系统裁剪和移植，可以实现边缘端控制和数据采集处理设备的全覆盖，灵活度高，功耗低，通信协议可以达到统一。

异构型控制和数据处理平台的架构共分3 层，如图2 所示。底层是嵌入式的硬件平台，采用同时包含ARM 内核和FPGA 的处理器，如Xilinx 的Zynp 系列UltraScale+MPSoc 架构，在处理系统(Processing System，PS)端整合了ARM Cortex-A53 处理器，在可编程逻辑(Progarmmable Logic，PL) 端集成了FPGA，实现硬件可编程的特性。在中间的系统层，需要进行嵌入式操作系统开发和通信协议栈的建立。上层为软件层，基于煤矿特定应用场景开发各类程序包以供调用。

图2 异构型控制和数据处理平台架构Fig.2 Framework of heterogeneous control and data processing platform

硬件开发部分的关键是FPGA 数字逻辑的开发，为了适应各类传感器的采集需求，各类设备的控制需求，需要在不改变外围电路的情况下，编写不同的芯片内部电路逻辑，以实现不同功能或进行功能扩展，将模块封装成具有知识产权核的集成电路芯核(Itelligent Property，IP)，便于未来调用。

在系统层，2 个CPU 分别运行实时操作系统和分时操作系统。实时操作系统主要用于过程控制、数据采集、通信等对时间敏感的场景，如采煤机的控制、液压支架动作控制、输送机的调速等。分时操作的信息处理能力强，交互性强，用于对计算要求高，以及需要井下人员交互的设备控制和通信中，如巡检机器人的建图与定位、煤流量的测量、人员的交互终端等。依据实际需求，对处理器的计算资源进行裁剪。建立适用于多接口的煤矿工业互联网通信协议，包含站号属性、数据属性、命令属性、帧长属性、帧头特征、帧尾特征、校验段等[15]。

在软件层，依实际应用场景开发程序包，如视频分析、故障诊断、设备控制、路径规划等，提供可供开发调用的应用程序界面(Application Program Interface，API)。

2.2 矿用巡检机器人技术

煤炭行业是目前最迫切需要开展机器人换人的高危行业之一，机器人代替工作人员进行未知环境探测，可为矿井开采提供更全面的矿井信息，进一步保障矿井工作人员的安全。当发生事故时，机器人可对矿井环境进行地图构建并传输给救援人员，为事故救援提供了强有力的保障。此外，还可用于日常的矿井巷道巡检，监测巷道内可能存在的安全隐患[16]。

实现井下复杂环境的煤矿机器人自主巡检探测作业依赖于驱动模块监测、运动控制、精确定位等相关技术的进步与协同发展。

高转矩无刷电机与减速器构成的驱动模块是目前很多高动态性能机器人的核心动力来源。为了应对井下复杂的非结构化环境，移动巡检系统的机器人承载平台需要具备较好的动力学性能，要求使用高功率密度和大转矩的电机或液压驱动模块作为动力来源。在应用这些驱动模块到机器人系统中时，需要对它们在动态工作条件下的力矩变化属性进行测试，或者配合机器人部分传动、执行机构，对机器人局部机构的动力学性能进行测试。这些模块化测试对于构建机器人整体动力学模型，在仿真和控制算法的设计中都具有非常重要的意义。

例如麻省理工的机器人团队在设计电机驱动的高动态性能机器人时，采用了自主设计的电机动态转矩测试仪来帮助获取定制化的驱动模块动态参数，包括极限力矩和力矩常数等，这些数据被用来指导驱动模块的选型、机器人整体结构的设计和后续控制算法的设计[17]。苏黎世联邦理工ANYmal 机器人团队在设计ANYmal 机器人时也设计了对机器人单腿执行机构以及驱动模块的测试平台，借助单腿执行机构实验平台对机器人的腿部机械设计与控制算法进行快速迭代；在机器人控制算法研究中，还采用了使用实物仿真获取驱动模块动力学数据作为软件仿真依据的方法，解决了软件仿真无法模拟驱动模块复杂动力学性质的问题，获得了良好的仿真效果[18]。

为了获得良好的动力学性能，在高动态性能机器人设计中，往往需要使用定制化的高功率密度驱动模块和针对目标任务设计的高功率密度驱动执行机构，由于这些模块机构的高度定制化特点，针对其性能测试的平台一般不存在较好的商业化产品可以直接使用，大多由研究机构根据自身研究需要设计搭建。实验平台的设计往往体现了整个机器人系统的结构、感知和控制算法设计的思路方向。

良好的运动控制是实现机器人稳定行走的关键，为机器人在井下执行工作任务奠定了基础。在机器人运动控制方面，研究人员从多个技术方向开展了研究。根据零力矩点理论分析机器人行进过程的稳定条件，利用稳定裕度的概念，在支撑多边形中求取最优稳定点来规划零力矩点，在规划过程中可以形成连续的运动姿态从而避免机器人在步态中频繁调整姿态[19]。中央模式发生器(CPG)是可以使动物产生节律行为的局部振荡网络，由中间神经元构成，并且这些神经元可以通过相互抑制和刺激构成稳定的相位锁定关系，输出具有相位差的稳定周期信号，以此控制躯体相关部分顺序运动[20]。节律行为可以通过非线性微分方程或者神经网络进行模拟。在工程实际中使用最多的是把CPG 网络看成由多个非线性微分方程组耦合而成的网络系统，每一个非线性微分方程组就是一个CPG 振荡器数学模型，以此控制机器人运动。模型预测控制(MPC)找到了一个最佳的反作用力分布一个简单的模型，Mini-Cheetah 采用此类算法[21]。MPC 可以看成一个优化器，输出的是预测控制量。全身力控根据MPC 计算的反作用力，计算关节转矩、位置和速度命令。近年来，基于强化学习的运动控制方法在机器人领域得到应用，机器人在与环境交互中不断尝试，通过设置奖励函数鼓励正向行为，惩罚负向行为，从而逐步达到期望的行为策略，实现稳定的运动控制[22]。

精确定位技术为煤矿机器人提供本体位姿估计，是实现自主导航的前提，定位精度的好坏将直接影响机器人在矿井巷道中执行行走、导航、路径规划等作业任务。但由于煤矿井下环境恶劣、巷道转弯多、能见度低、无GPS 信号及存在颠簸和急停等导致的视觉运动模糊，导致多数定位方法都存在设备安装困难、环境干扰较强、定位误差很大、无法连续监测等缺点。空间狭小、地形复杂、低照度是煤矿井下最典型的环境特点，针对矿井巷道内特殊的工作环境进行分析，用于该环境的精确定位方案可基于激光雷达、相机、超声波、惯性测量单元(Inertial Measurement Unit，IMU)以及里程计等传感器进行，但它们各有优缺点，目前尚无可在煤矿井下有效应用的机器人精确定位方法。在机器人精确定位技术中，各传感器采用分别标定，亟需实现基于激光雷达/视觉/惯导的多传感器自动标定。为了使同步定位与建图(Simultaneous Localization and Mapping，SLAM)算法在光照条件较差或结构退化的场景中都能有效工作，将激光雷达、相机和 IMU 三者进行融合是个很好的方案[23]。

多传感器融合定位系统由RGB-D 相机、激光雷达、IMU 和图像处理及视觉计算模块等构成，系统总体架构如图3 所示。软件部分配置在图像处理及视觉计算模块中，包括RGB-D 相机和IMU 的自标定算法及多传感器联合标定算法，以及IMU 初始位姿获取算法和多传感器数据二次融合算法，根据标定结果进行多传感器数据融合，实现多传感器融合定位。对IMU进行自标定，利用扩展卡尔曼滤波(Extended Kalman Filter，EKF)对IMU 获取的初始数据进行位姿解算，将其作为多传感器数据融合的初始位姿。利用相机自标定算法对RGB-D 相机图像进行特征提取和匹配并进行位姿变换估计。通过多传感器数据二次融合算法，对IMU 初始位姿、相机位姿变换估计和经过点云配准的激光雷达数据进行多传感器数据二次融合，输出多传感器融合定位。

图3 煤矿机器人多传感器融合定位系统总体结构Fig.3 Overall framework of multi-sensor fusion positioning system of mine robot

2.3 人工智能技术

人工智能技术在煤矿智能化建设过程中得到了广泛的应用与尝试，其应用范围包含了计算机视觉、煤矿专家系统、煤矿机器人与智能控制等诸多领域。以计算机视觉为例，随着煤矿智能化水平的不断提升，成像传感装置被广泛应用于煤矿生产的各个环节中，与其他类型传感器相比，成像类传感具有采集信号丰富直观、采集速度快，系统建设成本相对低廉的优点，目前已成为井下作业和安全监控不可或缺的重要应用系统。但采集到的海量视频、图像数据多数未得到有效利用，主要依赖于传输至地面监控站或数据中心后，由监视人员实时查看或事后进行回放查看，无法参与生产现场的控制或给出实时分析结果。基于人工智能技术实现煤矿影像数据的分析，并与控制、监控、预警等系统等进行联动，将极大程度提高智能化建设水平。

当前第二代数据驱动的人工智能，需要利用数据、算法与算力3 个要素构造人工智能模型[24]。由于煤矿场景的特殊性，典型样本数据获取困难，开采过程导致的场景复杂多变，难以构建全面充足的数据集。以深度学习为代表的人工智能算法严重依赖大规模数据及充足的计算资源，而实际应用场景中通常不具备快速获得大规模可用数据的条件，深度学习此类数据驱动的方法，依靠大量的数据统计分析获取规律，缺乏与煤矿开采相关知识的结合。小样本学习等期望实现类似人类学习灵活性和效率的方法成为目前人工智能领域的研究热点，即在仅获得少量样本的条件下，便能快速理解新的概念并将其泛化。深度学习模型中的小样本学习机制大致可以分为3 大类：基于度量的小样本学习机制，学会学习机制和基于数据增强的学习机制。目前，小样本学习的研究尚处初步阶段，且多集中在机器翻译、医学图像处理等领域，在工业领域的应用还处于探索阶段。

同时，由于煤矿的安全要求，高性能的计算设备又难以大规模在井下部署应用。随着煤矿智能化的逐步开展，井下传感设备数量呈现爆发式增长，产生的海量数据需要实时处理、快速计算与决策，对数据传输网络提出了极高的要求。边缘计算设备在端侧提供算力和灵活部署的能力，在井下的人工智能应用中发挥越来越重要的作用。一方面，边缘计算设备就近部署，能降低数据长距离传输、多次转发带来的时延，提升系统实时性，大大提高人工智能技术的应用价值；另一方面，可通过灵活的组合方式，根据现场的算力需求提供相匹配的算力，降低系统的部署成本。

2.4 设备故障诊断技术

随着煤矿智能化水平不断提高，各子系统之间不再是独立工作，形成了日益复杂的智能化巨系统[25]。某个设备一旦发生故障，将严重影响煤矿生产。目前，煤矿设备的维修与维护主要采用人工巡检和制定维修章程相结合的方式，设备无法长时间运行在最佳工作状态。因此，有必要开展煤矿设备智能诊断技术研究，通过监测分析设备当前状态，预测设备的剩余寿命和可能出现的故障，提高设备维修维护的精确化程度，防止过度维修或欠维修现象发生。

为建立高效的煤矿设备协同智能故障诊断与预测系统，需要对煤矿关键设备核心性能的退化与失效机制进行研究，建立煤矿关键设备核心性能退化模型，构建面向煤矿的设备精准检修理论与方法。煤矿要依据设备的工作环境条件，基于跨系统的传感器数据感知，建立设备运行状态监测数据库与不同设备个体的定制化故障诊断模型。在没有足够数量历史故障数据的条件下，充分结合检修经验与故障机理，将其中所蕴含的特征知识信息由实验设备或其他相近类型设备进行迁移，构建基于数据和知识混合驱动的煤矿设备故障诊断与预测模型。

2.5 智能穿戴技术

煤矿作业人员众多，一直以来面临粉尘、有害气体、噪声等恶劣环境因素，但工人的防护装备仍然处于较低的水平[26]。得益于智能化矿山的建设对井下人数的减少及行业安全意识的提高，为井下工人配备具备防护作用的智能穿戴装备是未来的趋势。

智能穿戴装备的结构如图4 所示。头盔的设计除了要满足基本的安全防护要求、尺寸要求，还要预留空间整合防护服的其他子系统，如呼吸风道、传感器位置、显示设备、语音设备等。考虑到轻量化要求和强度要求。以复合碳纤采用经编针织技术制备头盔刚性加固层，然后采用芳纶纤维或聚乙烯纤维编织技术制备防刺穿层，为提高头盔表面硬度，减少划伤，以及实现防静电、防尘和防腐蚀的功能，采用真空离子镀技术在头盔外层制备抗陶瓷纳米涂层，并利用磁控溅射技术在面罩外表面制备氧化物透明导电涂层[27-29]。

图4 井下人员智能穿戴装备设计结构Fig.4 Design structure of intelligent wearable equipment for underground personnel

呼吸系统采用压缩气瓶供气方式，氮气和氧气混合模拟大气氛围，废气处理系统吸收水汽和二氧化碳。气体循环过程中根据热舒适度和噪声模型改进风道设计，并指导半导体制冷片的布置降低防护服内温度。

传感监测系统主要检测人体醉酒状态、疲劳状态和一些突发性的身体不适情况，以便及时提醒穿戴者注意危险情况，帮助综合管控中心的人员决策。除了采用市场上常见的气体传感器、温湿度传感器等常规传感器监测防护服内环境的基本参数，也可将基于水凝胶的一系列传感器用于穿戴者身体状态的监测[30]。

工作面噪声大，穿戴者与防护服功能交互的工程中，语音识别方式难以保证准确度，而按键方式则需要穿戴者腾出一只手操作，且在穿戴手套的情况下同样存在按压准确性的问题。针对人机交互困难的问题，该部分将以传感器技术为基础，配备基于压电原理、摩擦电原理的自驱动传感器。使用自驱动传感器采集手势、唇语信息，通过手势识别方法实现基础的人机交互功能，如移动、滑动、点击等基础功能，通过特定手势或手势组合实现特定指令的快捷操作；通过唇语识别方法实现固定场景和固定语境下的智能化人机交互，推动防护服的智能化发展[31-32]。

语音显示系统采用语音加屏幕的显示方式，其中屏幕的显示采用柔性OLED 屏和全息显示2 种方式。OLED 屏将高透光性有机复合材料作为面罩主体结构，电致发光基体柔性OLED 材料作为穿戴装备面罩内嵌层，实现穿戴装备信息可视化。全息显示在现有全息眼镜产品基础上实现头盔的二维显示。

3 煤矿智能化建设实践

内蒙古神东天隆集团霍洛湾煤矿和武家塔露天煤矿是内蒙古自治区首批推进智能化建设的煤矿，现已通过相关部门验收。两煤矿推进智能化建设，首先开展了煤矿智能化总体方案设计，并按照“总体推进、一次设计、分步建设、按期达标”的工作思路，逐步完成智能化建设工作任务，提高了煤矿安全生产水平，为实现长期可持续发展奠定了基础。

3.1 霍洛湾煤矿智能化建设实践

智能化改造前，霍洛湾煤矿底子差、基础薄，一次完成全部智能化改造无论从时间上还是经济上都不太现实，故而对计划建设的25 个子系统分为两期进行建设，一期完成工业环网、临时云数据中心、综合调度管理平台、智能化管控平台、灾害预警、主/辅运输系统智能化等基础系统的建设，同时进行地面、井下土方工程准备，二期完成智能调度指挥中心、大屏幕显示系统、机器人巡检系统等子系统建设，并完善智能管控平台、大数据管理平台等对新建系统的支持和融合。通过分阶段先打基础再融合集成的方式完成全矿井智能化改造。

霍洛湾煤矿井下只建设了安全监控系统专用环网，井下其他系统基本上是通过总线或光纤连接到地面监控主机。随着智能化建设项目的开展，井下各自动化系统、监测监控系统、语音广播系统、无线通信系统和视频监控系统都需要传输大量的数据、语音及图像信息，现有的传输方式无法保证传输的可靠性，需要在霍洛湾煤矿建设万兆工业以太环网，并采用 4G/5G 无线系统进行网络的延伸。考虑到 5G 网络在煤矿井下的应用还不成熟，而且系统造价高，设计在连采工作面和综采工作面进行局部覆盖，并统一接入万兆工业环网。

井下工业环网交换机分别布设于中央变电所、移变硐室、机电硐室、一盘区水泵房，地面工业环网交换机分别布设于生活污水处理车间、10 kV 变电所、黄泥灌浆车间和35 kV 变电所。通过井上和井下数据工业以太环网的建设，实现在统一的网络平台上对全矿井的生产安全信息进行监测，井下设备实现集中监控，进而实现整个矿井的安全、生产、管理等环节数字、控制、语音、视频等信息合一。除安全监控、有线调度通信系统等需要单独通信的子系统外，其他子系统通过工业以太环网平台进行数据传输。从而实现“集中调度”的模式，减少重复投资和线路维护工作。

新建一套集系统融合、监测预警为一体的综合多维一体化的智能应急联动管控平台，整个系统采用了C/S、B/S、移动APP 一体化相结合架构设计。平台框架及综合分析执行模块采用开源技术及跨平台技术开发。通过将各个系统集成在统一的平台下，各子系统之间可以自动实现联动控制与预警。平台具备强大的冗余服务器双机热备和LAN 冗余结构，在主服务器产生故障或数据连接失败的情况下可自动从故障服务器切换到备用服务器，接管主服务器的所有功能，并保持与各节点的正常通信。系统拥有直观的图形工具，一般用户都可以快速上手，简单快捷地为需要的生产过程创建高性能的过程窗口。系统由地测动态信息管理模块、地质建模与分析模块、开采地质建模与更新模块、工作面数字孪生模块、截割规划模块、三机协同控制模块、2/3D GIS“一张图”综合监控模块、系统融合与联动控制模块、智能视频分析与预警模块、故障诊断与检修管理模块、融合调度与通信管理模块、灾害应急预案管理模块、智能通风决策分析模块、灾害预警模块、大数据管理平台等组成。系统提供先进、成熟的支撑平台软件，确保关键应用能稳定运行。

经智能化升级改造后，全矿井固定场所(包括主运输系统、压风机房、瓦斯抽采泵站、地面井下变电所、水泵房等)全部实现无人值守，原有符合智能化标准与要求的污水处理系统、安全监控系统、人员定位系统等无缝接入新建的煤矿智能化综合管控平台。

新建主运输四足机器人巡检系统，基于计算机视觉、热成像与音频分析技术，实现主运输沿线自动巡检，将视频、音频、传感器数据及预警信息回传至管控平台，系统对回传的数据进行分析和筛选，对设备进行实时故障报警和潜在故障预警。应用四足机器人巡检系统能够代替绝大部分人工巡检工作，减少人工劳动强度，极大的提高巡检效率；采用带有 RTK(实时动态)功能的旋翼无人机对矿区地形进行测绘，观测矿区的地表沉陷情况，为矿区恢复生态环境及土地复垦提供准确的地表信息。

3.2 武家塔煤矿智能化建设实践

武家塔露天煤矿同样面临基础差、底子薄问题，但是相对于地下矿井，露天矿智能化建设无论是建设范围还是实施难度都要小很多。武家塔露天矿的智能化建设同样分为两期，其中一期开展智能矿山集控中心、综合调度管理平台、5G 通信网络、无人驾驶平台一期、巡检机器人系统、视频智能分析平台等建设，二期开展无人驾驶平台二期工程建设。这里只将无人驾驶平台建设分两期完成，一是考虑到完成所有运输车辆的改造需要的资金数额太大，无法同时完成改造，二是无人驾驶系统的建设需要根据场景和环境进行优化迭代，一期先进行小编组运行，完成数据积累和模型优化，二期再进行所有运行车辆的改造，完善编组联动与调度分配算法。分阶段实施既能保证露天矿连续稳定生产，又能根据建设情况动态调整规划，是较为稳妥现实的方案。

集控中心建设了大屏幕显示系统和数字会议系统，调高了调度管理和会议办公的效率。综合调度管理平台实现基础通信功能，融合广播、对讲与视频监控系统，实现日常调度与应急指挥调度的整合，有限通信与无线通信的整合，以及视频应用与语音呼叫的整合。

无人驾驶是露天矿智能化建设中最重要、最核心的部分，尽管武家塔露天矿采用了调度系统和人员定位系统，使得设备的利用率和管理效率有所提高，但是对于整个矿山运行过程中的生产质量控制和计划流程实时调整(短流程控制)，以及成本控制等方面还存在问题，大部分流程仍采用人工调度方式，造成了计划−执行−调整偏长，形成管理孤岛和信息孤岛，致使矿山的设备利用率较低，存在铲、车比不合理情况。结合国家能源局与内蒙古能源局关于露天矿智能化建设指导文件精神的要求，武家塔露天矿开展了卡车无人驾驶系统的建设。

改造后的无人驾驶矿卡装载车载智能化设备，包括5G/C-V2X 通信终端、摄像头、激光雷达、毫米波雷达、车载定位、车载计算平台等设备，实现信息传输、环境感知和智能决策，环境融合感知。建设车联网系统实现基于5G 和C-V2X 系统的车与车、车与路、车与云平台间的信息传输。5G 系统包括基站、核心网等部分，支持实现车和云平台之间控制数据、状态数据的传输。V2X 直连通信主要实现车与车之间、车与路之间关于车辆状态、道路状态等数据的传输。建设云平台实现矿山场景信息的融合分析，构建矿山运输作业模型，面向不同应用场景提供作业调度、路径规划、联合决策和协同控制，实现无人驾驶的业务管理。

目前武家塔露天矿已实现一个编组4 台车辆的常态化无人驾驶与车铲协同作业，可实现无人驾驶卡车及所有相关有人驾驶辅助设备的远程实时管理。后续将稳步开展全部矿卡的无人驾驶改造，实现减人提效与降本增安。

AI 视频分析平台采用边缘端模型分布部署、云端集中管理的模式，具备区域人员接近预警、剥运车辆计数、刮板机大块煤及煤量检测、变电所设备指示灯状态识别等功能，覆盖了露天煤矿生产、辅助设施、安全管理等全场景应用。平台提供人脸识别、实时或事后的智能分析结果，对于内嵌智能技术的设备可直接管理，在回放录像的时候，可以对录像资料进行智能后检索，通过智能分析服务器快速定位符合规则的视频片段。平台采用模块化设计，部署方便，操作简便，还可根据露天矿自身管理要求和监控现状做进一步的定制开发。

变电站应用巡检机器人监测变电设备运行状态，基于计算视觉技术，利用搭载的云台相机识别设备指示灯状态，在设备异常时向管控平台推送报警信息。

智能化改造后的武家塔露天煤矿各岗位、工种减人增效明显，变电站、污水处理、净水站等岗位仅需8 人值守；钻机岗位需要两个班次10 名操作人员，建成钻机远程控制系统后仅需1 人操作，1 人检修即可完成原先的工作量。

4 结论

a.提出了以可靠的数据采集与控制平台为基础，以矿山大数据平台和工业互联网平台为核心，以多网融合通信系统为媒介的煤矿智能化技术架构，对于生产型矿井进行智能化升级改造的技术路径进行了系统分析。

b.结合煤矿智能化建设实践经验，提出了通用异构型控制和数据处理平台、矿用机器人、人工智能、设备故障诊断与智能穿戴等关键技术应用过程存在的问题，并探讨了解决方式与技术路径。

c.人工智能、大数据、物联网等新技术在煤矿智能化领域的应用还存在许多不足，通用场景的技术手段难以直接在煤矿系统中套用，在进行数据积累和技术迭代的基础上，要充分融入煤矿行业知识，构建基于知识与数据双驱动的智能化煤矿。

d.缺乏数据的安全生命周期与规范性管理，采集的数据没有统一的规范，数据的质量与类型无法满足人工智能、大数据分析等技术的应用需求，因此需要构建完善的煤矿数据标准体系，结合煤矿应用场景的需求建立不同类型的高质量煤矿数据库。

e.通过霍洛湾和武家塔的煤矿智能化建设实践，充分证明了贴近现场，直面需求的煤矿智能化改造可以实现减人、增安、提效，煤矿智能化是走向安全智能绿色高效开采的必经之路。同时，煤矿智能化建设也是一个迭代发展、不断进步的过程，相关智能化关键技术还需要在实践过程中进一步优化升级，核心技术装备的可靠性将是影响未来煤矿智能化实践效果的关键因素，需要进一步持续关注研究。