0.   引言

近年来，随着矿山智能化技术的不断发展，煤矿灾害防治已取得显著成效，但重大/较大事故仍时有发生，严重威胁井下作业人员生命及生产安全，如：陕西新泰能源有限公司“8·21”重大瓦斯爆炸事故，原因是安全监控系统和人员定位系统不符合要求；河南大有能源股份有限公司耿村煤矿“5·9”较大火灾事故，原因是事故区域巷道未进行锚喷，未配足灭火器材，安全监控系统形同虚设；新疆鸿新建设集团白杨沟煤炭有限公司“12·13”重大瓦斯煤尘爆炸事故，原因是煤矿采取的综合防尘措施不到位，未实施煤层注水；新泰市羊泉矿业有限公司“6·5”较大顶板事故，原因之一是未辨识出可能存在的应力叠加、顶板离层及顶板垮落等安全风险。可见，导致上述煤矿事故的主要原因是不能及时有效识别灾害风险及隐患，灾害处置未与安全监控系统联动控制，部分企业的灾害管控措施不到位，在应急管理方面存在缺失等。通过构建煤矿灾害智能化精准管控体系，可完善煤矿安全监控系统，强化灾害风险分析，提高事故预测预警准确度，实现智能化风险研判，为煤矿灾害有效管控提供支撑。

国内外专家学者对煤矿灾害监测预警与管控技术展开大量研究。瓦斯灾害方面：王斌国^[1]采用粗糙集与模糊神经网络相融合的方法进行瓦斯数据分析；A. Anani等^[2]探讨了机器学习在井下煤与瓦斯突出预测中的应用；Yang Li等^[3]针对深部矿井煤与瓦斯突出预测问题，提出了基于核主成分分析和退火粒子群优化−极限学习机的预测方法；刘程等^[4]提出瓦斯灾害监测预警技术需从高精度瓦斯信息监测设备、瓦斯前兆信息分析理论2个方面突破。煤矿火灾方面：孙继平等^[5]提出了基于可见光和红外图像的煤矿外因火灾识别方法；李光宇等^[6]采用基于机器视觉和新陈代谢机制的灰色建模方法，以提高煤矿外因火灾识别精度；胡纪年等^[7]提出了基于深度卷积神经网络的矿井外因火灾火源位置识别模型；王树斌等^[8]采用Transformer算法，建立了煤矿外因火灾预测模型；裴晓东等^[9]利用Unity3D矿井火灾监测与防治仿真试验教学系统，开展了内外因火灾监测及应急处理试验实训。煤矿粉尘灾害方面：周福宝等^[10]开发了基于振荡天平原理的矿工个体粉尘连续监测仪；陈建阁等^[11-12]对现有的基于光散射法粉尘质量浓度传感器及基于环状电极静电感应法粉尘浓度传感器进行改造，提高了粉尘浓度检测精度。顶板灾害方面：毛德兵等^[13]分析了煤矿顶板灾害的致灾因素，采用KJ21顶板与冲击地压综合监测系统对致灾因素进行监测和预警；Wang Ke等^[14]设计了基于灰色神经网络的顶板压力预测模型，得到了较好的预测效果；Wei Mingsheng等^[15]提出了一种基于光学相干层析成像的粉尘浓度成像系统，用于监测矿井中煤尘浓度的变化。

上述研究大多是从算法优化层面来提高灾害监测预警精度，或是对监测预警技术及装备进行改进，虽然取得了一定的效果，但仍存在以下问题：

1） 现有研究大多聚焦某一具体灾害的特定监测或算法优化，未将多种灾害监测预警技术集成至统一平台。在煤矿实际运行中，瓦斯、粉尘、顶板、火灾等灾害的发生往往具有联动性，单一灾害研究缺乏协同机制，难以对多灾害综合风险进行有效监测预警，制约了综合灾害防控体系建设。

2） 煤矿井下不同灾害监测系统繁杂，监测点位多，数据量大，由云平台汇总灾害处置信息再下发到井下的数据传输链较长，易出现较大时延，在灾害突发情况下无法快速响应，管控效率较低。

3） 现有煤矿灾害监测预警与管控系统缺乏对多灾害耦合的动态感知和对灾害演化趋势的实时预测能力，在多灾害控制方面缺乏协同性及联动性，且少见事故应急联动下的避灾路径规划研究，无法完全满足煤矿灾害管控体系的智能化建设要求。

本文针对煤矿多灾害管控存在的不足，提出一种煤矿灾害“云边端”一体化智能精准管控技术体系，融合多传感监测及信息融合预警、边缘计算、智能识别等技术，实现煤矿井下各作业场所的瓦斯、火灾、粉尘、顶板等多灾害全面感知、智能辨识、融合预警，达到井上下全天候协同控制，提高煤矿多灾害分析处置与管控能力。

1.   煤矿灾害“云边端”一体化智能精准管控技术体系架构

基于云边协同的物联网系统架构，提出了煤矿灾害“云边端”一体化智能精准管控技术体系，如图1所示。端侧中数据感知层与执行控制层可以为边侧（边缘计算层）及云侧（平台管控层）提供数据支撑。边侧可以将端侧的有效数据进行上传下达，减轻云侧计算压力。云侧建设有煤矿灾害融合监控预警与管控数字化决策平台。各层级之间动态耦合，构成一个有机整体，实现数据感知−边缘计算−平台管控−执行控制的闭环管控。

图  1  煤矿灾害“云边端”一体化智能精准管控技术体系架构

Figure  1.  "Cloud-edge-end" architecture of integrated intelligent and precise management and control technology for coal mine disasters

下载: 全尺寸图片 幻灯片

该体系中灾害融合监控预警数据流转与交互如图2所示，其反映了各层级对应的功能模块，定义了各类数据的定点推送方向和目标，有效解决了信息推送与目标之间的交互和融合问题。

图  2  煤矿灾害融合监控预警数据流转与交互

Figure  2.  Integrated monitoring and early warning data flow and interaction for coal mine disasters

下载: 全尺寸图片 幻灯片

数据感知层负责煤矿多灾害数据智能感知，支持各监测监控系统实时产生的不同接口类型数据，实现对数据库、消息队列、FTP文件、OPC数据的汇聚存储。瓦斯灾害数据感知主要针对瓦斯涌出量、瓦斯积聚、动态瓦斯浓度等；火灾数据感知主要针对机电硐室火灾烟气及热量、带式输送机早期升温、CO等气体浓度及火源位置；粉尘数据感知主要针对粉尘浓度；顶板灾害数据感知主要针对锚杆（索）受力及顶板离层位移。

边缘计算层是在煤矿灾害感知与执行控制近端增加边缘计算装置，以解决云计算架构无法满足实时处理爆发式海量数据的问题。根据煤矿生产状况，制定了边缘节点最优部署策略。开发了5G+4G+WiFi6边缘计算网关，构建用于工作面安全风险分析的边缘计算模型，研发5G+4G+WiFi6边缘计算盒子，对数据进行过滤、清洗、提纯及计算，并选择性上传至平台管控层，实现智能分析与预警控制。根据煤矿灾害预警等级，联合响应管控指令与灾害管控措施进行控制，实现多设备间的信息共享和决策，及时解决异常情况，实现实时、安全、高效的煤矿多灾害管控预警。

在平台管控层，以煤矿灾害融合监控预警与管控数字化决策平台为中心底座，基于煤矿重大灾害演化监控信息，构建精细化、真三维数字孪生模型，形成煤矿灾害数字孪生可视化基础平台，搭建煤矿地质测量模型的可视化场景，实现各类灾害监测及设备实时运行状态数据在三维数字孪生模型中的接入。将来自不同设备、系统或网络的数据进行整合并分析处理，结合数字孪生结果，实现各监测空间云图的归一化处理。建立基于加权法的多灾害空间融合模型，实现瓦斯、火灾、粉尘、顶板4类灾害演化过程的“一张图”空间响应。整合灾害风险综合评估体系，基于矿井三维孪生场景，将风险分布、重大风险管控记录、隐患排查、“三违”查处、标准化自查等数据进行分级评价展示，并对矿井风险评估信息进行多维度分析展示。基于灾害风险评估信息及三维数字孪生场景，将矿井应急设施设备、应急救援物资、应急避灾路线等信息进行关联显示与业务联动，制定响应应急预案，实现煤矿协同调度、风险管控及科学决策，提高风险管控能力及应急救援水平。

执行控制层基于平台管控层或边缘计算层命令，对煤矿灾害预警进行智能协同管控。执行装置包括自动洒水系统、通风风门/风窗控制系统、瓦斯断电仪、瓦斯风电闭锁装置等，主要负责执行平台管控层或边缘计算层下发的控制命令，实现煤矿现场灾害防治装备的实时联动控制。在灾害发生时，通过提示避灾路线、播放应急广播等措施，确保人员安全撤离，保障生命安全。

2.   煤矿灾害“云边端”一体化智能精准管控关键技术

煤矿灾害“云边端”一体化智能精准管控技术结合人工智能、工业物联网、云计算、边缘计算等先进技术，通过对矿井环境、设备状态及人员行为进行监测与分析，实现对煤矿灾害的精准感知、早期预警与主动干预。

2.1   数据精准感知技术

煤矿灾害数据感知是实现一体化智能精准管控的基础保障。基于当前煤矿安全监测预警技术与装备的不足，重点攻克以下技术。

1） 多灾害智能感知技术与装置。现有矿山灾害监测传感器存在单一传感器易漏报、误报，传感器智能化程度较低等问题，且监控系统容量小、响应速度慢，无法实现对煤矿多种灾害的全方位实时监测感知^[16-19]。因此，需研发具备自动校准、诊断、描述、识别及互操作等功能的多灾害智能感知设备，重点研究瓦斯、火灾、粉尘、顶板4类灾害感知设备。

煤矿瓦斯灾害感知采用可调谐激光光谱（Tunable Diode Laser Absorption Spectroscopy，TDLAS）吸收技术。该技术根据Lambert−Beer定律，通过分析甲烷气体吸收光谱线图来获取甲烷吸收峰，可避免其他物质的吸收干扰，对获取的光谱信息进行处理后得到待测甲烷浓度^[20-21]。采用波长自适应算法实时获取激光器的输出波长，降低对激光器温控模块的依赖，减少TDLAS检测系统功耗。采用防尘防水、抗电磁干扰等技术，如在光学模块采用专业的防水透气薄膜（IP67）进行密封，传感器堵头内部采用金属粉末冶金制成的材料，以降低气室内部受污染程度，延长传感器在恶劣环境下的使用寿命。

火灾感知基于TDLAS技术，测量不同波段对CO，C₂H₂，C₂H₄的吸收情况，从而得到3种气体浓度。3种气体传感器的基本原理相同，硬件主要包括CPU、温控器、自校正气室等。CPU通过D/A转换器发出锯齿波注入激光器，以调制激光波长；温控器用于稳定激光器的工作温度；自校正气室内部充有标准待测气体，可对测量结果进行实时校正，保证测量的长期稳定性。

粉尘感知设备基于粒群法设计。粒群法采用同轴接收方法^[22-23]，测量粒度时探测器上存在不同的环，对应不同的粒径范围。利用多元光电探测器上的各环接收不同粒径的光强信号，从而得到粒度分布，根据光强信号大小计算出不同粒径粒子的数量，从而得到粒子数分布。

式中：E为探测器某环接收到的散射光总能量；r为粉尘颗粒维数；T^r为维数为r的粉尘颗粒光能分布；q^r为维数为r的粉尘颗粒截面积或表面积分布，r=3时，q^r为粉尘颗粒体积分布。

单个粉尘颗粒质量为

式中：ρ为粉尘颗粒密度；D为粉尘颗粒粒径。

顶板灾害感知设备主要包括围岩应力传感器、顶板离层传感器和锚杆（索）支护阻力传感器。围岩应力传感器的作用原理为传感器与围岩耦合接触，感应围岩应力大小并将其传递给应变电桥，应变电桥将应力转换为模拟电压量，经信号处理电路转换为数字量。顶板离层传感器的作用原理：当锚杆锚固范围内有离层时，顶板向下移动，传感器内部传动机构带动电位器旋转，采集离层量并将其转换为电信号送入单片机进行模数转换。锚杆（索）支护阻力传感器通过压敏元件实时感应锚杆（索）工作阻力，信号经主板放大、调理后进行A/D转换，再经数字运算后实时显示。

2） 感知信息高速低时延传输技术。考虑数据感知层对灾害感知及信息融合效率的要求，需重点关注通信网络的传输效率和时延。对矿井巷道场景中电磁波损耗进行仿真分析，结果表明700 MHz基站较其他5G频段的基站传播损耗小，覆盖性能佳，覆盖距离提升50%～75%，是井下最佳通信频段。因此，研制了700 MHz融合基站设备，实现基于IPv6的5G+4G+WiFi6高速、低时延通信网络^[24]。

3） 煤矿多灾害危险区域监测点部署优化。基于数字模拟、理论计算、实验研究等方式，深入分析煤矿多灾害状况下的风险演化路径及各灾害风险演化之间的关联关系，优化火灾、瓦斯、粉尘、顶板等灾害传感器及联动控制装备的部署方案。通过合理布置灾害数据感知设备，确保感知装置对煤矿灾害危险区域的最优覆盖，推动矿井安全管理的智能化升级。

2.2   边缘计算技术

边缘计算可以有效减少云计算平台的信息处理量，且对数据进行优化处理。为实现边缘计算目标，需研究以下关键技术。

1） 多源异构信息融合技术。该技术通过将来自不同设备、传感器、系统等多个数据源的数据进行整合并分析处理，满足对煤矿多灾害监测数据信息综合处理的需求。根据灾害预测模型的精度要求，实现不同灾害数据之间的融合分析，建立基于深度学习AdaTT模型的煤矿重大灾害数据融合分析模型。将瓦斯、火灾、粉尘、顶板等相关指标数据传输至数据融合网络模块，进一步学习判断不同灾害的风险状况，进行煤矿瓦斯、火灾、粉尘、顶板灾害预警。

2） 安全隐患图像识别技术。隐患是危险源管控漏洞或措施失效的表现，是风险演化致灾的阶段标志物。安全隐患图像识别技术可及时对井下安全隐患进行实时监测和预警。构建巷道变形、煤壁外移、瓦斯积聚、降除尘不合规、温度异常、明火与火花、烟气、涌水增加、工作面超员、浮煤堆积、瓦检作业不合规、打钻作业不合规、违禁停留、违禁堆放等14种隐患图像特征库。设计了基于超分辨率重建的深度学习图像识别算法，实现对14种隐患的精准识别，响应时间≤300 ms，识别准确率≥95%。

视频AI识别分析技术可实现对人员、机器、环境等监控视频的智能分析，加载各类隐患检测算法，实现视频数据采集后摄像仪就地实时处理分析，并生成报警信号与报警设备联动，已成为煤矿安全生产中的研究热点。针对目前视频监控响应时延大、图像噪声明显、纹理细节不突出等问题，研制了矿用本安型AI图像处理摄像仪、矿用双光谱融合摄像仪、隔爆兼本安型边缘计算AI视频分析装置等装备。矿用本安型AI图像处理摄像仪采用轻量化可嵌入深度学习框架、AI芯片集成设计；矿用双光谱融合摄像仪由可见光摄像仪、热成像摄像仪、核心处理板等组成，满足低码率、低功耗和高图像质量等要求，可实现热成像图像与可见光高清图像的优势互补；隔爆兼本安型边缘计算AI视频分析装置集IPC接入、存储、管理、控制于一体，可实现自定义智能分析及多场景AI智能识别功能。

3） 边缘设备协同管控技术。开发了基于边缘计算驱动的煤矿工作面协同管控技术。基于数据驱动对灾害预警等级进行根因溯源，建立根因库，根据算法输出的风险原因，在措施库中映射出相应管控指令，依据指令对边缘设备进行协同管理，实现设备间信息共享、决策协同。以瓦斯超限预警判识为例，根据割煤速度、风量等指标，当瓦斯超限判识结果为危险时，采取降低采煤机割煤速度、加大通风量等措施，从边缘侧对采煤机、通风设备下发动作指令。

2.3   云平台技术

云平台具备强大的数据存储和处理能力，能够实时监测煤矿环境中的瓦斯浓度、粉尘含量、顶板稳定性等关键信息，并通过大数据分析和人工智能算法，提供对矿井安全状态的预测和预警，实现煤矿数据的集中管理与智能化分析。关键技术如下。

1） 可视化推演技术。基于数字孪生技术实现可视化推演，符合当前智慧煤矿领域数字孪生逐渐向拟实化方向发展的趋势。根据数字孪生模型和孪生数据，实现场景管理、灾害推演分析及实时驱动，建立煤矿灾害数字孪生可视化交互基础平台。基于矿井孪生可视化场景及实时驱动支持，研究灾害风险评估与预警体系融合方法，将灾害预测预警及操作指令接入模型，实现远程指令下发及控制。

2） 态势智能研判技术。建立基于Delphi理论和深度学习模型的煤矿重大灾害安全态势分析方法，充分运用评价人员的经验和判断能力，感知矿井内安全态势指标之间的时空特征信息，为安全态势评估提供强有力支持。实时采集煤矿瓦斯、火灾、粉尘、顶板4类灾害指标数据，并输入灾害风险判识预警模型进行系统分析，得出灾害的演化规律及其前兆特征，进而明确其演化过程。基于模糊聚类算法、贝叶斯算法等，对相关指标预测值进行分析，推测4类灾害的风险概率。综合考虑井下实际环境、灾害治理效果等，实现对瓦斯、火灾、粉尘、顶板4类灾害监测数据的融合分析，全面实现煤矿多灾害风险态势研判。

3） 多灾害避灾规划技术。基于煤矿巷道网络模型、不同灾害演化规律、井下人员定位信息及灾害实时监测数据，分析应急救援中路径规划问题，提出时变网络路径规划算法。针对搜索最短时间的避灾路径问题，提出时变网络最晚出发路径算法；针对灾害环境下人员快速撤离问题，提出时变网络最早出发路径算法；分析避灾逃生路线、被困位置、生存条件、扩波基站报警及应急救援路径，提出时变网络启发式搜索路径算法。

基于孪生可视化技术，实现三维巷道、灾害演化、井下人员、应急疏散路径等可视化，支持灾害模拟或演练时在数字孪生场景中自动生成避灾线路，实现井下人员、环境、物资、设施的透明化，辅助应急救援决策，并联动调度通信系统，远程指挥井下人员避灾及现场救援。

3.   现场应用

煤矿灾害“云边端”一体化智能精准管控技术已在平顶山天安煤业股份有限公司十二矿成功应用。基于该矿瓦斯、火灾、粉尘、顶板等灾害影响因素及演化规律，以矿山物联网为纽带，以数据感知、边缘计算、云平台技术与装备为支撑，将煤矿灾害孪生场景及灾害预测预警信息融合，构建自主可控的数字孪生平台，基于“云边端”一体化智能精准管控技术，开发了煤矿灾害融合监控预警与管控数字化决策平台，实现对灾害环境及过程的全面推演、激励分析、信息反馈及自适应智能处理。平台网页端界面如图3所示。

图  3  煤矿灾害融合监控预警与管控数字化决策平台网页端界面

Figure  3.  Web interface of integrated monitoring and intelligent decision-making platform for coal mine disasters

下载: 全尺寸图片 幻灯片

煤矿灾害融合监控与智能决策平台具备多模态数据接入、灾害推理模型配置、灾害孪生可视化、灾害融合预警、隐患识别、推演分析、就地判识及避灾规划等功能。部分功能界面如图4和图5所示。图4展示了灾害综合分析结果，该界面集成逃生路线、灾后环境、应急资源等人员、设备及环境信息，根据煤矿灾后情况制定应急方案与流程，实现了煤矿灾害综合分析与预测预警。图5展示了隐患识别与预警场景管理，反映了对14种煤矿典型安全隐患的识别结果，并显示报警时间、报警通道、报警类型、报警描述等信息。

图  4  煤矿灾害综合分析界面

Figure  4.  Comprehensive analysis interface for coal mine disasters

下载: 全尺寸图片 幻灯片

图  5  煤矿安全隐患识别与预警场景管理界面

Figure  5.  Interface of coal mine safety hazard identification and early warning scenario management

下载: 全尺寸图片 幻灯片

4.   结论

1） 提出了煤矿灾害“云边端”一体化智能精准管控技术体系。该体系可分为数据感知层、边缘计算层、平台管控层及执行控制层，借助数据处理与流转，实现了多灾害信息感知、处理与管控之间的交互和融合。

2） 将煤矿灾害预警与矿山物联网、边缘计算、数字孪生等技术集成，融合灾害防治过程中人、机、环、管各环节信息，解决了目前煤矿灾害预警技术存在的各监控系统联动不足、管控效率低、智能化程度不高等问题，实现了对煤矿多种灾害的精准感知、早期预警与主动干预。

3） 基于“云边端”一体化智能精准管控技术，开发了煤矿灾害融合监控预警与管控数字化决策平台，通过井上下全天候联动控制机制，全面提升了煤矿多灾种风险的分析决策效率与智能管控水平。