Advancements and applications: In-situ monitoring technology for overburden movement in mining
-
摘要: 覆岩内部岩移原位监测技术具备适应深井高承压水特厚煤层开采复杂地质条件、多层位动态监测、高精度远程实时在线传输等技术特点，可为矿山企业开展顶板灾害防控提供有效的数据支撑。从煤炭开采应用实践背景出发，系统回顾了采动覆岩内部岩移原位监测技术的发展历程、技术进展和应用效果。结合我国矿压理论及岩移监测技术发展历史，全面介绍了矿山采动覆岩内部岩移原位监测技术的重要阶段，阐述了该技术在多维实时协同监测、无人在线监测和深部岩移监测3个方面所取得的理论创新与技术突破。结合补连塔煤矿、同忻煤矿、高家堡煤矿等矿井监测工程实例，展示了采动覆岩内部岩移原位监测技术在实际工程应用中的有效性，并探讨了该技术在不同类型矿区、不同研究领域的应用前景。指出矿山采动覆岩内部岩移原位监测技术的发展趋势为精确化、智能化和集成化，即通过优化传感器性能和布置方案等提高监测精度和准确性，利用人工智能、大数据和物联网技术实现自动化分析和预测，将原位监测技术与其他技术相结合以形成完整的监测系统。Abstract: The in-situ monitoring technology for overburden movement in mining has the features of adapting to complex geological conditions in deep shaft high pressure water and thick coal seam mining, multi layer dynamic monitoring, and high-precision remote real-time online transmission. It provides effective data support for mining enterprises to carry out roof disaster prevention and control. Starting from the practical background of coal mining application, this paper systematically reviews the development process, technological progress, and application effects of in-situ monitoring technology for overburden movement in mining. Based on the development history of mining pressure theory and overburden movement monitoring technology in China, this paper comprehensively introduces the important stages of in-situ monitoring technology for overburden movement in mining. It elaborates on the theoretical innovation and technological breakthroughs achieved by this technology in three aspects: multidimensional real-time collaborative monitoring, unmanned online monitoring, and deep rock movement monitoring. Based on the monitoring engineering examples of coal mines such as Bulianta Coal Mine, Tongxin Coal Mine, and Gaojiabao Coal Mine, the effectiveness of in-situ monitoring technology for overburden movement in mining is demonstrated in practical engineering applications. The application prospects of this technology in different types of mining areas and research fields are discussed. It is pointed out that the development trend of in-situ monitoring technology for overburden movement in mining is precision, intelligence, and integration, namely optimizing sensor performance and layout plans to improve monitoring precision and accuracy, using artificial intelligence, big data, and Internet of things technology to achieve automatic analysis and prediction, combining the in-situ monitoring technology with other technologies to form a complete monitoring system.
-
0. 引言
我国主要矿山已经建设了安全监测监控、井下人员定位、通信联络等多套系统，以及覆盖矿山主要生产环节的通信与传输网络，显著提升了矿山安全生产的保障水平[1-3]。5G是新一代移动通信技术，具有大带宽、低时延、高可靠、广连接的优势[4]，能够为智能矿山建设提供强有力的基础技术支持[5-6]。随着智能矿山的发展，矿用5G将承载多种智能矿山应用，包括井下高清视频[7]、无人驾驶[8]等，同时矿用5G所依托的传输网络还将承载已有的矿用系统传输多样化的应用需求[9]。
网络切片是5G网络的一项重要技术[10-11]，能够针对不同的用户类型和应用场景，将一张物理网络分成多个独立的虚拟网络，从而满足不同的服务质量（Quality of Service，QoS）要求。近年来，业内学者在矿用5G网络领域开展了深入研究。胡亚辉等[12]研究了矿用5G网络规划方案，提出5G网络切片的煤矿应用策略，通过协调业务匹配粒度、切片管理与网络资源之间的关系，达到使网络资源使用度最佳的目的。霍振龙等[13]研究了5G关键技术及性能优势，提出5G组网方式及在煤矿的应用场景。孟庆勇[14]提出了基于非独立组网(Non-Standalone，NSA)的煤矿井下4G与5G融合网络架构，并重点探讨了5G承载网的3种前传组网方案及适用场景，以及5G网络切片的应用场景。现有矿用5G研究主要集中于系统架构及应用场景，缺乏对切片技术具体实现方案的研究。本文针对矿用5G网络系统，研究传输网切片的实现方法，设计切片划分及带宽分配机制，形成端到端切片的井下部署架构，并通过实验证明切片技术在矿井5G网络中应用的优越性。
1. 矿用5G网络切片基础技术
1.1 网络基础环境
矿用5G网络主要由矿用5G专网核心网、矿用5G传输网设备、矿用5G基站系统、矿用5G无线网关、矿用5G智能终端等组成[15-17]，如图1所示。矿用5G依托独立组网、独立运行的专网核心网，结合传输网与基站、终端设备，实现所有应用及控制面信息直接在矿区内闭环，充分保障数据安全，为智能矿山多元化应用提供了必要条件。多元化应用所带来的差异化网络需求问题，则需要通过网络切片技术来解决。
矿用5G网络切片以传输网切片为基础，在同一网络基础设施上构建多个端到端、虚拟、隔离、按需定制的专用逻辑网络，可满足差异化的移动性、安全性、时延、可靠性要求[18-19]。环网交换机是主要的传输网设备，具备100GE、50GE、10GE等高速网络接口，满足井下井上高质量通信及数据传输需求，同时支持基于灵活以太网（Flexible Ethernet，FlexE）的传输网切片。网络切片总体架构如图2所示。
1.2 FlexE切片技术
FlexE是在以太网技术基础上，为满足高速传送、带宽配置灵活等需求而发展的技术[20]，以开放式系统互连（Open System Interconnection，OSI）七层模型[21]为基础，在数据链路层与物理层之间插入一个核心处理逻辑层，打破了原本一对一的映射关系，能够实现对接口资源的灵活、精细化管理。FlexE技术参考模型如图3所示。
FlexE支持捆绑多个标准的物理层接口，可实现更高速率。同时，FlexE能够实现通道化，即多个低速率数据流共享一个或多个物理层接口，这是实现带宽灵活配置的基础。例如，FlexE在1个高速的物理层接口上承载2个低速率数据流，如图4所示。利用FlexE的通道化功能，传输网能够在无需硬件升级的情况下，向井下提供多个逻辑网络，即切片。每个切片都可以灵活定义自己的逻辑拓扑、服务等级协议、可靠性和安全等级。
考虑到传输网承载了众多的矿用系统及应用，且不同系统的传输需求存在明显差异，有必要针对传输网切片的划分进行针对性设计，同时解决以下2个方面的技术问题：
1） 如果按照各类信息通信系统及应用的传输需求，将矿用5G网络切片粒度划分得过细，当采用新的技术、新建系统或系统更新换代时，将造成矿用5G网络切片系统频繁重新配置，影响正常生产。
2） 如果按照较大的粒度进行矿用5G网络切片划分，则难以实现系统和应用数据按需差异化传输，无法充分发挥矿用5G网络切片技术对不同系统、不同应用的差异化传输QoS保障。
目前尚缺少针对矿用5G网络切片划分原则及带宽分配机制的研究。因此，本文拟采用基础切片划分+基于带宽权重的传输资源分配方法，提出矿用系统及应用与切片的映射方案，将矿用5G网络切片划分为低时延业务、大带宽业务、工业环网业务、特定业务及预留业务5类切片，高可靠传输业务按照时延及带宽需求映射至低时延或大带宽业务切片中，通过进一步细分的虚拟专用网(Virtual Private Network，VPN)划分方法，设计差异化的带宽权重，以确保充足的传输资源，避免信道拥塞。在传输中通过冗余资源重传等方式确保高可靠性，预留业务切片则面向未来可能演进的新技术、新系统预留资源，实现未来业务的前向兼容。
2. 矿用5G网络切片设计方法
2.1 矿用5G网络切片分类方法
针对矿用5G规模建设的示范矿井进行系统梳理，得到用户驻地设备（Customer Premises Equipment，CPE）、5G手机等典型终端的网络需求，包括上行速率、下行速率及时延，见表1。
表 1 典型终端的网络需求Table 1. Network requirements of typical terminals序号 终端类型 速率 时延
要求/ms上行 下行 1 CPE 100 kbit/s 100 kbit/s 25 2 5G手机 100 kbit/s 100 Mbit/s 25 3 矿压传感器 100 kbit/s 100 kbit/s 100 4 车载终端 100 kbit/s 100 kbit/s 25 根据当前已有的矿用信息通信系统及智能矿山应用情况，将矿用5G网络切片分为5类，如图5所示。
1） 低时延业务切片。用于承载对传输时延要求较高的业务，涉及采用授权无线频段的通信系统（矿用5G、4G等）、与安全生产相关的传输系统（矿用定位、广播、调度指挥系统等）、智能矿山远程控制类信息传输系统（采掘装备远程控制等），映射至低时延切片的业务传输时延上限为100 ms，即将上述系统中传输时延要求低于100 ms的业务映射至低时延业务切片。表1中的CPE时延需求为25 ms，低于100 ms，传输速率为100 kbit/s，不足100 Mbit/s，因此，映射至低时延切片。
2） 大带宽业务切片。用于承载对传输带宽要求较高的业务，涉及各类无线系统（5G，4G，WiFi）、视频监控系统、时延要求不低于时延门限但带宽要求高于门限的其他监控系统，带宽门限可为单系统/业务不低于100 Mbit/s传输速率，映射至大带宽业务切片。表1中的5G手机下行速率需求为100 Mbit/s，达到带宽门限，因此，映射至大带宽业务切片。
3） 工业环网业务切片。用于时延及带宽要求均不严苛的工业环网系统业务，包括安全监控系统、水文监测系统、矿压监测系统、自动风门系统、主运胶带系统、供电系统等，映射至工业环网切片。表1中的矿压传感器时延需求为100 ms，传输速率为100 kbit/s，要求均不严苛，因此，映射至工业环网业务切片。
4） 特定业务切片（无人化协同控制）。针对智能矿山远程监视和协同控制类应用，例如无人驾驶全景监视与远程控制，可设置特定业务切片，用于配置充足传输资源和专用传输通道，确保业务的可靠性。表1中的车载终端用于无人驾驶远程控制，时延需求为25 ms，传输速率为100 kbit/s，因此，映射至特定业务切片。
5） 预留业务切片。预留业务切片是为业务种类扩展预留的资源，以便于系统扩容时，不会对现网的配置造成影响。
2.2 矿用5G网络切片带宽权重计算方法
按照5类基础切片划分，可将符合条件的传输业务映射至对应的切片。但仅进行大力度切片划分，尚不能确保具体业务的传输性能。因此，需针对不同业务设计不同的切片带宽权重计算方法。一方面，应确保通信联络、安全生产、远程控制类应用的低时延切片不受其他切片业务传输造成的信道干扰影响；另一方面，针对高可靠业务，在各切片的子切片中通过资源配置确保业务传输性能，同时可实现切片内部业务资源的动态调整。
预留带宽计算公式为
Ri=kiridi (1) 式中：Ri为所在切片的预留带宽，i取值范围为1~4，R1−R4分别对应低时延业务切片、大带宽业务切片、工业环网业务切片、特定业务切片；ki为所在切片的带宽权重；ri为所在切片的各终端占据带宽的均值；di为所在切片的终端数量。
预留业务切片带宽计算公式为
R5=R−4∑i=1Ri (2) 式中R为传输网的总带宽。
若当前传输网的总带宽未超出传输网的承载能力（例如信道占用率不超过80%），则各系统均分配一致的带宽资源权重；若传输网的总带宽超出了传输网的承载能力，则进行各类系统传输的权重划分，基本原则是为授权频段的无线通信系统、安全生产、控制类相关的系统业务配置较高的权重等级，以实现传输网络优先确保相应业务的传输性能。当信道拥塞时，系统将优先保障高优先级业务的传输带宽，从而保障传输服务质量。常见业务类型及权重值见表2。
表 2 常见业务类型及权重值Table 2. Common service types and weight values序号 矿用系统及应用 权重等级 权重值 1 矿用5G通信系统 1 1.0 2 矿用4G通信系统 3 安全监控系统 4 定位系统 5 广播系统 6 调度指挥系统 7 供电系统 8 特定业务（无人化协同控制） 9 自动风门系统 2 0.9 10 主运胶带系统 11 矿压监测系统 12 水文监测系统 13 视频监控系统 3 0.8 14 WiFi通信系统 15 其他环网非安全类业务 4 0.7 2.3 矿用5G网络的业务映射及隔离方法
根据不同业务对时延、带宽的要求，定义了具体的5G QoS标志符（5G QoS Identifier，5QI），并根据5QI进行业务映射及隔离，为各类业务提供所需的服务级别。矿用5G网络的业务映射及隔离如图6所示。
以车载终端为例，5QI为83，根据5G协议，对应分组延迟预算是10 ms，数据包错误预算是10−4，其网络应用要求远高于其他业务。因此，接入网采用基于QoS的调度策略，向其优先提供空口资源；采用资源块（Resource Block，RB）静态预留和动态共享方式分配资源；通过载波隔离实现切片之间资源的严格区分。车载终端依托基于FlexE的切片传输通道，形成与矿山设备远程操控平台之间的专属逻辑网络，为车辆远程控制等业务提供低时延保障。
本文提出的矿用5G网络切片设计方法能够为高优先级业务提供大带宽、低时延、高可靠保障。一方面，基于带宽权重计算方法实现具体业务与网络资源之间的映射，即便在拥塞状况下，依然能够保障高优先级业务的传输带宽，从而保障传输服务质量。另一方面，业务映射及隔离方法能够提供空口资源调度策略，并通过载波隔离实现不同业务之间的严格区分，为高优先级业务提供低时延保障。此外，通过高优先级的带宽及时延保障，能够实现可靠性的隐式保障，实现系统的稳定、可靠传输。
3. 性能评估验证
3.1 测试环境
在智能矿山联合实验室部署矿用5G网络系统，其中传输网设备支持网络切片功能。测试中将无人驾驶车辆远程监控系统接入特定业务切片（无人化协同控制），构建远程监控平台与矿用5G车载终端之间的专用传输通道。为了模拟传输网的低负载和高负载场景，测试环境中接入8台数据终端（8台计算机，其中7台接入有线网络，1台接入矿用5G CPE），用于网络灌包测试，网络拓扑如图7所示。
3.2 业务调度时间测试
以传统的尽力而为服务模型为参照，分别在传输网低负载和高负载场景下测试业务调度时间，结果如图8、图9所示。在低负载场景下，尽力而为服务的平均调度时间为602 ns，网络切片的平均调度时间为579 ns，二者相差23 ns，并且网络切片的波动性相对较小。在高负载场景下，尽力而为服务的平均调度时间为2 032 ns，网络切片的平均调度时间为1 809 ns，减少了10.9%，与尽力而为服务相比，网络切片的波动性也明显降低。从测试结果可看出，网络切片能够避免业务调度时间过长，为用户提供确定性的QoS保障。
3.3 端到端时延测试
测试计算机通过5G CPE接入矿用5G网络，并被划归特定业务切片（无人化协同控制），与矿用5G车载终端实现端到端通信。经过30次反复测试，测试计算机与矿用5G车载终端之间的时延为9~13 ms，均值为10.33 ms，如图10所示。
矿用5G网络的端到端时延仅为常规5G网络的一半，主要有2个方面原因：一是测试计算机与矿用5G车载终端同属特定业务切片（无人化协同控制），该切片的网络负载低，不存在网络拥塞风险；二是矿用5G网络采用本地化部署的专网核心网，避免了数据的迂回，进一步缩短了端到端时延。
4. 结论
1） 研究了矿用5G网络切片的基础技术，提出利用FlexE的通道化功能，实现传输网的资源分配及业务隔离，从而在同一网络基础设施上构建多个按需定制的专用逻辑网络，满足不同类型业务系统的差异化需求。
2） 分析了矿用5G网络缺少切片划分原则及带宽分配机制的现状，提出基础切片划分+基于带宽权重的传输资源分配方法，建立矿用系统及应用与切片的映射方案，将网络划分为低时延业务、大带宽业务、工业环网业务、特定业务及预留业务5类切片，并通过进一步的VPN划分，实现具体业务与网络资源之间的映射。
3） 针对矿用5G网络的业务调度时间和端到端时延2项指标进行测试，结果表明：网络切片与传统的尽力而为服务模型相比，能够实现更加高效的业务调度，在高负载场景下，平均调度时间减少了10.9%；在同一业务切片内，矿用5G网络的端到端时延平均为10.33 ms，为无人化协同控制等业务的实施提供了必要条件。
-
![]()
图 1 覆岩内部岩移多维实时协同监测体系组成
Figure 1. Composition of the multidimensional real-time cooperative monitoring system for overburden movement in mining
![]()
图 2 矿山采动覆岩内部岩移原位监测深度发展历程
Figure 2. Development history of in-situ monitoring depth of overburden movement in mining
![]()
图 3 补连塔煤矿测点布置及岩移监测结果
Figure 3. The arrangement of measurement points and overburden movement monitoring results of Bulianta Coal Mine
![]()
图 4 同忻煤矿测点布置及岩移监测结果
Figure 4. The arrangement of measurement points and overburden movement monitoring results of Tongxin Coal Mine
![]()
图 5 高家堡煤矿测点布置及岩移监测结果
Figure 5. The arrangement of measurement points and overburden movement monitoring results of Gaojiabao Coal Mine
-
[1] 中国煤炭工业协会. 2022煤炭行业发展年度报告[R]. 北京:中国煤炭工业协会,2022. China National Coal Association. 2022 annual report on coal industry development[R]. Beijing:China National Coal Association,2022.
[2] 罗文. 国能神东煤炭集团重大科技创新成果与实践[J]. 煤炭科学技术,2023,51(2):1-43. LUO Wen. Major scientific and technological innovation achievements and practices of CHN Shendong Coal Group[J]. Coal Science and Technology,2023,51(2):1-43.
[3] 郭文兵,白二虎,赵高博. 高强度开采覆岩地表破坏及防控技术现状与进展[J]. 煤炭学报,2020,45(2):509-523. GUO Wenbing,BAI Erhu,ZHAO Gaobo. Current status and progress on overburden and surface damage and prevention technology of high-intensity mining[J]. Journal of China Coal Society,2020,45(2):509-523.
[4] 何祥. 神东矿区高强度开采覆岩−地表联动破坏机理与减损研究[D]. 北京:中国矿业大学(北京),2021. HE Xiang. Reserch on coordinated failure mechanism of overburden-surface and damage reduction in Shendong mining area[D]. Beijing:China University of Mining and Technology-Beijing,2021.
[5] 康红普,徐刚,王彪谋,等. 我国煤炭开采与岩层控制技术发展40 a及展望[J]. 采矿与岩层控制工程学报,2019,1(2):7-39. KANG Hongpu,XU Gang,WANG Biaomou,et al. Forty years development and prospects of underground coal mining and strata control technologies in China[J]. Journal of Mining and Strata Control Engineering,2019,1(2):7-39.
[6] 鞠金峰,许家林,刘阳军,等. 关键层运动监测及岩移5阶段规律——以红庆河煤矿为例[J]. 煤炭学报,2022,47(2):611-622. JU Jinfeng,XU Jialin,LIU Yangjun,et al. Key strata movement monitoring during underground coal mining and its 5-stage movement law inversion:A case study in Hongqinghe Mine[J]. Journal of China Coal Society,2022,47(2):611-622.
[7] 王家臣,许家林,杨胜利,等. 煤矿采场岩层运动与控制研究进展——纪念钱鸣高院士“砌体梁”理论40年[J]. 煤炭科学技术,2023,51(1):80-94. WANG Jiachen,XU Jialin,YANG Shengli,et al. Research progress on rock movement and control in coal mine - 40 years of "masonry beam" theory by Academician Qian Minggao[J]. Coal Science and Technology,2023,51(1):80-94.
[8] 钱鸣高,许家林. 煤炭开采与岩层运动[J]. 煤炭学报,2019,44(4):973-984. QIAN Minggao,XU Jialin. Behaviors of strata movement in coal mining[J]. Journal of China Coal Society,2019,44(4):973-984.
[9] 钱鸣高,许家林,王家臣. 再论煤炭的科学开采[J]. 煤炭学报,2018,43(1):1-13. QIAN Minggao,XU Jialin,WANG Jiachen. Further on the sustainable mining of coal[J]. Journal of China Coal Society,2018,43(1):1-13.
[10] 程刚,王振雪,施斌,等. DFOS在矿山工程安全开采监测中的研究进展[J]. 煤炭学报,2022,47(8):2923-2949. CHENG Gang,WANG Zhenxue,SHI Bin,et al. Research progress of DFOS in safety mining monitoring of mines[J]. Journal of China Coal Society,2022,47(8):2923-2949.
[11] 许家林,钱鸣高,朱卫兵. 覆岩主关键层对地表下沉动态的影响研究[J]. 岩石力学与工程学报,2005,24(5):787-791. XU Jialin,QIAN Minggao,ZHU Weibing.Study on influences of primary key stratum on surface dynamic subsidence[J]. Chinese Journal of Rock Mechanics and Engineering,2005,24(5):787-791.
[12] KUANG T,LI Zhu,ZHU Weibing,et al. The impact of key strata movement on ground pressure behaviour in the Datong coalfield[J]. International Journal of Rock Mechanics and Mining Sciences,2019,119:193-204. DOI: 10.1016/j.ijrmms.2019.04.010
[13] 于斌,朱卫兵,李竹,等. 特厚煤层开采远场覆岩结构失稳机理[J]. 煤炭学报,2018,43(9):2398-2407. YU Bin,ZHU Weibing,LI Zhu,et al. Mechanism of the instability of strata structure in far field for super-thick coal seam mining[J]. Journal of China Coal Society,2018,43(9):2398-2407.
[14] 朱卫兵,于斌,鞠金峰,等. 采场顶板关键层“横U−Y”型周期破断特征的试验研究[J]. 煤炭科学技术,2020,48(2):36-43. ZHU Weibing,YU Bin,JU Jinfeng,et al. Experimental study on "horizontal U-Y" periodical breakage characteristics of key strata in stope roof[J]. Coal Science and Technology,2020,48(2):36-43.
[15] WANG Xiaozhen,ZHU Weibing,XIE Jialin,et al. Borehole-based monitoring of mining-induced movement in ultrathick-and-hard sandstone strata of the Luohe formation[J]. Minerals (Basel),2021,11(11).DOI: 10.3390/min11111157.
[16] XU Jingmin,ZHU Weibing,XU Jialin,et al. High-intensity longwall mining-induced ground subsidence in Shendong coalfield,China[J]. International Journal of Rock Mechanics and Mining Sciences,2021,141. DOI: 10.1016/j.ijrmms.2021.104730.
[17] 冯国瑞,朱卫兵,白锦文,等. 浅埋近距离煤层开采超前煤柱群冲击失稳机制[J]. 煤炭学报,2023,48(1):114-125. FENG Guorui,ZHU Weibing,BAI Jinwen,et al. Shocking failure mechanism of advanced coal pillars under the mining influence of shallow-buried closed distance coal seams[J]. Journal of China Coal Society,2023,48(1):114-125.
[18] YU Dan,YI Xiaoyong,LIANG Zhimeng,et al. Research on strong ground pressure of multiple-seam caused by remnant room pillars undermining in shallow seams[J]. Energies (Basel),2021,14(17):1-15.
[19] 胡国忠,李康,许家林,等. 覆岩采动裂隙空间形态反演方法及在瓦斯抽采中的应用[J]. 煤炭学报,2023,48(2):750-762. HU Guozhong,LI Kang,XU Jialin,et al. Spatial morphology inversion method of mining-induced fractures of overburden and its application in gas drainage[J]. Journal of China Coal Society,2023,48(2):750-762.
[20] 娄金福. 采场覆岩破断与应力演化的梁拱二元结构及岩层特性影响机制[J]. 采矿与安全工程学报,2021,38(4):678-686. LOU Jinfu. Influence mechanism of beam-arch binary structure and strata characteristics on fracture and stress evolution of overlying strata in stope[J]. Journal of Mining and Safety Engineering,2021,38(4):678-686.
[21] 许家林,秦伟,陈晓军,等. 采动覆岩卸荷膨胀累积效应的影响因素[J]. 煤炭学报,2022,47(1):115-127. XU Jialin,QIN Wei,CHEN Xiaojun,et al. Influencing factors of accumulative effect of overburden strata expansion induced by stress relief[J]. Journal of China Coal Society,2022,47(1):115-127.
[22] 阳泉矿务局. 采煤工作面上部岩层活动的观测与研究[M]//中国煤炭学会. 矿压文集. 北京:煤炭工业出版社,1978. Yangquan Mining Bureau. Observation and study of rock activity above the mining face [M]//China Coal Society. Mine pressure anthology. Beijing:Coal Industry Press,1978.
[23] 钱鸣高. 采场上覆岩层的平衡条件[J]. 中国矿业学院学报,1981,10(2):34-43. QIAN Minggao. Conditions required for equilibrium of overlying strata at working areas[J]. Journal of China Mining Academy,1981,10(2):34-43.
[24] 钱鸣高. 采场上覆岩层岩体结构模型及其应用[J]. 中国矿业学院学报,1982,11(2):6-16. QIAN Minggao. A structural model of overlying strata in longwall workings and its application[J]. Journal of China Mining Academy,1982,11(2):6-16.
[25] 钱鸣高,李鸿昌. 采场上覆岩层活动规律及其对矿山压力的影响[J]. 煤炭学报,1982,7(2):1-12. QIAN Minggao,LI Hongchang. The movement of overlying strata in longwall mining and its effect on ground pressure[J]. Journal of China Coal Society,1982,7(2):1-12.
[26] 张平松,孙斌杨,许时昂,等. 煤系上覆地层移动变形钻孔多参数监测技术[J]. 煤炭学报,2022,47(8):2907-2922. ZHANG Pingsong,SUN Binyang,XU Shi'ang,et al. Multi parameter monitoring technology of borehole for movement and deformation of overlying strata of coal measures[J]. Journal of China Coal Society,2022,47(8):2907-2922.
[27] 袁亮. 煤矿典型动力灾害风险判识及监控预警技术研究进展[J]. 煤炭学报,2020,45(5):1557-1566. YUAN Liang. Research progress on risk identification,assessment,monitoring and early warning technologies of typical dynamic hazards in coal mines[J]. Journal of China Coal Society,2020,45(5):1557-1566.
[28] 袁强. 采动覆岩变形的分布式光纤检测与表征模拟试验研究[D]. 西安:西安科技大学,2017. YUAN Qiang. Experimental study on detection and representation of mining-induced overburden deformation with distributed optical fiber sensing[D]. Xi'an:Xi'an University of Science and Technology,2017.
[29] 王润沛. 基于机器学习的分布式光纤监测覆岩变形矿压预测研究[D]. 西安:西安科技大学,2020. WANG Runpei. Study on the prediction of deformation and rock pressure of overburden monitored by distributed optical fiber based on machine learning[D]. Xi'an:Xi'an University of Science and Technology,2020.
[30] 柴敬,刘永亮,袁强,等. 矿山围岩变形与破坏光纤感测理论技术及应用[J]. 煤炭科学技术,2021,49(1):208-217. CHAI Jing,LIU Yongliang,YUAN Qiang,et al. Theory-technology and application of optical fiber sensing on deformation and failure of mine surrounding rock[J]. Coal Science and Technology,2021,49(1):208-217.
[31] 钱鸣高,缪协兴,何富连. 采场“砌体梁”结构的关键块分析[J]. 煤炭学报,1994,19(6):557-563. QIAN Minggao,MIAO Xiexing,HE Fulian. Analysis of key block in the structure of voussoir beam in longwall mining[J]. Journal of China Coal Society,1994,19(6):557-563.
[32] 钱鸣高,缪协兴,许家林. 岩层控制中的关键层理论研究[J]. 煤炭学报,1996,21(3):2-7. QIAN Minggao,MIAO Xiexing,XU Jialin. Theoretical study of key stratum in ground control[J]. Journal of China Coal Society,1996,21(3):2-7.
[33] 钱鸣高,许家林. 覆岩采动裂隙分布的“O”形圈特征研究[J]. 煤炭学报,1998,23(5):20-23. QIAN Minggao,XU Jialin. Study on the "O shape" circle distribution characteristics of mining induced fractures in the overlaying strata[J]. Journal of China Coal Society,1998,23(5):20-23.
[34] 许家林,钱鸣高. 覆岩关键层位置的判别方法[J]. 中国矿业大学学报,2000,29(5):21-25. XU Jialin,QIAN Minggao. Method to distinguish key strata in overburden[J]. Journal of China University of Mining and Technology,2000,29(5):21-25.
[35] 许家林. 煤矿绿色开采20年研究及进展[J]. 煤炭科学技术,2020,48(9):1-15. XU Jialin. Research and progress of coal mine green mining in 20 years[J]. Coal Science and Technology,2020,48(9):1-15.
[36] 伊茂森. 神东矿区浅埋煤层关键层理论及其应用研究[D]. 徐州:中国矿业大学,2008. YI Maosen. Study and application of key strata theory in shallow seam of Shendong mining area[D]. Xuzhou:China University of Mining and Technology,2008.
[37] 于斌,杨敬轩,刘长友,等. 大空间采场覆岩结构特征及其矿压作用机理[J]. 煤炭学报,2019,44(11):3295-3307. YU Bin,YANG Jingxuan,LIU Changyou,et al. Structural characteristics of overburden rock in large space quarries and its mechanism of mineral pressure action[J]. Journal of China Coal Society,2019,44(11):3295-3307.
[38] 孙继平. 煤矿信息化与自动化发展趋势[J]. 工矿自动化,2015,41(4):1-5. SUN Jiping. Development trend of coal mine informatization and automation[J]. Industry and Mine Automation,2015,41(4):1-5.
[39] 孙继平. 煤矿安全生产监控与通信技术[J]. 煤炭学报,2010,35(11):1925-1929. SUN Jiping. Technologies of monitoring and communication in the coal mine[J]. Journal of China Coal Society,2010,35(11):1925-1929.
[40] 马晨阳. 高时空分辨率地表移动变形动态规律研究[D]. 徐州:中国矿业大学,2022. MA Chenyang. Study on dynamic law of surface movement and deformation with high temporal and spatial resolution[D]. Xuzhou:China University of Mining and Technology,2022.
[41] 张永庭. 矿山地质灾害智能监测与评价[D]. 北京:中国地质大学(北京),2021. ZHANG Yongting.Research on intelligent monitoring and evaluation of mine geological disasters[D]. Beijing:China University of Geosciences,Beijing,2021.
[42] 蓝航,陈东科,毛德兵. 我国煤矿深部开采现状及灾害防治分析[J]. 煤炭科学技术,2016,44(1):39-46. LAN Hang,CHEN Dongke,MAO Debing. Current status of deep mining and disaster prevention in China[J]. Coal Science and Technology,2016,44(1):39-46.
[43] JASTRZEBSKA M. Modern displacement measuring systems used in geotechnical laboratories:advantages and disadvantages [J]. Sensors,2021,21(12).DOI: 10.3390/S21124139.
[44] YANG Yang,TIAN Dezhong,CHEN KE,et al. A fiber-optic displacement sensor using the spectral demodulation method[J]. Journal of Lightwave Technology,2018,36(17):3666-3671. DOI: 10.1109/JLT.2018.2841973
[45] 赵国景,钱鸣高. 采场上覆坚硬岩层的变形运动与矿山压力[J]. 煤炭学报,1987,12(3):1-8. ZHAO Guojing,QIAN Minggao. Behaviour of overlying hard strata above workings and its effect on roof pressure[J]. Journal of China Coal Society,1987,12(3):1-8.
[46] 王国法,刘峰,孟祥军,等. 煤矿智能化(初级阶段)研究与实践[J]. 煤炭科学技术,2019,47(8):1-36. WANG Guofa,LIU Feng,MENG Xiangjun,et al. Research and practice on intelligent coal mine construction(primary stage)[J]. Coal Science and Technology,2019,47(8):1-36.
[47] 王国法,范京道,徐亚军,等. 煤炭智能化开采关键技术创新进展与展望[J]. 工矿自动化,2018,44(2):5-12. WANG Guofa,FAN Jingdao,XU Yajun,et al. Innovation progress and prospect on key technologies of intelligent coal mining[J]. Industry and Mine Automation,2018,44(2):5-12.
[48] 丁震,李浩荡,张庆华. 煤矿灾害智能预警架构及关键技术研究[J]. 工矿自动化,2023,49(4):15-22. DING Zhen,LI Haodang,ZHANG Qinghua. Research on intelligent hazard early warning architecture and key technologies for coal mine[J]. Journal of Mine Automation,2023,49(4):15-22.
[49] 李明建,赵旭生,谈国文,等. 区域煤矿瓦斯灾害风险预警数据采集技术研究[J]. 工矿自动化,2020,46(7):57-63. LI Mingjian,ZHAO Xusheng,TAN Guowen,et al. Research on gas disaster risk early warning data collection technology for regional coal mines[J]. Industry and Mine Automation,2020,46(7):57-63.
[50] 宁小亮. 基于多源信息融合的煤与瓦斯突出动态预警模型[J]. 矿业安全与环保,2020,47(3):1-5,16. NING Xiaoliang. Dynamic early warning model of coal and gas outburst based on multi-source information fusion[J]. Mining Safety and Environmental Protection,2020,47(3):1-5,16.
[51] 易欣,胡震,王伟峰,等. 煤自然发火智能监测与早期预警关键技术[J]. 煤矿安全,2022,53(9):31-37. YI Xin,HU Zhen,WANG Weifeng,et al. Key technologies for intelligent monitoring and early warning of coal spontaneous combustion[J]. Safety in Coal Mines,2022,53(9):31-37.
[52] 靳德武. 我国煤矿水害防治技术新进展及其方法论思考[J]. 煤炭科学技术,2017,45(5):141-147. JIN Dewu. New development of water disaster prevention and control technology in China coal mine and consideration on methodology[J]. Coal Science and Technology,2017,45(5):141-147.
[53] 谭云亮,张明,徐强,等. 坚硬顶板型冲击地压发生机理及监测预警研究[J]. 煤炭科学技术,2019,47(1):166-172. TAN Yunliang,ZHANG Ming,XU Qiang,et al. Study on occurrence mechanism and monitoring and early warning of rock burst caused by hard roof[J]. Coal Science and Technology,2019,47(1):166-172.
[54] 莫金明,马威. 大采高综采工作面负压除尘微雾净化装置应用研究[J]. 煤炭学报,2023,48(3):1267-1279. MO Jinming,MA Wei. Negative-pressure dust removal and micro-mist purification device application in fully-mechanised mining faces with a large mining height[J]. Journal of China Coal Society,2023,48(3):1267-1279.
[55] 陈炳瑞,冯夏庭,符启卿,等. 综合集成高精度智能微震监测技术及其在深部岩石工程中的应用[J]. 岩土力学,2020,41(7):2422-2431. CHEN Bingrui,FENG Xiating,FU Qiqing,et al. Integration and high precision intelligence microseismic monitoring technology and its application in deep rock engineering[J]. Rock and Soil Mechanics,2020,41(7):2422-2431.
[56] 魏立科,姜德义,王翀,等. 煤矿冲击地压灾害风险监察智能分析系统关键技术架构[J]. 煤炭学报,2021,46(增刊1):63-73. WEI Like,JIANG Deyi,WANG Chong,et al. Key technological architecture of the intelligent monitoring-analysis system for coal mine rockburst risk supervision[J]. Journal of China Coal Society,2021,46(S1):63-73.
[57] 康红普,王国法,姜鹏飞,等. 煤矿千米深井围岩控制及智能开采技术构想[J]. 煤炭学报,2018,43(7):1789-1800. KANG Hongpu,WANG Guofa,JIANG Pengfei,et al. Conception for strata control and intelligent mining technology in deep coal mines with depth more than 1 000 m[J]. Journal of China Coal Society,2018,43(7):1789-1800.
[58] MITRA S,KUMAR D,CHAULYA S K,et al. Prediction of strata monitoring system in underground coal mines using IoT[J]. Journal of the Geological Society of India,2022,98(2):232-236. DOI: 10.1007/s12594-022-1963-8
[59] HAO Yang,WU Yu,RANJITH P G,et al. New insights on ground control in intelligent mining with Internet of things[J]. Computer Communications,2020,150:788-798. DOI: 10.1016/j.comcom.2019.12.032
[60] 钱鸣高,缪协兴,许家林,等. 论科学采矿[J]. 采矿与安全工程学报,2008(1):1-10. QIAN Minggao,MIAO Xiexing,XU Jialin,et al. On scientized mining[J]. Journal of Mining and Safety Engineering,2008(1):1-10.
[61] QU Q,GUO H,YUAN L,et al. Rock mass and pore fluid response in deep mining:a field monitoring study at inclined longwalls[J]. Minerals,2022,12(4). DOI: 10.3390/min12040463.
[62] QU Qingdong,GUO Hua,KHANAL M. Monitoring and analysis of ground movement from multi-seam mining[J]. International Journal of Rock Mechanics and Mining Sciences,2021,148. DOI: 10.1016/j.ijrmms.2021.104949.
[63] 许家林,朱卫兵,王晓振. 基于关键层位置的导水裂隙带高度预计方法[J]. 煤炭学报,2012,37(5):762-769. XU Jialin,ZHU Weibing,WANG Xiaozhen. New method to predict the height of fractured water-conducting zone by location of key strata[J]. Journal of China Coal Society,2012,37(5):762-769.
[64] 钱鸣高,缪协兴,许家林. 资源与环境协调(绿色)开采[J]. 煤炭学报,2007,32(1):1-7. QIAN Minggao,MIAO Xiexing,XU Jialin. Green mining of coal resources harmonizing with environment[J]. Journal of China Coal Society,2007,32(1):1-7.
-
期刊类型引用(7)
1. 吕健华, 李洪兵, 吕鹏. 5G融合架构下煤矿采矿智能化安全管理系统优化研究. 张江科技评论. 2025(06) 
百度学术
2. 王拓. 5G通信网络的安全生态构建与综合防御体系设计. 中国宽带. 2025(09) 百度学术
3. 税洁，彭超，赵金玉，逄林，袁望星，卢春雷. 基于网络切片资源分配算法的智能电力物联网研究. 电工技术. 2025(06): 106-108+112 . 百度学术
4. 张绍斌. 矿用5G综合基站设计及应用. 工矿自动化. 2024(S1): 57-60 . 本站查看
5. 鞠晨. 5G核心网在煤矿的应用研究. 工矿自动化. 2024(S1): 29-33 . 本站查看
6. 赵彦博，邹德昊，宛慧，孙蒙，刘宇丽，刘昌新. 电力信息网络切片安全部署算法研究. 自动化仪表. 2024(12): 82-86 . 百度学术
7. 王可冰，杨国伟，连昶锦. 煤矿5G网络安全机制与策略研究. 中国矿业. 2024(12): 173-179 . 百度学术
其他类型引用(3)
下载:
