智能化煤礦數(shù)據(jù)模型及復雜巨系統(tǒng)耦合技術(shù)體系

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(shè)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(yīng)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(yīng)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(guān)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(yīng)對復雜條件下的智能控制及整個礦井設(shè)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(wù)、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(guān)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(guān)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(wù)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(chǔ)數(shù)據(jù)與資源能力。然而，跨系統(tǒng)的業(yè)務(wù)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(guān)聯(lián)進行研究和系統(tǒng)歸并，提出以泛在網(wǎng)絡(luò)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(wù)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(chǔ)，并通過部分實踐研究，給出了具體業(yè)務(wù)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(wù)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(guān)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(guān)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(shè)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(guān)技術(shù)在陜煤張家峁生產(chǎn)型煤礦應(yīng)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(wù)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(guān)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(guān)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(guān)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(guān)聯(lián)、多領(lǐng)域數(shù)據(jù)的融合處理。為此，建立“分級抽取-關(guān)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(chǔ)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(chǔ)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(yīng)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(yīng)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(yīng)用于多個不同的應(yīng)用目標端。

1.2 關(guān)聯(lián)分析

關(guān)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(chǔ)，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(guān)聯(lián)分析模型有生產(chǎn)工藝模型、統(tǒng)計關(guān)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(shè)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(shè)備故障、工藝流程等專業(yè)分析模型的基礎(chǔ)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(guān)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(guān)聯(lián)曲線進行多數(shù)據(jù)關(guān)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(guān)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(chǔ)，分級抽取的信息通過關(guān)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(guān)系的“智能體”。這些智能體之間通過網(wǎng)狀的邏輯關(guān)聯(lián)來表達、分析、預測物理實體的行為。當某時、某種關(guān)聯(lián)智能體表達的行為符合預期目標，則這種關(guān)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(guān)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(guān)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(chǔ)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(wù)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(chǔ)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(yīng)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(yīng)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(zāi)害指標性信息、礦井設(shè)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(yīng)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(shè)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(chǔ)。

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(yīng)力、錨桿桿體應(yīng)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(chǔ)信息的獲?。煌瑫r，以時間戳為依據(jù)獲取輔助系統(tǒng)的關(guān)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(wù)主題進行分類，第1級目錄劃分為六大主題領(lǐng)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(lǐng)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(luò)，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(guān)將數(shù)據(jù)上傳至互聯(lián)網(wǎng)的應(yīng)用系統(tǒng)。充當邏輯網(wǎng)關(guān)的網(wǎng)絡(luò)設(shè)備可以是WiFi網(wǎng)關(guān)或ZigBee網(wǎng)關(guān)、M2M網(wǎng)關(guān)或者使用LORA標準的專業(yè)網(wǎng)關(guān)、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(luò)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(guān)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(luò)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(guān)鍵參量，并進行實時迭代更新，將關(guān)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(yīng)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(guān)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(yīng)用目標密切相關(guān)，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(wù)，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(guān)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(guān)聯(lián)關(guān)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(luò)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(yīng)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(guān)聯(lián)規(guī)則，計算支持度和置信度，描述關(guān)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(guān)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(guān)鍵詞進行匹配，所有與該條目相關(guān)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(guān)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(chǔ)。隨著煤礦智能化建設(shè)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(guān)聯(lián)、協(xié)同、整合及業(yè)務(wù)應(yīng)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(yīng)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))。可以說，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(chǔ)，同時智能化系統(tǒng)耦合技術(shù)的應(yīng)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(lǐng)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(guān)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(shè)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(guān)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(yīng)用中必須深度融合采礦學科相關(guān)基礎(chǔ)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(luò)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(wù)，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(yīng)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(yīng)用，傳統(tǒng)終端處理模式已不能滿足數(shù)據(jù)處理和AI應(yīng)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(guān)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(guān)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。“區(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(shè)過程中的痛點需求，為智能化系統(tǒng)耦合應(yīng)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(guān)聯(lián)關(guān)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(guān)聯(lián)關(guān)系等，分析并預測人員、設(shè)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(guān)應(yīng)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(yīng)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(luò)安全是隨著網(wǎng)絡(luò)技術(shù)的發(fā)展動態(tài)跟進的過程，更是在與網(wǎng)絡(luò)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(luò)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(yīng)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(yīng)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(luò)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(yīng)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(yīng)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(shè)備故障診斷、設(shè)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(chǔ)。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(shè)了相應(yīng)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(wù)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(yīng)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(yīng)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(shè)密切相關(guān)。

(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(wù)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(guān)。

煤礦數(shù)據(jù)治理應(yīng)建設(shè)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(shè)內(nèi)容應(yīng)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(wù)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(chǔ)設(shè)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(yīng)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(yīng)用程序構(gòu)建數(shù)據(jù)流管道，主要解決云服務(wù)外的數(shù)據(jù)實時傳輸?shù)皆品?wù)內(nèi)的問題。離線接入應(yīng)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(chǔ)設(shè)施。數(shù)據(jù)基礎(chǔ)設(shè)施即在實現(xiàn)數(shù)據(jù)全面存儲的基礎(chǔ)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(wù)的數(shù)據(jù)全生命周期管理功能。自業(yè)務(wù)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(wù)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(yīng)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(wù)，數(shù)據(jù)分析等工作，為煤礦數(shù)據(jù)管理提供基礎(chǔ)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(wù)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(shè)計以及信息系統(tǒng)設(shè)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(wù)。數(shù)據(jù)共享服務(wù)應(yīng)為煤礦企業(yè)搭建統(tǒng)一的數(shù)據(jù)服務(wù)總線，幫助企業(yè)統(tǒng)一管理對內(nèi)對外的API服務(wù)；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(wù)應(yīng)由中間件、服務(wù)、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(wù)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(guān)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(chǔ)標準、技術(shù)標準、業(yè)務(wù)標準三大類。其中，基礎(chǔ)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(wù)全生命周期關(guān)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(wù)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(wù)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(chǔ)標準是智能化煤礦數(shù)據(jù)的綱領(lǐng)性文件，主要規(guī)范煤礦數(shù)據(jù)建設(shè)和服務(wù)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(chǔ)標準是智能化煤礦數(shù)據(jù)標準體系中具有基礎(chǔ)性和指導性的標準規(guī)范，是所有標準的技術(shù)基礎(chǔ)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(chǔ)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(wù)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(wù)協(xié)同需要、反應(yīng)核心業(yè)務(wù)實體屬性的基礎(chǔ)信息，是在整個價值鏈上被重復、共享應(yīng)用于多個業(yè)務(wù)流程的、跨越各個業(yè)務(wù)部門、各個系統(tǒng)之間共享的、高價值的基礎(chǔ)數(shù)據(jù)，是各業(yè)務(wù)應(yīng)用和各系統(tǒng)之間進行信息交互的基礎(chǔ)。通過主數(shù)據(jù)的標準化，保證分析系統(tǒng)的各領(lǐng)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(wù)需要，才能有效避免主數(shù)據(jù)對應(yīng)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(yīng)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(yīng)用企業(yè)信息資產(chǎn)，實現(xiàn)數(shù)據(jù)關(guān)聯(lián)分析，更好的為各應(yīng)用提供數(shù)據(jù)服務(wù)。元數(shù)據(jù)標準結(jié)合智能化煤礦的實際業(yè)務(wù)特征從技術(shù)、業(yè)務(wù)、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(chǔ)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(wù)等工作所依賴的平臺工具需要具備的功能，以及相關(guān)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(wù)標準是在智能化煤礦數(shù)據(jù)分類標準基礎(chǔ)上對主數(shù)據(jù)和業(yè)務(wù)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(wù)數(shù)據(jù)描述標準，并基于業(yè)務(wù)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(yīng)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(wù)系統(tǒng)，系統(tǒng)之間存在開采工藝、設(shè)備、人員等復雜的耦合關(guān)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(yīng)用提出的“分級抽取-關(guān)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(wù)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(wù)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(guān)系數(shù)據(jù)庫、非關(guān)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(guān)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(yīng)的設(shè)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(zāi)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(guān)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(luò)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(zāi)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(zāi)害預測模型對可能發(fā)生的災(zāi)害信息進行關(guān)聯(lián)分析、超前預測。即通過致災(zāi)因素分析、理論計算及閾值計算獲取災(zāi)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(zāi)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(zāi)害發(fā)生的最終預測結(jié)果，并通過災(zāi)害精準預測及安全保障系統(tǒng)等對災(zāi)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(shè)計避災(zāi)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(wù)系統(tǒng)之間的知識關(guān)聯(lián)圖譜對各業(yè)務(wù)系統(tǒng)發(fā)出控制指令，實現(xiàn)防災(zāi)、減災(zāi)、救災(zāi)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(zāi)因素的關(guān)聯(lián)關(guān)系十分復雜，且煤礦井下不同區(qū)域發(fā)生災(zāi)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(guān)聯(lián)分析時，應(yīng)按照礦井災(zāi)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(zāi)害特征的安全分析、預測、預警模型，實現(xiàn)災(zāi)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(luò)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(shè)施、高水平的網(wǎng)絡(luò)管理和完備的數(shù)據(jù)挖掘服務(wù)，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(guān)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(guān)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(shè)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(guān)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(yīng)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(wù)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(guān)技術(shù)在陜煤張家峁煤礦應(yīng)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(wù)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(chǔ)保障關(guān)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(guān)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(shè)計與系統(tǒng)平臺建設(shè)關(guān)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(shè)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(guān)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(shè)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(shè)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(shè)中的應(yīng)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(guān)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(shè)計與應(yīng)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(wù)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.