基于工業(yè)互聯(lián)網(wǎng)的智能礦山災(zāi)害數(shù)字孿生研究

邢震， 韓安， 陳曉晶， 陳海艦， 沈毅

（1. 中煤科工集團常州研究院有限公司，江蘇 常州 213015；2. 天地（常州）自動化股份有限公司，江蘇 常州 213015）

0 引言

我國大部分礦區(qū)煤炭地質(zhì)賦存條件復(fù)雜，開采過程中難免受到水害、火災(zāi)、瓦斯事故、塵害、頂板災(zāi)害等常見災(zāi)害的威脅[1-2]，深部開采礦區(qū)還受到?jīng)_擊地壓[3-4]、熱害[5]等多種災(zāi)害的困擾。為減少災(zāi)害事故的發(fā)生，煤炭科技工作者對各種災(zāi)害規(guī)律開展了大量研究，研究方法通常包括小尺寸相似模擬實驗、礦井級全尺寸實驗、真實災(zāi)害事故調(diào)研、數(shù)值模擬仿真等。小尺寸相似模擬實驗通常是用于局部重點區(qū)域災(zāi)害研究，誤差大且無法從礦井全局的高度對災(zāi)害關(guān)聯(lián)性進行研究[6-7]。礦井級全尺寸實驗場地相對較少，由于客觀原因，實驗礦井模型設(shè)計難以符合煤礦井下現(xiàn)場實際巷道分布情況，可開展的實驗形式和內(nèi)容受局限[8-9]。煤礦真實災(zāi)害數(shù)據(jù)可通過調(diào)查獲取，通過分析研究積累經(jīng)驗教訓(xùn)，但煤礦災(zāi)害往往具有突發(fā)性，有時還會產(chǎn)生次生災(zāi)害，通過復(fù)現(xiàn)的方式進行重復(fù)性研究是不現(xiàn)實的[10-11]。數(shù)值模擬仿真研究可根據(jù)不同災(zāi)害特點，利用不同的工業(yè)軟件對不同區(qū)域乃至全礦井的災(zāi)害進行大量重復(fù)仿真實驗，但只能進行靜態(tài)仿真實驗，不能實現(xiàn)災(zāi)害態(tài)勢的實時展現(xiàn)及動態(tài)預(yù)測[12-13]。

2020 年國家能源局等八部委聯(lián)合發(fā)布《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》[14-15]以來，以云計算、大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)、人工智能算法、5G 通信、邊緣計算、新型低功耗智能傳感器等共性支撐技術(shù)為基礎(chǔ)的數(shù)字孿生技術(shù)在煤炭行業(yè)快速發(fā)展及應(yīng)用，使得數(shù)據(jù)的實時獲取、瞬時傳輸、快速計算、智能決策等成為了現(xiàn)實，克服了數(shù)值模擬應(yīng)用于災(zāi)害仿真研究的缺陷。數(shù)字孿生作為煤礦災(zāi)害研究及預(yù)測的有效手段，可實現(xiàn)災(zāi)害態(tài)勢的實時展現(xiàn)，提供實時、快捷的智能化服務(wù)。為充分發(fā)揮數(shù)字孿生技術(shù)在煤礦災(zāi)害研究中的優(yōu)勢，賦能智能礦山建設(shè)，本文從數(shù)字孿生內(nèi)涵及其在煤礦災(zāi)害研究中的應(yīng)用模式入手，深入探討其應(yīng)用方向及關(guān)鍵支撐技術(shù)，為煤礦災(zāi)害的重復(fù)性、低成本研究提供新思路。

1 數(shù)字孿生內(nèi)涵及其在煤礦災(zāi)害研究中的應(yīng)用模式

數(shù)字孿生是充分利用物理模型、傳感器更新、設(shè)備運行歷史數(shù)據(jù)等，集成多學(xué)科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應(yīng)的實體裝備的全生命周期過程，通過對物理實體的力、熱、聲、光、電、磁等多物理量的實時動態(tài)仿真，降低方案優(yōu)化、參數(shù)調(diào)整、預(yù)測診斷等措施的試錯成本[16-17]。

數(shù)字孿生以物理實體作為參照，通過三維建模技術(shù)，在以計算機為載體的虛擬世界中構(gòu)建虛擬實體，并通過數(shù)據(jù)交互技術(shù)實現(xiàn)現(xiàn)實世界與虛擬世界的雙向數(shù)據(jù)交互。陶飛等[18]提出了包括物理實體、虛擬實體、孿生數(shù)據(jù)、連接、服務(wù)的數(shù)字孿生五維模型（圖1），為數(shù)字孿生技術(shù)應(yīng)用于實踐提供了具體思路。在煤礦災(zāi)害研究中，以礦山災(zāi)害物理實體為基礎(chǔ)建立數(shù)字孿生體，并將工業(yè)互聯(lián)網(wǎng)作為連接通道，將工業(yè)軟件及智能算法作為服務(wù)端，形成完整的數(shù)字孿生模型?；跀?shù)字孿生技術(shù)，科技人員或管理人員可以通過虛擬世界實現(xiàn)低成本的認識、控制、預(yù)測并改造現(xiàn)實世界。

圖1 數(shù)字孿生五維模型Fig. 1 Five dimensional model of digital twin

數(shù)字孿生認識規(guī)律如圖2 所示。根據(jù)積累的現(xiàn)場經(jīng)驗及理論知識，在虛擬世界數(shù)字孿生體中不斷優(yōu)化參數(shù)、仿真計算等，經(jīng)過實踐→認識→再實踐→再認識等一系列過程，將不合理的推斷、決策、低級錯誤等暴露在數(shù)字孿生體中，經(jīng)云端決策中心分析判斷后，將最佳數(shù)字孿生測試方案移植于煤礦井下現(xiàn)實物理世界中，從而大大降低災(zāi)害研究及治理的風(fēng)險，降低災(zāi)害研究及治理的時間、空間及容錯成本，提高災(zāi)害管理、預(yù)防及治理的成功率。

圖2 數(shù)字孿生認識規(guī)律Fig. 2 Recognition rule of digital twin

煤礦災(zāi)害規(guī)律實驗研究具有風(fēng)險大、成本高的特點，數(shù)字孿生技術(shù)出現(xiàn)之前，由于受到技術(shù)水平的限制，對災(zāi)害的預(yù)防和治理等研究、實踐過程往往需要付出高昂的代價。數(shù)字孿生技術(shù)的應(yīng)用讓煤礦災(zāi)害研究變得簡單易行，在計算機技術(shù)的輔助下，科技人員在研究、預(yù)防、治理災(zāi)害之前，可在孿生世界中低成本、重復(fù)性地預(yù)演數(shù)據(jù)的采集與分析、設(shè)備故障的預(yù)測與診斷、災(zāi)害的預(yù)防與治理、避災(zāi)路線的設(shè)計與規(guī)劃等。

煤礦災(zāi)害數(shù)字孿生數(shù)據(jù)交互流程如圖3 所示。通過煤礦井下災(zāi)害監(jiān)測傳感器等設(shè)備進行實時監(jiān)測，將監(jiān)測數(shù)據(jù)（如CO 濃度、CH4濃度、O2濃度、風(fēng)速、粉塵濃度、頂板壓力等環(huán)境參數(shù)及風(fēng)門風(fēng)窗狀態(tài)、煙霧傳感器狀態(tài)、灑水裝置狀態(tài)、灌漿注氮裝備狀態(tài)、通風(fēng)機運行狀態(tài)等設(shè)備狀態(tài)數(shù)據(jù)）通過邊緣通信模塊、云端通信模塊上傳至云端。數(shù)字孿生數(shù)值仿真軟件部署在云端，利用傳感器上傳的監(jiān)測數(shù)據(jù)作為初始條件參數(shù)、邊界條件參數(shù)、效果驗證參數(shù)，經(jīng)過實時仿真分析，通過不斷試錯，尋求最佳的優(yōu)化參數(shù)及解決方案。當技術(shù)手段在孿生世界應(yīng)用成熟后，對虛擬實體的最佳參數(shù)、解決方案等進行分析、判斷、決策，并下發(fā)決策指令至井下執(zhí)行器，控制災(zāi)害防治裝備動作。

圖3 煤礦災(zāi)害數(shù)字孿生數(shù)據(jù)交互流程Fig. 3 Digital twin data interaction process of coal mine disaster

2 數(shù)字孿生賦能災(zāi)害預(yù)測性管控

《智能化示范煤礦驗收管理辦法（試行）》中明確要求智能礦山建設(shè)要實現(xiàn)災(zāi)害綜合防控[19]。借助數(shù)字孿生技術(shù)，通過構(gòu)建物理模型、仿真模型、數(shù)據(jù)模型，實現(xiàn)礦井物理實體與孿生體的虛實映射及數(shù)據(jù)交互，可為災(zāi)害綜合防控提供技術(shù)支撐。

2.1 災(zāi)害監(jiān)測方案優(yōu)化

煤礦屬于信息不完全的灰色系統(tǒng)，災(zāi)害影響因素眾多，且由于煤礦生產(chǎn)需要考慮經(jīng)濟效益，這就要求災(zāi)害的監(jiān)測、治理等方案在滿足既定目標的前提下盡可能降低成本。以采空區(qū)瓦斯治理中高位抽采巷（簡稱高抽巷）的參數(shù)設(shè)計為例，高抽巷在煤層中的最佳高度、抽采口的最佳位置、最佳抽采負壓等關(guān)鍵參數(shù)直接決定了瓦斯抽采效果。高抽巷掘進成本高、風(fēng)險大，若參數(shù)設(shè)計不合理，可能引起負面效果，若抽采負壓過大，會加大采空區(qū)漏風(fēng)強度，從而引起煤自燃，若出現(xiàn)明火，甚至可能引起瓦斯爆炸，這就要求高抽巷必須一次性完成開掘，因此參數(shù)設(shè)計的合理性至關(guān)重要。

高抽巷參數(shù)設(shè)計通常是依據(jù)煤礦現(xiàn)場技術(shù)人員的經(jīng)驗實現(xiàn)，不可避免會有一定偏差。數(shù)字孿生技術(shù)有助于快速求得最優(yōu)解，煤礦技術(shù)人員可在虛擬的數(shù)字孿生體中任意重復(fù)性地試驗不同參數(shù)，從而更快、更直觀地確定最佳設(shè)計方案。以靜態(tài)數(shù)值模擬條件下高抽巷設(shè)計為例，通過數(shù)值模擬的方式可直觀分析采空區(qū)內(nèi)瓦斯與氧氣濃度分布規(guī)律，確定最佳抽采效果下的高抽巷位置、負壓等參數(shù)[20]。同樣，對于煤礦火災(zāi)、水害、地質(zhì)災(zāi)害等，由于涉及的區(qū)域廣，受成本及監(jiān)測技術(shù)水平的制約，測點數(shù)目有限，如何利用有限的測點覆蓋更多的監(jiān)測區(qū)域，以更高效地實現(xiàn)災(zāi)害監(jiān)測，是科研人員面臨的難題。通過數(shù)字孿生技術(shù)，在數(shù)字孿生體中可視化展現(xiàn)災(zāi)害各項關(guān)鍵參數(shù)的分布規(guī)律，在礦井物理世界中針對性地對重點區(qū)域布設(shè)傳感裝置，從而能夠以最低成本實現(xiàn)危險區(qū)域的有效監(jiān)測。

2.2 災(zāi)害預(yù)演及避災(zāi)路線精準規(guī)劃

煤礦日常需要對人員集中的生產(chǎn)作業(yè)重點區(qū)域、事故頻發(fā)的危險區(qū)域等進行災(zāi)害預(yù)防性管理和維護，例如：易發(fā)生頂板冒落事故的綜采工作面、掘進工作面，斷面較大的T 型巷道交叉口；易發(fā)生瓦斯、煤塵爆炸的掘進工作面、電氣設(shè)備硐室、井下各轉(zhuǎn)載點；易發(fā)生煤自燃的采空區(qū)、盲巷、廢棄巷道；易發(fā)生外因火災(zāi)事故的機電硐室，防爆開關(guān)硐室，地面副井口及運輸巷道機頭、機尾滾筒和托輥；易發(fā)生突水事故的老窯、處于斷層、破碎帶的掘進工作面等。

數(shù)字孿生技術(shù)賦能災(zāi)害預(yù)演，在數(shù)字孿生體中實現(xiàn)對重點及危險區(qū)域事故的常態(tài)化預(yù)測，在事故發(fā)生之前采取防范措施，將事后補救轉(zhuǎn)變?yōu)槭虑邦A(yù)防，可有效降低事故發(fā)生概率。同時，通過數(shù)字孿生體預(yù)先研究各危險區(qū)域的災(zāi)害規(guī)律，如火災(zāi)時煙氣流動規(guī)律、瓦斯爆炸時有害氣體蔓延規(guī)律、水災(zāi)時水流流動規(guī)律等，規(guī)劃各危險區(qū)域不同災(zāi)害時期的精準避災(zāi)路線，形成應(yīng)急預(yù)案，借助虛擬現(xiàn)實（Virtual Reality，VR）、增強現(xiàn)實（Augmented Reality，AR）及混合現(xiàn)實（Mixed Reality，MR）等技術(shù)培訓(xùn)煤礦井下人員，通過計算機生成的多種感官數(shù)據(jù)，身臨其境地感受虛擬世界中災(zāi)害發(fā)生時所處的環(huán)境及所蘊含的信息，從而提升受培訓(xùn)人員在數(shù)字孿生體中的體驗及參與感，將其對災(zāi)害的感性認識提升至理性認識，指導(dǎo)其在遇到災(zāi)害時的避災(zāi)實踐，最大程度減少人員傷亡和經(jīng)濟損失。

2.3 災(zāi)后救援方案制訂及事故調(diào)查

隨著政府監(jiān)察監(jiān)管力度不斷加強，煤礦智能采掘裝備、應(yīng)急救援裝備、災(zāi)害監(jiān)測監(jiān)控及防控技術(shù)、災(zāi)害機理及智能分析算法等逐步發(fā)展，結(jié)合煤礦管理能力、人員素質(zhì)等各方面的日益進步，近年來煤炭安全生產(chǎn)形勢明顯穩(wěn)定向好，煤炭生產(chǎn)百萬噸死亡率持續(xù)降低，然而各類事故發(fā)生總量和人員傷亡數(shù)量依然較大，特別是重特大災(zāi)害事故時有發(fā)生，嚴重危害井下作業(yè)人員的生命安全。

煤礦發(fā)生災(zāi)害后需第一時間進行現(xiàn)場救援及事故調(diào)查。事故調(diào)查一方面是為了查清事故緣由，另一方面是為了積累事故經(jīng)驗教訓(xùn)，避免再次發(fā)生類似事故。然而，由于煤礦事故具有突發(fā)性，且事故現(xiàn)場容易發(fā)生次生災(zāi)害，傳統(tǒng)的救援方案及事故分析方法主要采用現(xiàn)場勘查的方式，對事故的記錄及分析局限于文檔和圖紙等常規(guī)形式，導(dǎo)致事故分析缺乏全面性和直觀性，現(xiàn)場救援及事故調(diào)查難度及風(fēng)險大[21]。應(yīng)用數(shù)字孿生技術(shù)，在虛擬世界中將地面各監(jiān)控系統(tǒng)歷史數(shù)據(jù)作為輸入條件，高度還原事故發(fā)生的整個過程，并直觀顯示災(zāi)后現(xiàn)場狀況，通過實時數(shù)據(jù)預(yù)演模擬發(fā)生次生災(zāi)害的可能性、波及范圍，可為現(xiàn)場救援方案及災(zāi)后事故調(diào)查提供有力保障。

3 煤礦災(zāi)害數(shù)字孿生架構(gòu)及關(guān)鍵技術(shù)

煤礦災(zāi)害具有突發(fā)性和嚴重性，數(shù)字孿生應(yīng)用于煤礦災(zāi)害首先要解決的是數(shù)據(jù)的大量感知、瞬時傳輸、快速計算等問題，傳統(tǒng)的網(wǎng)絡(luò)架構(gòu)模式無法支撐災(zāi)害數(shù)據(jù)孿生應(yīng)用，因此，本文提出了基于工業(yè)互聯(lián)網(wǎng)“云?管?邊?端”架構(gòu)的數(shù)字孿生基礎(chǔ)模式，為煤礦災(zāi)害數(shù)字孿生應(yīng)用提供數(shù)據(jù)保障。

3.1 基于工業(yè)互聯(lián)網(wǎng)的煤礦災(zāi)害數(shù)字孿生服務(wù)體系

數(shù)據(jù)是數(shù)字孿生中虛擬世界與物理世界交互的核心，以智能礦山信息基礎(chǔ)設(shè)施建設(shè)中“云?管?邊?端”架構(gòu)為基石的數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)分析、智能決策、控制指令下發(fā)等為數(shù)字孿生應(yīng)用提供了技術(shù)支撐?；诠I(yè)互聯(lián)網(wǎng)架構(gòu)的數(shù)字孿生服務(wù)體系[22-25]包括感知控制層、邊緣計算層、網(wǎng)絡(luò)傳輸層、平臺層及應(yīng)用服務(wù)層，如圖4所示。感知控制層實現(xiàn)數(shù)據(jù)采集及決策指令執(zhí)行；邊緣計算層分擔云計算算力，實現(xiàn)邊緣側(cè)算法、快速判斷、決策及控制；網(wǎng)絡(luò)傳輸層實現(xiàn)數(shù)據(jù)的上傳下達；平臺層實現(xiàn)數(shù)據(jù)存儲、處理；應(yīng)用服務(wù)層實現(xiàn)數(shù)字孿生的數(shù)值仿真、決策分析等。

圖4 基于工業(yè)互聯(lián)網(wǎng)“云?管?邊?端”架構(gòu)的數(shù)字孿生服務(wù)體系Fig. 4 Digital twin service system based on industrial Internet "cloud-pipe-edge-end" architecture

3.2 面向礦山災(zāi)害的數(shù)字孿生關(guān)鍵技術(shù)

與煤礦采、掘、運等環(huán)節(jié)數(shù)字孿生應(yīng)用有所不同的是，面向災(zāi)害的數(shù)字孿生關(guān)鍵技術(shù)有一定特殊性，例如采、掘、運等環(huán)節(jié)的數(shù)據(jù)感知裝備通常是部署于工作面等操作空間，而災(zāi)害數(shù)字孿生涉及的感知裝備通常部署于如采空區(qū)、煤層鉆孔等人員無法進入的空間，對傳感裝備的供電、通信、故障診斷等提出更高要求；不同專業(yè)的仿真軟件要求不同，采、掘、運等環(huán)節(jié)的仿真軟件側(cè)重于機械力學(xué)、裝備協(xié)同過程仿真等，而災(zāi)害數(shù)字孿生仿真軟件側(cè)重于流體力學(xué)、巖石力學(xué)等。

1） 煤礦災(zāi)害智能感知和執(zhí)行裝備。不同于傳統(tǒng)工業(yè)領(lǐng)域，煤礦井下巷道空間狹長、潮濕，采空區(qū)易爆、易燃、易受砸等特殊作業(yè)環(huán)境決定了災(zāi)害監(jiān)測及執(zhí)行裝備的特殊性。感知及執(zhí)行裝備作為數(shù)字孿生技術(shù)的神經(jīng)末梢，承擔了數(shù)據(jù)采集、交互及末端執(zhí)行的功能。數(shù)據(jù)的準確性及數(shù)據(jù)測點數(shù)量直接影響頂層數(shù)字孿生體模型的精度及分析決策結(jié)果的有效性，傳統(tǒng)的井下傳感器大多是點式部署，數(shù)量非常有限，遠遠滿足不了數(shù)字孿生數(shù)據(jù)采集及交互需求，研究煤礦災(zāi)害智能、低成本、分布式感知裝備迫在眉睫。以采空區(qū)自然發(fā)火監(jiān)測為例，工作面推進過程中，采空區(qū)內(nèi)進/回風(fēng)巷、開切眼、終采線等區(qū)域及放頂煤開采工作面中部區(qū)域等均有不同程度的遺煤，采空區(qū)全域都有自燃風(fēng)險?！睹旱V安全規(guī)程》規(guī)定的常規(guī)監(jiān)測手段是束管監(jiān)測，通常1 個采空區(qū)只布置數(shù)個甚至1 個測點。光纖測溫技術(shù)采用分布式測量，可預(yù)先布置在采空區(qū)“兩道”實現(xiàn)巷道沿線監(jiān)測，測點數(shù)量有了很大提升，但對于采空區(qū)三維立體大面積危險區(qū)域，測點數(shù)量仍無法支撐數(shù)字孿生分析決策需求。因此需要研制低成本、小尺寸、低能耗的傳感器[26-27]，以及基于超聲波、瞬變電磁[28]等技術(shù)的三維監(jiān)測傳感裝備，實現(xiàn)火災(zāi)監(jiān)測區(qū)域高密度網(wǎng)格化監(jiān)測、全方位立體化覆蓋。

2） 煤礦災(zāi)害仿真軟件。數(shù)字孿生是以仿真軟件為內(nèi)核的多物理場動態(tài)數(shù)值模擬。仿真軟件包括工業(yè)領(lǐng)域通用仿真軟件和煤礦行業(yè)專用仿真軟件。工業(yè)領(lǐng)域通用仿真軟件包括應(yīng)用于火災(zāi)、粉塵、瓦斯、水害、通風(fēng)等流體仿真領(lǐng)域的ANSYS FLUENT[29]，可耦合氣體流場、溫度場、電場、磁場等多物理場的Comsol Multiphics[30]，適用于礦壓、巖石、地質(zhì)等三維結(jié)構(gòu)受力特性模擬和塑性流動分析的FLAC3D[31]。通用災(zāi)害仿真軟件具有適用范圍廣、算法成熟穩(wěn)定、仿真結(jié)果精度高、可視化效果好等優(yōu)點，但其應(yīng)用于煤礦災(zāi)害數(shù)字孿生時存在以下問題：① 只能實現(xiàn)靜態(tài)仿真，根據(jù)物理實體建立三維模型后，可配置一組固定參數(shù)進行模擬，若要在計算過程中更改參數(shù)，需要重新計算，往往耗時較長，盡管可通過UDF編程的方式實現(xiàn)部分參數(shù)的動態(tài)變化，但功能仍然有限，無法滿足大批量參數(shù)變化的需求。② 缺少煤礦災(zāi)害專用模型庫、算法庫、組件庫，模型建立難度大，需要用自定義編程的方式適應(yīng)煤礦災(zāi)害特殊場景需求。③ 只適合小區(qū)域仿真，不適合全礦井級大范圍仿真，三維場模擬需要大量時間和巨大算力作為保障。

煤炭行業(yè)專用仿真軟件包括全礦井外因火災(zāi)仿真軟件MFIRE[32]、礦井三維通風(fēng)仿真軟件VENTSIM[33]等，具有適合全礦井級仿真、計算時間短等優(yōu)點，然而也面臨一些問題，如計算時間短是以犧牲各物理量的詳細分布規(guī)律為代價的，忽略了區(qū)域巷道內(nèi)部流體的運動過程，不能反映詳細的仿真過程及結(jié)果，無法實現(xiàn)三維可視化，算法準確性及穩(wěn)定性有待提升等，因此不能滿足數(shù)字孿生的需求。綜上，結(jié)合通用仿真軟件的優(yōu)點，完善煤炭行業(yè)專用仿真軟件功能，實現(xiàn)實時動態(tài)仿真，是實現(xiàn)煤礦數(shù)字孿生的必經(jīng)之路。

研發(fā)仿真軟件的同時，也需要優(yōu)化實時仿真方案。盡管煤礦數(shù)字孿生技術(shù)的發(fā)展方向是全面感知，但畢竟計算機資源是有限的，這就要求將有限的資源合理分配至不同的區(qū)域、設(shè)備等目標。要堅持兩點論和重點論的統(tǒng)一，對于危險程度、變化幅度比較大的區(qū)域（如采空區(qū)、工作面等），要重點傾斜資源，加大網(wǎng)格劃分密度；對于危險程度小的區(qū)域，要統(tǒng)籌兼顧，在適當分配資源的同時防止低概率事故發(fā)生。為了進一步滿足煤礦數(shù)字孿生的高實時性要求，針對災(zāi)害發(fā)生概率較大的地點，可在計算資源充裕時預(yù)先進行計算，并將結(jié)果存儲于云平臺，一旦發(fā)生災(zāi)害，可直接調(diào)取云平臺中的計算結(jié)果，從而大大縮短實時計算時間。

3） 共性支撐技術(shù)。煤礦災(zāi)害往往突發(fā)性強、后果嚴重，應(yīng)用數(shù)字孿生技術(shù)解決煤礦災(zāi)害問題時需要交互的數(shù)據(jù)量極大，對時效性要求極高，因此缺少不了共性技術(shù)的支撐。隨著智能感知裝備數(shù)據(jù)呈指數(shù)級爆炸增長，邊緣計算設(shè)備承擔了數(shù)據(jù)的預(yù)處理及常規(guī)分析功能[34]：一方面，實現(xiàn)原始數(shù)據(jù)的過濾功能，將關(guān)鍵、有效、異常狀態(tài)等數(shù)據(jù)上傳至云端進一步分析，有效降低數(shù)據(jù)傳輸壓力及云端計算壓力；另一方面，通過邊緣層災(zāi)害分析模型對常規(guī)、低風(fēng)險等級的災(zāi)害進行分析判斷，并采取控制策略，實現(xiàn)就地控制。5G 通信技術(shù)具有高速率、低時延、大連接和高可靠等特點，可滿足物理實體海量多源異構(gòu)數(shù)據(jù)的上傳需求及虛擬實體數(shù)據(jù)的下發(fā)需求，有效實現(xiàn)多系統(tǒng)之間低時延的互聯(lián)互通，保障虛實數(shù)據(jù)交互[35]。大數(shù)據(jù)平臺可用于多模態(tài)數(shù)據(jù)的集成、治理、計算、存儲及管理，并基于煤礦災(zāi)害數(shù)據(jù)融合分析與信息建模，為頂層數(shù)字孿生應(yīng)用提供高質(zhì)量數(shù)據(jù)資產(chǎn)[36]。云計算分布式共享與按需調(diào)整自服務(wù)的模式滿足數(shù)字孿生系統(tǒng)實時動態(tài)存儲、仿真、運行的需求，通過云計算服務(wù)器端預(yù)置的數(shù)字孿生仿真工具，可實現(xiàn)不同災(zāi)害不同狀態(tài)下的實時動態(tài)仿真及預(yù)測。另外，結(jié)合邊緣協(xié)同計算技術(shù)及云端決策分析算法，根據(jù)災(zāi)害仿真結(jié)果，可實現(xiàn)災(zāi)害防治方案、設(shè)計方案、優(yōu)化方案等的智能執(zhí)行。

數(shù)字孿生技術(shù)應(yīng)用于智能礦山災(zāi)害預(yù)警及綜合防控時有以下要求：① 數(shù)據(jù)采集、傳輸、計算的瞬時性。事故的突發(fā)性要求數(shù)字孿生系統(tǒng)實時完成數(shù)據(jù)的采集、傳輸及仿真計算等過程，若傳輸、計算等速度跟不上，將會導(dǎo)致數(shù)字孿生系統(tǒng)災(zāi)害狀態(tài)遲滯于物理世界，無法起到災(zāi)害預(yù)警的效果。② 智能決策算法的準確性。不同于采、掘、運等生產(chǎn)系統(tǒng)優(yōu)化算法，數(shù)字孿生系統(tǒng)對智能決策算法的準確性要求極高。智能決策算法有誤將直接導(dǎo)致對災(zāi)害的誤判，從而影響對災(zāi)害的預(yù)測及防治。

4 結(jié)語

分析了數(shù)字孿生的內(nèi)涵及其認識規(guī)律，針對煤礦災(zāi)害研究及治理風(fēng)險大、成本高的特點，提出了數(shù)字孿生在煤礦災(zāi)害研究中的應(yīng)用模式?；诠I(yè)互聯(lián)網(wǎng)“云?管?邊?端”架構(gòu)，構(gòu)建了煤礦災(zāi)害數(shù)字孿生服務(wù)體系。工業(yè)互聯(lián)網(wǎng)為數(shù)字孿生提供了數(shù)據(jù)來源保障、數(shù)據(jù)有效傳輸通道、數(shù)據(jù)處理機制、數(shù)據(jù)計算平臺、數(shù)據(jù)分析算法、決策指令下發(fā)通道，基于實時動態(tài)仿真的數(shù)字孿生技術(shù)，實現(xiàn)物理實體中難以復(fù)現(xiàn)或成本、后果不可接受的重復(fù)性測試，并將虛擬實驗結(jié)果轉(zhuǎn)換為優(yōu)化方案，將預(yù)測結(jié)果應(yīng)用于物理世界，實現(xiàn)礦井災(zāi)害預(yù)測預(yù)警及自主防控，從根本上減少災(zāi)害發(fā)生，為智能礦山建設(shè)提供技術(shù)支持。