劉彥武

(山西柳林煤礦有限公司， 山西 呂梁 033399)

長期以來，煤炭一直是我國的主要能源，支撐著我國經(jīng)濟的高速發(fā)展。隨著我國的經(jīng)濟發(fā)展階段由高速發(fā)展轉(zhuǎn)化為高質(zhì)量發(fā)展，煤炭企業(yè)依靠資源要素投入、規(guī)模擴張的粗放式發(fā)展方式已經(jīng)無以為繼，智能化、無人化生產(chǎn)昭示著未來。在工業(yè)化和信息化深度融合浪潮下，煤礦智能化既適應(yīng)了時代發(fā)展趨勢，也為傳統(tǒng)煤炭企業(yè)高質(zhì)量發(fā)展提供了前進方向。煤礦智能化指將人工智能、深度學(xué)習、工業(yè)物聯(lián)網(wǎng)、5G技術(shù)、大數(shù)據(jù)、機器人等現(xiàn)代信息技術(shù)與煤炭工業(yè)技術(shù)深度融合，形成實時監(jiān)測、數(shù)據(jù)互通、分析決策、提前預(yù)測、協(xié)同一體的智能生產(chǎn)系統(tǒng)，并具備原有煤炭生產(chǎn)系統(tǒng)的全部功能[1-3].

礦井通風系統(tǒng)作為保障礦井生產(chǎn)系統(tǒng)正常高效運行的生命線，在滿足作業(yè)人員呼吸需求的基礎(chǔ)上，同時還承擔著防止有毒有害氣體、粉塵污染、高溫熱害等一系列災(zāi)害的重擔。隨著掘進技術(shù)和開采技術(shù)的突破，井下作業(yè)環(huán)境也變得更加復(fù)雜，風路變長、風阻增大、風量分配不當、乏風回流等問題日趨嚴重，甚至開始威脅到礦井的正常生產(chǎn)秩序和工人生命健康。

目前礦井通風系統(tǒng)主要存在以下問題：通風系統(tǒng)無法根據(jù)礦井生產(chǎn)情況的變化自動調(diào)節(jié)風路，無法滿足特定用風地點的臨時用風需求，無法在面對突發(fā)安全事故時自動改變風路條件。目前風路調(diào)節(jié)方式主要依靠人工改變風門、風窗等，且調(diào)節(jié)方式以增阻調(diào)節(jié)為主，既浪費能量也不具備即時性。

1 智能通風系統(tǒng)框架

本著“節(jié)約資源、高效利用”的原則，提出以模塊化思維來建立智能通風系統(tǒng)，見圖1. 該系統(tǒng)大體上分為4個模塊：感知模塊(Perception Module)、中樞通訊模塊(Central Communication Module)、核心決策模塊(Core Decision Module)和可視化模塊(Visualization Module)。該系統(tǒng)后3個模塊均可重復(fù)利用，只需針對不同的災(zāi)害，增設(shè)不同的傳感模塊。

圖1 智能通風系統(tǒng)框架圖

下面對智能通風中的各模塊進行具體分析，介紹相關(guān)領(lǐng)域最新的理論和成果，并分析局限性和未來發(fā)展方向。

1.1 感知模塊

智能通風系統(tǒng)的任何決策都離不開準確且即時的數(shù)據(jù)，但數(shù)據(jù)的準確性和即時性往往難以兼得。以風速傳感器為例，目前主流傳感器類型主要包括：超聲波、壓力變化、熱量變化和光纖光柵4種類型。光纖光柵技術(shù)以其高靈敏度、高抗干擾性、本質(zhì)安全等特性成為近年來研究的熱點方向[4-5]. 但是目前的問題在于上述測風方式均為固定點測風，再結(jié)合相關(guān)系數(shù)，以點風速估算巷道斷面風速。在實際生產(chǎn)過程中，巷道情況不一，生產(chǎn)條件實時變化，甚至還有設(shè)備工作的影響，系數(shù)并不是一成不變的。基于上述原因，目前主要有兩種方式解決估算誤差：1) 采用計算機高速計算特性，利用機器學(xué)習等技術(shù)，實時自動修正風速系數(shù)，如通過模擬巷道內(nèi)風流或建立巷道模型等[6]. 2) 采用更嚴謹?shù)臏y風方法，如斷面多點測風或采用更嚴謹?shù)臄?shù)學(xué)推導(dǎo)來進行結(jié)果論證[7-8]. 顯然，在大數(shù)據(jù)時代的今天，以人工智能方法來自動修正風量系數(shù)才是通向智能礦井的道路。

1.1.1 傳感器布設(shè)原則

鑒于上述情況，在布置傳感器時，不僅需要考慮到傳感器覆蓋范圍、精確度，更應(yīng)注意選點的特殊情況，如溫差較大的地點，應(yīng)增設(shè)溫度傳感器等。下面按各監(jiān)測傳感器的工作地點列出布設(shè)原則。

1) 整體網(wǎng)絡(luò)監(jiān)測。在有風流的各分支巷道內(nèi)均需布設(shè)傳感器(主要包括風壓傳感器、溫度傳感器、風速傳感器等)，要求能滿足對整個風路系統(tǒng)的風流狀態(tài)做到實時監(jiān)控，并通過地面數(shù)據(jù)中心進行實時數(shù)據(jù)解算，出現(xiàn)風流變化時，能即時在三維仿真圖上表現(xiàn)并通知工作人員。另外，在有熱源場所還應(yīng)考慮增設(shè)溫度傳感器，考慮因溫度變化而改變的空氣密度。

2) 工作面檢測?？紤]到掘進和開采過程中有瓦斯涌出的危險，為第一時間監(jiān)測到異常出現(xiàn)，應(yīng)考慮將瓦斯監(jiān)測儀與掘進和采煤設(shè)備聯(lián)動，確保在異常出現(xiàn)時，第一時間切斷工作設(shè)備電源并通知通風管理人員。此外考慮到粉塵的危險，還應(yīng)設(shè)置粉塵濃度傳感器。

在傳感器布置方面，受益于計算機的高速發(fā)展，仿真模擬技術(shù)的成熟應(yīng)用，不用再像過去一樣進行復(fù)雜繁瑣的實驗來優(yōu)化傳感器的布置[9].

1.1.2 新型監(jiān)測儀器

鄒云龍等考慮到井下環(huán)境惡劣，傳統(tǒng)風表的機械式結(jié)構(gòu)容易磨損和腐蝕，影響精度，設(shè)計出礦用智能多通道風速風向儀[10]. 該智能多通道風速風向儀采用的超聲波技術(shù)易受井下環(huán)境干擾，工作數(shù)據(jù)準確性難以保證。此外，目前的風速測量熱點光纖光柵技術(shù)也發(fā)展較快，但大多還在實驗室階段[4-5].

在測風技術(shù)沒有較大突破的情況下，未來應(yīng)該會采用以計算機仿真為代表的模擬方法估算風速，隨著計算機技術(shù)的發(fā)展，可以加入越來越多的制約條件，盡可能模擬真實工作情況。

1.2 中樞通訊模塊

中樞通訊模塊是各類傳感器和地面數(shù)據(jù)中心的傳輸樞紐，在整個智能通風系統(tǒng)中，擔負著承上啟下的作用。數(shù)據(jù)采集分站是該模塊的核心硬件設(shè)施(圖1中的DA1、DA2、DA3等)，各采集分站之間彼此互通，既增加數(shù)據(jù)的傳輸量，也加強系統(tǒng)的冗余度。

楊劍等人采用CAN總線和工業(yè)以太網(wǎng)雙保險方式，既滿足了高抗干擾性要求，也實現(xiàn)了即時數(shù)據(jù)大帶寬傳輸能力[11]. 采用有線連接方式能在成本相對較低的情況下，極大地提高系統(tǒng)穩(wěn)定性，這種模式尤其適合沒有大量空余空間來建設(shè)無線基站的老舊礦井和經(jīng)濟條件相對較差、安全環(huán)境一般的礦井建設(shè)。陳煒等考慮到礦井下傳感器的繁多復(fù)雜，有線連接的不便以及后續(xù)維護工作的繁瑣，采用無線組網(wǎng)方式極大簡化了巷道布線的施工量[12].

1.3 核心決策模塊

核心決策模塊采用類似人工智能設(shè)計中常用的大小腦構(gòu)架，見圖2. 小腦負責低算力、低時延、實時顯示礦井狀態(tài)，大腦負責高算力、高時延、決策事故處置方案，兩者分工不同，但相輔相成，缺一不可。大小腦架構(gòu)是基于現(xiàn)實生產(chǎn)條件所提出的，全采用低時延高性能服務(wù)器固然效果出色，但脫離現(xiàn)實，不具備經(jīng)濟適用性，也背離節(jié)約資源的原則。

圖2 核心決策模塊框架圖

1.3.1 小腦模塊

由于該模塊直接與井下各數(shù)據(jù)分站連接，數(shù)據(jù)吞吐量大，計算量一般，但對時延要求較高，故采用低時延、低算力的服務(wù)器。該模塊在計算出井下各地點生產(chǎn)狀態(tài)后，將數(shù)據(jù)導(dǎo)出到大腦模塊和可視化模塊。

1.3.2 大腦模塊

大腦模塊不僅擔負著監(jiān)測全礦實時生產(chǎn)狀態(tài)的重擔，還實時運行著各災(zāi)害預(yù)測模型，在有突發(fā)事故或有事故發(fā)生風險時，提前主動預(yù)警，并基于其高算力特性在較短時間內(nèi)計算出合適的決策方案。

整個決策模塊由“3I”組成：人工智能決策(AI: Artificial Intelligence)、人工干預(yù)(MI： Manual Intervention)、可視化表達(VI: Visualization)。在監(jiān)測到危險來臨時，系統(tǒng)自動生成事故危險性預(yù)報、人員撤離路線和災(zāi)害處理方案，并立刻通知地面監(jiān)測中心?？紤]到系統(tǒng)決策可能出錯，系統(tǒng)預(yù)留有人工干預(yù)窗口(窗口時間隨災(zāi)害危險程度縮短)，同時在窗口時間無響應(yīng)時，會自動跳過執(zhí)行災(zāi)害處理方案。

1.3.3 算法優(yōu)化

大小腦架構(gòu)從硬件角度說明了決策系統(tǒng)的不同分工方案，軟件層面的改進同樣重要。當事故發(fā)生時，大腦每提前一秒鐘計算出系統(tǒng)調(diào)整方案，都會減少一分井下工作人員的危險。受硬件性能和經(jīng)濟條件的限制，算法的優(yōu)化顯得尤為重要。

魏連江等人基于統(tǒng)計學(xué)軟件SPSS分析通風網(wǎng)絡(luò)圖中的分支、節(jié)點、獨立回路、獨立通路以及角聯(lián)分支等參數(shù)的內(nèi)在邏輯關(guān)系，簡化了通風網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜度的快速評價模型[13]. 李雨成等人通過改善通風網(wǎng)絡(luò)數(shù)據(jù)存儲結(jié)構(gòu)，解決了在優(yōu)選通風機特性曲線時的“假收斂”問題，優(yōu)化了系統(tǒng)的復(fù)雜度，進一步提高了計算速度和效率[14]. 吳新忠等人提出一種基于多策略融合麻雀搜索算法的礦井風流智能調(diào)控方法，極大簡化了風路的調(diào)節(jié)過程[15].

1.3.4 聯(lián)動控制

在大腦模塊發(fā)現(xiàn)有事故發(fā)生時，便會聯(lián)合各類通風構(gòu)筑物，即時做出調(diào)整，將各有毒有害氣體濃度控制在安全生產(chǎn)規(guī)程許可范圍內(nèi)。聯(lián)動控制設(shè)施包括與地面數(shù)據(jù)中心相連接的風門、風窗以及防爆井蓋等。

近幾年智能礦井概念大熱，各類聯(lián)動通風設(shè)施也層出不窮。侯英等人運用PLC技術(shù)與原有變頻技術(shù)結(jié)合，設(shè)計出兩種通風機控制方式[16].

1.4 可視化模塊

可視化表達是為進一步降低工作人員負擔，將整個風路系統(tǒng)的實時狀態(tài)在三維仿真圖象上表達出來的技術(shù)，其包括工作面的實時生產(chǎn)情況，各巷道的風速、溫度，風門和風窗的開閉以及風機和防爆井蓋的狀態(tài)等?，F(xiàn)有可視化技術(shù)在展示風流相關(guān)參數(shù)方面已經(jīng)相對完善，但相關(guān)通風構(gòu)筑物等聯(lián)動設(shè)施的狀態(tài)還未有較好的表現(xiàn)[17].

基于出色的視覺化效果和地理分析功能，地理信息系統(tǒng)(GIS)在礦井可視化領(lǐng)域受到不少學(xué)者的青睞[18-19]. 此外，還有學(xué)者從新型技術(shù)出發(fā)，利用增強現(xiàn)實技術(shù)實現(xiàn)可視化系統(tǒng)[20]. 該系統(tǒng)在井下災(zāi)變時期能提供更加精準和人性化的引導(dǎo)，但缺憾也十分明顯，受目前硬件性能限制，增強現(xiàn)實的效果并不出色，經(jīng)濟性較低。

2 災(zāi)害管控系統(tǒng)

在實際生產(chǎn)實踐中，巷道內(nèi)發(fā)生災(zāi)害事故后，各類傳感器設(shè)施基本失效，修復(fù)費用極大，有時甚至無法修復(fù)。也就是說，大多數(shù)傳感器設(shè)備在災(zāi)害面前都是一次性的，這導(dǎo)致礦方?jīng)]有意愿采用成本更高的智能化系統(tǒng)，特別是當前智能化系統(tǒng)的技術(shù)還未成熟的情況下。

目前，通風系統(tǒng)作為應(yīng)用最廣泛的輔助系統(tǒng)，其智能化發(fā)展必然領(lǐng)先于其它災(zāi)害管控系統(tǒng)。若能將災(zāi)害管控系統(tǒng)的軟件部分部署在通風系統(tǒng)的硬件上，提高硬件的利用率，可以極大縮減建設(shè)成本，推進智能化礦井的建設(shè)。

本文所提出的基于智能通風的火災(zāi)和瓦斯突出災(zāi)變管控系統(tǒng)模式的核心在于：將災(zāi)害管控系統(tǒng)建立在智能通風系統(tǒng)的框架上。正如圖1所示，只需增設(shè)不同的感知模塊，后續(xù)在同一套硬件上采用互通的數(shù)據(jù)傳輸模式即可。

2.1 災(zāi)害管控系統(tǒng)的現(xiàn)狀

目前煤礦災(zāi)害相關(guān)監(jiān)測技術(shù)和裝備已經(jīng)相對成熟，各類新型預(yù)警方法也時有突破，但各種災(zāi)害之間的信息交換、集成分析還遠遠不夠。整個礦井的綜合安全平臺沒有形成體系，各類災(zāi)害的數(shù)據(jù)傳輸和分析各自獨立，各系統(tǒng)間彼此孤立，造成資源閑置[2]. 尤其是當發(fā)生火災(zāi)和瓦斯突出災(zāi)害時，現(xiàn)有的通風系統(tǒng)不能第一時間阻斷新風和有毒有害物質(zhì)的合流，造成井下大面積污染，嚴重威脅到井下作業(yè)人員的生命安全。

2.2 火災(zāi)管控系統(tǒng)

2.2.1 火災(zāi)預(yù)警技術(shù)

火災(zāi)預(yù)警技術(shù)主要分為兩部分，分別是火災(zāi)探測技術(shù)和火災(zāi)預(yù)測技術(shù)。前者主要針對出現(xiàn)熱積聚或已經(jīng)發(fā)生自燃的地點進行探測；后者則針對前者難以探測或可疑的地點進行火災(zāi)風險度預(yù)測。

根據(jù)煤炭燃燒過程特性，目前常用的火災(zāi)探測方法包括：測溫法、指標氣體法。

測溫法作為最直接、最可靠的火災(zāi)探測方法，其各類傳感器發(fā)展迅速。該類型傳感器易聯(lián)接到礦井綜合安全系統(tǒng)的工業(yè)以太網(wǎng)上，缺點是其效果會受到傳感器布置位置和密度的影響。常用測溫儀器包括熱電偶、測溫電阻、光纖、紅外熱成像等。此外，光纖測溫技術(shù)近年來也是測溫法發(fā)展的熱點[4-5,21].

指標氣體法目前已經(jīng)發(fā)展的相對完善，但由煤自燃機理可知，該方法檢測火災(zāi)在理論上具有滯后性。鑒于此，為了能補償該方法在原理上的不足，未來發(fā)展應(yīng)該會致力于提高儀器的精度，力求第一時間發(fā)現(xiàn)自燃現(xiàn)象，第一時間采取措施。該方向的傳感器主要以氡氣測量為代表[22-23].

此外，利用圖像識別技術(shù)由于其硬件的普適性和經(jīng)濟性，目前也相對熱門[24-25]. 該技術(shù)利用攝像頭即可采集數(shù)據(jù)，后續(xù)再對圖像信息進行賦值比較，便能判斷有無火焰。顯然，圖像識別技術(shù)在遇到陰燃時效果會大打折扣。

火災(zāi)預(yù)測技術(shù)以火災(zāi)探測技術(shù)基礎(chǔ)數(shù)據(jù)為起點，采用神經(jīng)網(wǎng)絡(luò)、模糊算法等算法來進行預(yù)測預(yù)報[26-27]，但大多還在實驗試用階段。

目前，礦井火災(zāi)預(yù)警技術(shù)的運用還主要以單參數(shù)指標為主，誤報率較高，聯(lián)合多因素交叉分析沒有大規(guī)模應(yīng)用實例。此外，還沒有一套綜合的集預(yù)警、救災(zāi)和聯(lián)動控制于一體的智能化火災(zāi)預(yù)警系統(tǒng)投入實際生產(chǎn)應(yīng)用[28].

2.2.2 火災(zāi)管控策略

隨著國家和人民對煤礦安全生產(chǎn)形勢要求的提高，傳統(tǒng)粗放的火災(zāi)管控模式已經(jīng)不能滿足要求，亟需建立一套完備智能的火災(zāi)管控模式[29]. 煙氣導(dǎo)流是礦井火災(zāi)的管控重點?；馂?zāi)管控系統(tǒng)需要在探測到火情后，立刻計算最優(yōu)排煙路徑和人員逃生路線。同時，還要盡可能縮小火區(qū)風量，避免助長火勢。

限于實際生產(chǎn)礦井條件的復(fù)雜性，關(guān)于煙氣導(dǎo)流問題的研究，主要以計算機仿真模擬來開展。郝海清等建立了皮帶巷火災(zāi)區(qū)域網(wǎng)絡(luò)模型，分析煙流擴散和調(diào)控規(guī)律，并提出了兩種調(diào)節(jié)方法[30]. 周藝婷同樣以皮帶運輸巷為研究對象，采用風流短路法將災(zāi)變風流引入專用回風巷[31].

2.3 瓦斯突出管控系統(tǒng)

2.3.1 瓦斯突出預(yù)警技術(shù)

目前常用的瓦斯突出動態(tài)監(jiān)測手段有：微震監(jiān)測、聲發(fā)射、電磁輻射監(jiān)測和應(yīng)力監(jiān)測等。

隨著開采煤層的深入，瓦斯突出變得越來越頻繁，上述單一的地球物理技術(shù)手段已經(jīng)慢慢被替換成耦合多效應(yīng)監(jiān)測系統(tǒng)或基于深度學(xué)習的模糊監(jiān)測系統(tǒng)。邱黎明等人結(jié)合聲發(fā)射、微震監(jiān)測及瓦斯?jié)舛缺O(jiān)測等手段，預(yù)測煤與瓦斯突出危險。Li結(jié)合微震監(jiān)測和CT技術(shù)進行突出預(yù)測，也取得不錯的效果[32-33].

現(xiàn)有的瓦斯突出監(jiān)測技術(shù)還存在需要改進的地方。聲發(fā)射和微震監(jiān)測的監(jiān)測頻率范圍窄，精度也有所欠缺，應(yīng)力監(jiān)測的誤差較大，無法進行多維度同時監(jiān)測，且兩種方法的抗干擾能力都有限。在現(xiàn)有檢測技術(shù)沒有重大突破的情況下，未來應(yīng)該會更多地依靠大數(shù)據(jù)分析來提高預(yù)測的準確度。除此之外，基于大數(shù)據(jù)和人工智能算法的瓦斯預(yù)測也有不少成果[34-35].

2.3.2 瓦斯突出管控策略

當瓦斯突出后，極短時間內(nèi)高壓瓦斯便充滿整個巷道空間，直接影響風路的正常運行，嚴重情況下還會造成風路逆流。大量高濃度瓦斯會隨著巷道擴散，極易造成人員窒息事故，伴隨的瓦斯爆炸二次災(zāi)害會進一步加大事故損失。因此，瓦斯突出所噴射出的高壓瓦斯氣體是管控的重點。管控系統(tǒng)不僅要即時切斷暴露于瓦斯突出區(qū)域的設(shè)備電源，還應(yīng)第一時間封鎖高濃度瓦斯氣體。

瓦斯突出后，高壓瓦斯氣團的流動規(guī)律主要以計算機仿真來進行研究。孫曉元和余景孝分別研究了瓦斯流在交叉巷道和全巷道地形中的流動規(guī)律以及對通風系統(tǒng)的影響[36-37]. 瓦斯突出的重點還是以“預(yù)防為主”，但當事故發(fā)生后，各系統(tǒng)間的協(xié)同調(diào)控能力還不完善。

3 結(jié) 語

礦井智能化發(fā)展既符合時代潮流也契合國家戰(zhàn)略，但現(xiàn)有礦井的智能化技術(shù)僅僅局限于各個分系統(tǒng)的智能化、各項技術(shù)的智能化，更應(yīng)該加強各個系統(tǒng)間的智能化，這才是符合國家戰(zhàn)略的新型智能化煤礦。

未來應(yīng)該建立以通風系統(tǒng)為核心框架，嵌合多種災(zāi)害預(yù)警系統(tǒng)的綜合安全管理系統(tǒng)，即“安全與應(yīng)急管理系統(tǒng)”，或者說“大安全系統(tǒng)”。該系統(tǒng)旨在解決以下目標：實時動態(tài)監(jiān)測礦井生產(chǎn)狀態(tài)，生成礦井實時三維仿真示意圖，預(yù)測災(zāi)害危險程度、發(fā)生地點及波及范圍，根據(jù)災(zāi)害危險等級提前主動預(yù)警，優(yōu)選工作人員安全撤離路線，智能決策災(zāi)害處理方案。

相信隨著智能化示范礦井的建設(shè)，相關(guān)規(guī)范和標準會逐步確立起來，煤礦行業(yè)的第二個黃金十年正在到來。