智能化煤礦監控與巡視作業行為模式與認知機理研究綜述

栗繼祖，徐麗麗，郭彥豫，李妙慧，龐曉華

(太原理工大學，山西省太原市，030024)

1 智能化煤礦監控與巡視作業研究背景

2019年全國規模以上煤炭企業產量總計37.5億t，有近300萬礦工在井下惡劣、危險環境下從事煤炭開采作業。2019年歲末，全國接連發生6起較大事故，4起重大或涉險事故，58名礦工失去生命。“少人則安、無人則安”，智能化設備代替礦工從事危險繁重的開采作業，是實現煤礦本質安全的有力保障。 近10年來，我國設立了“十二五”國家863計劃重大項目、“973計劃”“科技強安專項行動”《能源技術革命創新行動計劃(2016-2030年)》《新一代人工智能發展規劃》《中國制造2025-能源裝備實施方案》《產業結構調整指導目錄(2019本)》等一系列規劃，都將煤礦智能化作為重點研發鼓勵項目。在國家科技計劃的支持下，在煤炭行業產學研部門的不懈努力下，目前已成功在煤礦工作面實現了“無人操作、有人巡視”的智能化開采模式，工作面所有設備均由設在巷道和地面的調度中心進行遠程操控。截至2019年底，全國已建成200余個智能化采煤工作面[1]。2020年11月25日，國家能源局、原國家煤礦安全監察局確定71處煤礦為國家首批智能化示范建設煤礦。但目前我國煤礦智能化尚處于初級階段[2]，在技術、工藝、管理上還存在許多未解的難題，煤礦智能化的發展既需要裝備技術的研發，也需要適用于智能化變革的企業管理等軟實力的提升[3]。

目前，我國智能化開采以工作面綜采自動化結合遠程可視化干預這種技術模式為主，對智能自適應開采技術模式的探索尚停留在理論層面[4]。在現有的技術條件下，智能化開采必須在工作面巡視員和巷道監控員的協同作業下才能正常運作。由于地質條件不穩定，無法預測煤層賦存狀態，智能化開采還不能完全離開人的智慧，需要發揮機器和人各自的特長，規避人機各自的短處[5]。由于智能化開采系統研究的最終目的是代替礦工來控制開采過程的推進，因此對一個具有自適應開采功能的智能化系統來說，它的控制特性應該與熟練并具有專業操作技術的礦工的認知和操作行為基本一致。這就為智能化開采的理論研究提供了一條新的研究思路——從礦工認知和行為特性的角度出發來研究智能化。并且為減少“自動化驚奇”，復雜智能設備必須能夠用用戶容易理解的術語解釋自己的行為，最好通過嘗試將用戶的決策過程模型合并到程序模式中來實現[6]。近年來的研究表明，基于智能化開采技術的研發亟待解決的問題，對智能化工作面巡視員和巷道監控室監控人員的行為心理分析研究，不但可以解釋、模擬和預測礦工的行為, 為智能化工作面人員管理模式優化提供行為心理數據支撐，而且可以為智能開采設備自主決策控制系統和工作面巡檢機器人的研發提供行為和認知模型參考。

在傳統煤礦安全管理問題研究中，礦工的行為研究一直以來是一個重要領域，礦工的不安全行為是煤礦安全事故的最主要原因[7]。對于處于智能化初期的礦井而言，智能化設備可以使礦工從繁重、重復的機械作業中解放出來，現在從事遠程干預、參數調整、巡視監控等方面的工作，體力負荷大幅下降，但需要更高的認知水平，而且心理負荷明顯上升并且會誘發新型的被動疲勞[8]，降低監控人員對生產情境的感知，增加緊急應對操作的反應時間和錯誤率，導致重大安全隱患。這是因為智能化技術使礦工從手動控制者變為被動監控者，這種角色轉化帶來的隱性風險是心理負荷和刺激不足，尤其是長時間的單調監控作業后更為常見，所以更容易影響監控員與巡視員的工作績效并帶來安全性的下降[9]。在已應用智能化開采技術的山西某煤礦，僅2019年3月智能化工作面人為原因造成的生產事故就達86起，損失工作時間5 877 min，造成直接經濟損失約為2 000萬元，這些影響煤礦正常生產的事故每天都在各個工作面重復出現，卻因無人員傷亡而被忽視。因此，有必要對監控人員和巡視人員進行基于心理行為的作業分析，這有助于了解智能化設備協同作業對人員的行為要求和認知能力需求，達到“人-崗”能力需求動態匹配，對建立智能化工作面自主決策和自適應模型，保障煤礦企業安全生產，都具有重要的指導意義。

2 國內外研究現狀及發展動態

2.1 煤礦智能開采及其他智能系統自決策研究現狀

2020年3月，國家發改委、科技部、教育部等八部門印發了《關于加快煤礦智能化的指導意見》，指出煤礦智能化是煤炭工業高質量發展的核心技術支撐，是將人工智能、工業物聯網、云計算、大數據、機器人、智能裝備等與現代煤炭開發利用深度融合，形成全面感知、實時互聯、分析決策、自主學習、動態預測、協同控制的智能系統[10]。智能化是煤炭產業發展的必然之路，智能化開采是精準開采的重要支撐[11]，也是建設智慧礦山的核心[12]。智能感知、智能決策和自動控制是智能化開采的三要素[13]。但目前，我國綜采裝備尚不能智能感知工作面地質條件變化，并通過智能分析決策系統進行裝備及工藝的自適應調整，還需依賴于監控員和巡視員的監視與操作。因此，王國法[14]，范京道[15]，唐恩賢[16]等指出：我國智能化開采整體技術尚處于初級階段。需要不斷開展技術創新來解決自主決策和自適應控制采煤的問題。譚章祿等[17]在全局性地提出了智慧礦山建設的指導理論以及須突破的關鍵技術后，認為通過智能模型的構建使得系統具有人類大腦的功能，從而實現設備自適應聯動、自動學習和自動模擬決策。

同時，由于全國各地煤礦煤層賦存條件的復雜多樣性，各企業生產技術和管理水平的不平衡，要真正實現智能化無人綜采技術常態化應用，不僅需突破一系列關鍵技術和裝備，更需提高煤礦智能化開采的管理水平，提倡專業化的生產作業、設備維修、技術指導，提升每一個生產環節的效率和質量[18]。

2.2 智能系統自主決策研究現狀及研究動態

20世紀中葉以來，隨著計算機技術、控制論、人工智能技術的興起和發展，很多具有人類智能的機器被研發并投入使用[19]，為了使機器更多地代替人的工作，這就需要系統實現更多的認知模擬功能[20]，這與認知科學的研究范疇相一致。認知科學目的是識別行為產生的心理過程，用ANDERSON[21]的解釋就是找出輸入映射到輸出的函數。知覺、記憶、行為選擇和其他認知過程通常會與高層認知功能相互作用，這種高層認知功能其中之一就是決策過程[22]。通過對認知過程進行分析建模，對智能系統設計有重要價值：綜合各種已有方法來模擬人類的高層認知能力，提高在系統復雜環境中的問題求解能力，以此來解決實際中遇到的復雜問題[23]。

駕駛員認知建模為汽車智能控制設計提供了重要參考：郭孔輝等[24]通過大量的實際駕駛人員的試驗數據，辨識出各種水平的駕駛員最優預瞄曲率控制模型，為改進智能車控制系統的設計提供了依據；張文明等[25]通過進行駕駛員模擬巷道行駛，對駕駛員行駛信息進行統計處理得到駕駛員操作規律，建立了基于駕駛員行為的神經網絡駕駛控制系統，在此基礎上較好完成了巷道環境下的無人駕駛試驗；SALVUCCI等[26]在多車道高速公路環境中，基于ACT-R(Adaptive Control of Thought-Rational)認知架構開發的集成駕駛員模型，該模型關注于控制、監控和決策的組成過程。

在機器人研發過程中，如果一個系統設計時使用類似于人的思維過程和表達，那么它會比不使用的系統更自然地與人交互[27]，KENNEDY等[28]人提出一種基于ACT-R認知架構和心理仿真的社交機器人設計方法，并證實其合理可行性；王雪，庫濤等[29]基于SOAR(State Operator And Result)認知架構設計了一種預見性自適應行為模型，并在移動機器人的行為規劃中應用了該模型。

認知科學在電力系統很多工程實踐中得到應用，已展現出廣闊的應用前景[23]，張力等[30]在操縱員訪談及現場觀察基礎上，基于改進IDA(Information Decision and Action)模型建立了操作任務持續快速變化背景下的操縱員認知行為模型，識別了操縱員在執行調峰任務時的認知過程。

自主決策技術是提升無人作戰飛機在現代戰爭中作戰能力的重要手段，唐長林，黃長強等[31]提出一種基于飛行員空戰經驗的智能戰術決策方法，用基于情境構建的經驗型隱性知識表示方法將飛行員空戰決策經驗知識顯化表示，為自主空戰過程中無人作戰飛機自主決策提供解決方案；符德江，沈模衛[32]以EPIC (Executive-Process/Interactive-Control)認知架構為基礎，建立了一個虛擬飛行員飛行過程的計算模型，并對人在復雜任務下的作業績效進行了仿真并證明了模型具有良好的預測能力。

認知架構是一個適用于許多不同行為的定量模型，當今世界上約有50種認知架構，典型的有ACT-R、EPIC和SOAR，其中又以ACT-R最為成熟且應用最廣[33]，其開發者依據心理學信息加工的相關基本理論，結合注意、視覺、記憶、運動等行為與心理學相關研究成果，在假設的基礎上提出ACT-R的認知架構[34]。

2.3 礦工認知狀態-行為-安全績效關聯效應研究現狀及研究動態

REASON[35]指出由于人的失誤而導致的事故占事故總數的80%。在我國，煤礦事故中人為原因所占比率達到90%以上[36]，在以往對人失誤的研究中，分析范疇和分類是多樣性的、相輔相成的[37]：通過一些方法(如觀察法[38]、問卷調查法[39-41]、試驗法[42-43]、模型仿真法[44]等)來識別和分析人失誤的影響因素，如領導[45-46]、輪班制[47-48]、工作環境[49]、壓力[39,41]、注意力[50]、性格[51]、認知[52-53]、疲勞[54]、情緒[43,55]、心理健康[56-57]、能力[58]等，關注人的因素的研究基本都包含了這些研究范疇[59]。田水承等[60]在實驗室環境下測量疲勞前后狀態下礦工操作行為的生理指標(心率、呼吸、肌電)、雙臂協調能力(錯誤次數、操作用時)及注視點持續時間進行數據采集與記錄，研究發現疲勞前后個體生理指標、礦工雙臂協調能力及注意力分配情況存在顯著差異。管理者的領導風格對礦工安全行為也有影響[61]，曹慶仁等[62]運用結構方程模型對691份礦工的調查問卷進行分析，研究管理者的設計行為和管理行為對礦工不安全行為的影響作用；李廣利等[55]基于243份調查量表數據，采用Bootstrap法分析了礦工情緒智力對安全績效的直接作用及組織公民行為的中介作用；李敏，李開偉等[63]研究被試執行追蹤作業時噪聲引起的皮電、心率變化及其對注意力的影響水平。

隨著智能化設備的應用，礦工的作用和地位發生明顯轉變，需要承擔更多信息加工成分的監控作業，即認知性監控作業，人失誤的分析也應隨之調整。目前有關礦工監控作業失誤的研究鮮見報道，但在其他復雜系統相關研究已經展開。馮海芹，廖斌等[64]設計模擬認知性視覺顯示終端持續監控作業的試驗，試驗結果證實眼動指標(視時間、瞳孔直徑、眨眼頻率)對腦力負荷評估有顯著影響；KIM[65]通過模擬試驗證實監控任務的復雜程度可以通過瞳孔變化率來表征；汪磊，孫瑞山[66]提出一套基于面部特征識別的空中交通管制員疲勞實時監測方法，確定PERCLOS(Percentage of Eyelid Closure Over the Pupil Over Time)值、平均閉眼時長、哈欠頻率3個疲勞判定指標。

通過對相關研究的梳理，可以看出在影響礦工行為的動力機制中，個人因素和組織因素密切相關，相互交織，內容主要集中在識別影響礦工行為的因素上，對于這些因素對礦工不安全行為的影響程度、影響路徑還沒有統一的觀點。對于礦工的生理及心理指標的試驗研究才初步展開，眼動指標及其他生理指標對認知性監控作業認知狀態有顯著相關性，相較于其他復雜系統如航空、航天、核電、汽車駕駛等領域，煤礦的相關研究相對滯后。

3 智能化煤礦監控與巡視作業研究亟待解決的問題

智能化是我國煤炭行業的必然選擇，自主決策和自適應開采是當前煤礦智能化發展道路上的關鍵技術，自主決策和自適應系統的研發需要有現場操作人員(監控員、巡視員)的認知模型支撐，目前這個領域亟需展開針對智能化工作面關鍵人員認知模式的研究。

對于非智能化礦井人因研究，研究對象都是“礦工”，而在煤礦生產過程中，不同礦工之間從事的工作內容有很大差異，之前學者們的研究大多將礦工從工作環境、工作內容中剝離出來，鮮有結合作業特性分析具體工種礦工的不安全行為；研究方法主要采用問卷調查法，對于礦工的生理及心理指標的試驗研究才剛剛展開，并且由于之前實驗儀器使用環境的限制，生理心理指標數據大多源于實驗室，致使工作環境、作業特點等因素被忽視，使研究結果產生一些偏差；現有研究內容大多集中在靜態指標分析，對于智能化礦井人因研究則未見報道。基于作業行為分析，結合工作場所一般場景以及虛擬仿真應急場景下的實時采集生理心理數據，通過指標數據分析構建監控員/巡視員認知表征測量體系，建立監控/巡視認知模型和認知-行為-安全績效綜合評估模型，探索智能化系統中交互行為的前景狀態和最優協作模式，對智能化礦井建設具有極為重要的研究理論和實踐價值。

4 煤礦智能化監控與巡視作業未來研究展望

針對智能化在煤礦應用實踐過程中暴露出的人員行為安全和組織管理模式滯后現象，依據工作現場真實場景下及虛擬仿真應急場景中監控員、巡視員生理心理數據以及環境參數的采集，現場行為視頻采集的作業過程特征分析，以及企業對工作面影響生產事件記錄的統計結果，綜合運用煤礦智能化生產技術科學、認知科學、行為科學、人因工程學、安全科學與系統科學等理論方法，在智能化人機協同作業背景下，探索監控、巡視作業行為模式與認知機理及其對人員安全績效的交互影響。主要工作包括：基于工作現場實時生理、眼動數據建立認知狀態表征體系；建立認知-行為仿真模型明確作業過程人員認知機理；探索認知-行為-安全績效交互作用設計適應智能化變革的管理模式；基于自動化分類的人機協作模式設計適應智能化變革的管理制度等。