基于工業物聯網的智能礦山基礎信息采集關鍵技術與平臺

賀耀宜，劉麗靜，趙立廠，周李兵

(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

當前，新一輪工業革命正在全球范圍內快速推進，全球科技強國都在忙于發展工業互聯網，并在核心技術、標準、平臺建設方面加速布局，無論是德國工業4.0、美國工業互聯網、中國智能制造2025，其本質都是要實現制造過程智能化，共同特點是利用物聯網技術實現工業物體互聯，通過大數據分析、計算，實現人與設備、工業系統深度融合，實現生產過程協同優化和精準控制，并最終實現智能化[1]。

煤炭工業作為我國重要的能源支柱產業，在國內能源消費結構中占主導地位，其智能化建設關乎國家整體智能化建設進程。隨著國家對煤礦智能化建設要求的提高和人口紅利遞減，建設數字礦山、智能礦山，推進煤礦自動化、信息化、智能化開采已成為行業共識。2020年初，國家發展改革委、國家能源局等八部委聯合發布了《關于加快煤礦智能化發展的指導意見》，對煤礦智能化建設提出了明確目標和時間節點，智能化技術領域涉及工業物聯網、云計算、大數據、人工智能、邊緣計算等，最終形成具有全面感知、實時互聯、自主學習、協同控制、動態預測能力的一體化、智能化安全生產過程系統[2]。因此，煤礦智能化作為煤炭工業高質量發展的最根本支撐，對于提升安全生產管理水平、保障煤炭穩定供給具有重要意義。

王國法院士指出，智能化煤礦的基礎支撐技術為礦山工業互聯網+煤礦大數據。煤礦智能化安全生產過程系統包括現場生產設備、感知裝置、執行裝置、物聯網傳輸裝置、區域邊緣計算裝置、地面安全生產協同管控平臺、大數據分析平臺等環節。煤礦智能化需要每個環節的智能化做支撐，每個環節的智能化需要數據來驅動，而數據則需要通過感知、交互等物聯網技術手段來實現。因此，研究基于工業物聯網的智能礦山基礎信息采集技術與平臺對于智能礦山建設顯得尤為重要。

1 工業物聯網關鍵技術

工業物聯網屬于工業領域的物聯網技術，其核心要義是在人與工業系統的各元素之間建立全面的互聯，通過數據流動和分析，形成工業系統的智能化變革。其能夠將具有感知、控制能力的各類采集傳感裝置、控制執行裝置，以及無線傳輸網絡、大數據分析平臺等技術融入到工業生產過程各個環節，進而提升生產效率、降低生產成本，最終實現傳統工業向生產過程智能化的轉型升級。因此，工業物聯網技術研究是一個跨學科工程，涉及傳感技術、數據交互技術和信息處理技術等領域。

(1) 工業物聯網需要解決泛在感知技術問題。工業系統涉及的設備數量龐大、信息泛化，對傳感器數量和易維護性要求很高，因此，價格低廉、體積微小、長時間免維護、智能化程度高的傳感器將成為工業物聯網應用的基石。這就要求傳感元件要小型化，能夠降低資源消耗；傳感裝置要智能化，具備自校準、自診斷、自學習、自適應、自決策能力，同時具備能量捕獲能力，以滿足長時間供電和維護要求。

(2) 工業物聯網需要解決數據的交互技術問題。現場泛化感知產生的數據需要被傳輸到區域邊緣計算節點/融合采集站或地面數據中心進行處理，才能產生相應的價值。一方面，感知數據要有身份標志，可以被識別；另一方面，要建立標準的交互協議，便于泛化感知數據可有效被接收，對于傳統在用的傳感裝置，需要研發相應的協議網關，便于兼容。

(3) 工業物聯網需要解決數據的傳輸技術問題。網絡是工業物聯網的主要組成部分，數據通過網絡可在系統的不同層次之間進行傳輸。目前有線寬帶網絡整體技術比較成熟，主要應用在主干傳輸和數據中心，但對于工業生產場所來說，由于傳感器數量較多，為了降低布線成本、方便維護，需要建設適宜于工業場所的無線傳感網絡，要滿足抗電磁干擾、高可靠、高安全、高帶寬、低時延、低功耗的特性，同時，為了滿足傳感器的動態擴展，需要工業無線傳感網絡具備自組網能力。

(4) 工業物聯網需要解決數據的有效處理和共享技術問題。工業系統的數據量比較龐大，被稱為巨系統，如何有效分析處理、存儲相關數據，并通過融合與挖掘分析，為工業生產提煉出有指導意義的成果非常重要；同時，工業數據應用是一個生態，要保證采集到的數據能夠被需要的各個環節和使用對象應用，從而實現數據的有機共享。

2 煤礦自動化與監測監控數據采集技術及平臺現狀

經過多年發展，國內煤礦自動化建設取得了矚目成就。大部分生產控制系統已經實現了遠程集中控制，部分生產控制系統需要監控中心遠程干預；針對礦井災害(如瓦斯、頂板、粉塵、火災、水害等)已經建立了相應的監控預警系統；針對井下移動目標(人和車輛)建立了位置監控系統；大部分煤礦還建設了礦井綜合自動化系統，對礦井各類災害、設備工況、移動目標實現了一體化監控。

2.1 煤礦自動化與監測監控數據采集技術現狀

煤礦企業在安全生產管理中產生的數據有4種方式：通過傳感器自動采集；通過手持設備采集；通過人工錄入采集；通過第三方軟件平臺自動采集。本文重點介紹基于傳感器和第三方軟件平臺的數據自動采集技術。

在監測監控和生產過程控制技術方面，各環節所使用的傳感技術在智能化方面有了大幅度提升，但仍以傳統工藝為主，包括催化燃燒、激光、紅外、電化學等技術，由于基于傳統技術工藝的傳感器功耗較高且多采用有線傳輸，導致在遠距離傳輸時有一定局限性，且移動、維護極不方便；傳感器設備已經實現了數字化，但由于缺少行業標準，各廠家的傳感器只能為自己的系統所使用，無法實現傳感器數據共享，導致當不同廠家的自動化系統需要對同一地點的環境工況進行監控時，需要重新布置傳感器，造成設備資源浪費；煤礦智能化需要對環境工況實現泛在感知，目前的傳感器布置點少，無法實現對井下受限空間的連續數據采集，難以滿足泛在感知要求。

在監控類系統集成方面，煤礦綜合自動化系統和礦山局的各類遠程監控聯網系統通過在應用層面建立第三方數據通信協議，將數據從其他系統上位機軟件匯聚到一起，做了分類存儲和分頁展示，不同系統產生的數據在時間和位置上沒有統一，且相同作業區域的數據屬性也不盡相同，本質上只是對數據進行了堆積，并未使數據之間產生真正的關聯、產生有用的價值。

2.2 煤礦自動化與監測監控數據處理平臺現狀

目前，煤礦自動化與監測監控系統主要以單系統為主，每個監控系統都是以某類監控業務為主，有自己的監控系統軟件平臺，如安全監控系統、人員定位系統、膠帶運輸監控系統、膠輪車監控系統、通風機監控系統等。由于系統軟件平臺相對獨立，相互之間沒有關聯，導致出現“煙窗”式發展，各系統之間數據相對孤立，難以實現數據之間的融合，對于大數據分析非常不利，嚴重阻礙了智能礦山建設。雖然出現了綜合自動化系統，但從目前使用效果來看，未達到預期效果。由于該系統同樣是通過在應用層面建立第三方數據通信協議，將數據從其他系統上位機軟件匯聚到一起，本質上只是將原來的系統數據從上位機搬到了綜合自動化系統，不同系統產生的數據在時間和位置上沒有統一，且數據之間沒有產生關聯關系，如同一作業地點在不同系統中可能會產生不同命名，導致難以實現數據的綜合利用。

3 基于工業物聯網的智能礦山數據采集流程與關鍵技術

工業物聯網充分利用感知技術對物理世界進行感知識別，再通過網絡互聯、計算、處理，實現人與物、物與物之間的信息交互和無縫連接，達到對物理世界實時監測與控制、科學管理的目的，形成真正意義上的信息物理系統(Cyber-Physical Systems，CPS)。

3.1 智能礦山數據采集流程

要建設智能礦山，首先要實現礦山數字化，使礦井作業現場的安全生產狀況能夠以數字化形式全部體現，這就需要利用工業物聯網技術在煤礦作業現場及大型設備上布置大量感知裝置采集現場的環境參數、移動目標位置、大型設備運行狀態、各類感知對象位置信息等，并實現這些信息在礦井數據采集與處理各環節之間的傳輸與交互、計算，根據信息邏輯計算結果對井下設備進行相應控制執行。由于煤礦井下泛在感知產生的數據量比較龐大，對于感知設備的功耗、智能化程度，以及無線傳輸網絡的帶寬、時延提出較高要求。同時，為了保證感知信息可以實現共享，需要對感知設備進行唯一身份識別，并制定規范的數據交互協議。為了保證感知信息高效處理與實時互聯，可參考工業互聯網云、邊、端體系架構對智能礦山數據采集流程進行規范處理[3-4]，具體如圖1所示。

圖1 基于工業物聯網的智能礦山數據采集流程Fig.1 Intelligent mine data acquisition process based on industrial Internet of things

根據智能礦山感知需求，生產現場的智能端設備數量比較龐大，產生的數據也是海量級的，需要進行分級處理以保證信息處理的時效性，可根據實際情況通過高帶寬無線自組網形式或有線方式接入井下作業現場邊緣計算節點/融合采集站[5]。邊緣計算節點/融合采集站一方面負責現場環境、工況數據的自動采集與分類，另一方面對區域范圍內采集到的人、機、環等信息建立相應的信息處理模型并進行綜合分析處理，進而控制現場控制執行裝置的執行，形成區域范圍的協同控制與聯動機制。由于智能礦山整體需要基于工業物聯網技術交互數據且保證數據交互協議的一致性，所以邊緣計算節點/融合采集站還需要對區域范圍內收集到的數據進行協議的標準化處理，再將數據以標準統一的格式傳輸給地面邊緣計算服務節點，由地面邊緣計算服務節點通過協調機制實現對井下各作業現場人、機、環等信息的協同監控與管理，形成全礦基于工業物聯網的統一智能體。地面邊緣計算服務節點可根據實際計算能力配置數量，由于采用了分布式數據采集與交互技術，保證了井下各系統運行的獨立性。

要實現煤礦工業數據的互聯，并對外部系統提供數據，必須在地面建立大數據云處理平臺。通過該平臺，一方面可實現全礦井數據的集中統一管理，還可建立云生態，讓專業大數據分析廠家利用已有開放數據進行大數據分析處理；另一方面可通過互聯網對外發布數據，以便開發滿足不同管理需求的工業APP。

3.2 智能礦山數據采集關鍵技術

(1) 針對礦井作業現場海量數據的泛在感知需求選用合適的感知技術。① 根據研究可選用基于微機電系統(Micro-Electro-Mechanical System，MEMS)工藝的傳感元件作為感知單元，該元件具有功耗低、體積小、成本低、可大量應用等特點[6-7]。目前，基于MEMS工藝的振動、壓力傳感器和用于空氣質量檢測的氣體傳感器已經在地面工業場所大量應用，而應用于煤礦井下的基于MEMS工藝的振動、壓力傳感元件和CH4，CO，CO2氣體傳感元件和模組已經在實驗室進入性能測試驗證階段，研究分析表明，后期可為智能礦山泛在感知提供技術支撐。② 作為作業現場的數據采集裝置，還需要配置定位精度較高的位置服務模組，只有具有時間和位置標簽的感知數據才是真正有意義的工業物聯網數據。目前，基于超寬帶(Ultra Wide Band，UWB)技術的靜態定位精度已達30 cm以內，下一步主要研究工作是降低功耗，使之可以與MEMS傳感模組配套使用。③ 由于泛在感知的節點較多，為了降低維護工作量甚至做到傳感器免維護，一方面可研發適合于煤礦井下傳感設備的能量收集與轉換儲存裝置，來延長傳感設備供電時間，針對井下巷道風流、管道內流體動力、大型機電設備機械傳動等不同場景,可選擇不同原理的能量收集技術進行合理利用，重點解決不同能量收集技術中的微能量自適應轉換技術、能量高效自動捕獲技術和能耗平衡技術問題[8]；另一方面，可從環境參數與老化補償、參考點佐證、監控系統數據反哺等方面研究感知設備的自動標校技術，以延長傳感器標校時間，從設置故障探針、增加輔助檢測技術等方面提高傳感器自身的智能化水平。

(2) 泛在感知設備到邊緣計算節點/融合采集站的數據交互技術。由于泛在感知設備數量較多，要實現感知設備數據共享和唯一性，需要對底層智能感知節點、智能大型設備、報警裝置、控制執行裝置等按照工業物聯網要求進行統一編碼，使其具有唯一的識別標簽。目前，國際上應用比較廣泛的物聯網編碼體系有GS1，EPC，Ecode，OID等[9-13]，經過研究分析對比，由于OID編碼技術采用樹狀結構，可根據實際情況分多個層級，不同層次之間用“.”分隔，可擴展性強，是統一標志的最佳方案，適合作為煤礦物聯網對象標志方案[14-15]。智能礦山物聯網對象編碼規則如圖2所示。1.2.156是OID的頂層固定編碼，代表中國；煤礦物聯網節點編碼為煤炭行業標志，由煤礦物聯網對象標志管理機構向國家OID注冊中心申請注冊；煤礦物聯網信息化分類節點編碼是物聯網對象的分類標志，由煤礦物聯網對象標志管理機構制定與分配；組織機構編碼是為煤礦企業提供產品或服務的組織機構的標志碼，由統一社會信用代碼表示；具體編碼為物聯網對象在出廠或使用時的具體身份標志，一般分為人和設備，人的編碼由煤礦企業編制，一般為員工工號，設備編碼由設備分類代碼、設備型號代碼、設備序列號代碼三部分組成(圖3)，后面還可根據實際情況進行擴展。

圖2 智能礦山物聯網對象編碼規則Fig.2 Object coding rules of Internet of things in intelligent mine

圖3 智能礦山物聯網對象具體編碼Fig.3 Object specific coding of Internet of things in intelligent mine

所有具有編碼標志的現場有線智能感知終端通過工業現場總線就近接入邊緣計算節點/融合采集站，而大量無線智能感知單元則通過無線自組網及通信網關接入工業現場總線，并與邊緣計算節點/融合采集站互聯互通。目前，比較成熟的無線自組網技術有ZigBee，SmartMesh，LoRa等，由于智能礦山泛在感知節點較多，局部區域需要較大的傳輸帶寬，ZigBee，SmartMesh，LoRa屬于低速網絡而無法滿足需求，而最新的5G技術功耗大、成本高，短期內難以大量使用。通過研究分析，針對礦井巷道的線型空間，需要研究新的低功耗、高寬帶無線網絡技術與設備，采用適用于線型空間的鏈狀結構無線自組網拓撲結構，各基站之間鏈狀無線連接，并通過通信網關接入工業網絡，各感知節點(包括移動節點)可同時與2個基站建立連接，形成主備鏈路，主鏈路正常時，備鏈路僅保持連接而不傳數據，同時對路由協議進行優化，實現路由自發現和故障自恢復，從而保證鏈路的穩定可靠，如圖4所示。目前，階段性成果達到可同時接入512個節點，單節點傳輸時延≤50 ms，傳輸數據帶寬≥10 kbit/s，通信距離≥15 m，能夠滿足礦井末端無線自組網傳輸要求。

圖4 泛在感知設備到邊緣計算節點/融合采集站的數據交互Fig.4 Data interaction between ubiquitous sensing device and edge computing node/fusion acquisition station

(3) 邊緣計算節點到地面邊緣計算服務節點的數據交互技術，以及地面邊緣計算服務節點到云端數據中心的數據交互技術。由于現場邊緣計算節點/融合采集站到地面邊緣計算服務節點之間具有高速、穩定、可靠的工業以太網或5G網絡，數據傳輸路徑得到保障；由于工業物聯網具有一定的開放性，為保證數據傳輸安全，需要對上下行數據進行加密處理，并且有權限管理。王國法院士指出，智能礦山是一個巨系統，任何一個單位都沒有能力獨自建設，需要構建生態圈，集行業精英力量進行協同攻堅。在數據交互協議方面，由于行業內缺乏統一的物聯網交互協議，已有的任何一個物聯網協議都有某一方面的特殊優勢，為了實現礦井作業現場感知單元的統一數據交互，需要在地面邊緣計算服務節點上采用加載協議驅動的方式來兼容現場邊緣計算節點/融合采集站[16]，當全行業物聯網協議統一后，只需加載1種協議即可。對于工業物聯網協議來說，需要從信息互聯互通互操作入手，解決好2個關鍵問題：① 現場邊緣計算節點/融合采集站具有提供自身信息和服務的能力，包括信息內容、描述、組織方式、具體格式等，即數據建模。② 現場邊緣計算節點/融合采集站與地面邊緣計算服務節點之間如何通信，包括具體步驟、消息格式等，即交互協議[17]。

由于整個礦井數據量龐大，地面邊緣計算服務節點需要采用分布式處理技術將多個節點虛擬為一個整體處理單元，提高數據處理能力和效率。云端大數據分析平臺需要接入更多礦井數據，因此開放性更強，可在地面邊緣計算服務節點與云端大數據分析平臺之間采用生產者和消費者模式交互數據[18-19]。由于數據總線技術采用生產者、消費者模式，數據生產者將提供的數據通過標準接口發布到總線上，而數據消費者通過在總線上查找需要的數據服務可獲取相關數據，能夠滿足地面邊緣計算服務節點與云端大數據分析平臺之間的數據交互需求，如圖5所示。

圖5 邊緣計算節點與地面邊緣計算服務節點及云端大數據分析平臺的數據交互Fig.5 Data interaction among edge computing node, ground edge computing service node and cloud big data analysis platform

通過構建基于云、邊、端的工業物聯網體系架構，使每個礦井作業現場的低功耗泛在感知節點具有唯一身份標志、長時間免維護工作能力、環境工況與位置感知能力、節點數據共享與交互能力，進而為智能礦山基礎數據采集提供可靠的技術手段和途徑。

4 智能礦山基礎信息平臺設計

基于工業物聯網的智能礦山數據采集技術需要配套的智能礦山基礎信息平臺，才能實現真正意義上的礦井一體化智能。該平臺采用私有云技術部署在地面邊緣計算服務節點上，一方面實現井下各類自動化系統的數據融合與聯動控制，另一方面為部署在云端(支持私有云化)的大數據平臺提供自動化數據支撐。智能礦山基礎信息平臺結構如圖6所示。

圖6 智能礦山基礎信息平臺結構Fig.6 Structure of intelligent mine basic information platform

智能礦山基礎信息平臺設計思路：全礦井只需使用1套具有融合能力的軟件平臺與井下作業現場各類感知設備、智能裝備、控制執行裝置和邊緣計算設備進行通信與數據交互，突破原有各自動化系統均建立1套監控軟件的限制，實現真正意義上的煤礦井下人、機、環一體化監測監控。

(1) 建立統一的技術和服務體系。包括統一的技術架構、技術棧，統一的主數據，統一的數據存儲機制，統一的數據模型，統一的權限和用戶界面(User Interface，UI)模式，統一的數據同步與雙機熱備機制等，這些技術和服務體系的統一可有效保障在同一軟件平臺下實現多種業務有機融合。例如統一全礦井主數據(主數據主要指企業內各類系統間需要共享的數據)，將系統間最核心、最需要共享、最需要被各系統重復使用的數據進行統一構建，并以服務的方式提供給需要使用數據的各類系統，保證數據在各系統之間的準確一致性[20-21]。智能礦山基礎信息平臺對全礦井各類監控系統需要共用的核心數據建立主數據，如用戶權限、設備安裝地點、作業區域、組織機構、人員信息、感知設備的描述及狀態等，并以服務的方式提供給需要使用相關數據的自動化系統，保證同類數據在不同自動化系統中具有一致的描述。這些數據在以往的系統中具有不同描述，在數據融合時需要翻譯。

(2) 建立統一的基于物聯網的數據采集模式。智能礦山基礎信息平臺作為承上啟下的環節，需要能夠采集礦井作業現場所有人、機、環數據，理想狀況是現場邊緣計算節點/融合采集站輸出的協議是統一的物聯網協議，這樣對現場數據的采集只需1種方式即可。目前，由于相關信息的底層邊緣計算節點/融合采集站分屬于不同廠家的專業系統，輸出協議不統一，為了考慮兼容性，需要采用掛接協議驅動的方式，將私有協議封裝成驅動動態鏈接庫(Dynamic Link Library，DLL)，則智能礦山基礎信息平臺可通過加載適配不同的協議驅動來實現不同廠家專業系統的數據采集。采集后的數據可根據軌跡類或離散類轉換成通用的數據結構放入基礎公共數據緩沖區，并通過編碼標準對原始數據進行標志，包括模擬量/數字量/控制命令、移動目標位置信息、設備配置信息等，進一步增強數據采集的開放性。

(3) 建立統一的數據處理與存儲機制。煤礦安全監控與生產控制系統數據主要分為兩類：離散類數據(如模擬量、數字量、控制量數據)和移動目標軌跡類數據。可結合不同類型數據的處理規則對基礎公共數據緩沖區的原始數據進行統一分類處理，形成具有數據標簽的安全生產過程數據、移動目標位置數據、故障/報警數據等，并放入數據服務區，通過訂閱發布對外提供數據服務，同時根據數據的實時性特點分類存儲在實序數據庫、關系數據庫中，過程數據可通過Redis實時數據管理技術進行持久化處理。數據融合處理后形成的控制指令或工業APP發送的控制指令通過下行通道到控制命令緩沖區，根據優先級實現對現場設備的聯動控制。

(4) 建立數據融合與發布機制。智能礦山基礎信息平臺是一個融合全礦井安全生產數據的平臺，通過統一的關鍵技術與基礎服務、統一的數據處理方法、統一的數據服務區，使各類不同的自動化系統有機融合，形成全礦井一體化基礎信息平臺。為實現工業物聯網互聯，保證信息滿足邊緣計算服務節點自身的工業APP應用或傳輸給云端大數據分析平臺，需要將服務區的數據采用標準統一的數據發布手段進行開放共享。根據研究分析，數據總線技術能夠滿足智能礦山基礎信息平臺與云端大數據分析平臺之間的數據交互需求[22-23]，煤礦用戶也可通過獲取數據總線上的數據，開發適用于不同場所的工業APP和工業機理模型，建立以報表、二三維地理信息系統(Geographic Information System，GIS)、可縮放矢量圖(Scalable Vector Graphics，SVG)等為主的人機交互模式，滿足煤礦安全生產管理需求。

5 結論

(1) 分析了煤礦自動化與監測監控數據采集技術及平臺現狀，提出了面向工業物聯網的智能礦山基礎信息采集流程與關鍵技術，將云、邊、端體系架構進行豐富并應用到煤礦工業物聯網，通過作業現場的低功耗泛在感知節點、井下邊緣計算節點/融合采集站、地面邊緣計算服務節點3個關鍵環節，融合基于工業物聯網的關鍵數據采集技術，為滿足智能礦山對于大樣本數據感知、數據共享、分級交互與融合、互聯互通的要求提供技術支撐。

(2) 設計了基于微服務技術架構的具有數據融合能力的分布式智能礦山基礎信息平臺，保證只需1套軟件平臺即可實現全礦井各類智能感知數據的采集、分類存儲、交互、融合分析，并實現與控制執行裝置的聯動控制。該平臺突破原有各自動化系統“煙窗”式建設、數據之間沒有交集的限制，通過分布式部署提升數據處理能力，實現真正意義上的煤礦井下人、機、環一體化監測監控。該平臺作為全礦唯一的數據源，為工業APP和云端大數據分析平臺提供一致的數據。

(3) 后期的研究重點將主要圍繞提升數據采集關鍵技術指標、優化平臺性能、構建應用生態圈，為智能礦山建設提供切實可行的技術與解決方案。