智慧露天礦山總體框架及關鍵技術研究

付恩三， 劉光偉， 趙浩， 曲業明， 邸帥， 姜琳

(1.應急管理部 信息研究院，北京 100029；2.遼寧工程技術大學 礦業學院，遼寧 阜新 123000；3.應急管理部 研究中心，北京 100713；4.內蒙古吉林郭勒二號露天煤礦有限公司，內蒙古 錫林浩特 026200)

0 引言

露天開采是一個復雜的系統工程，涉及的系統繁多、工藝復雜、各環節作業場所關聯度高。隨著我國工業化和信息化融合不斷加深，露天礦山企業建設了相應的信息化系統和業務平臺，使得露天礦山各生產業務部門的信息有效共享，實現了生產、管理、安全、銷售等各環節融為一體的新局面。隨著云計算、人工智能、物聯網和大數據等技術快速發展，出現了智慧城市、智慧醫療、智慧物流、智慧林業、智慧農業等新興發展模式[1]。充分利用云計算、大數據、三維云平臺等手段，進行多源數據深度分析和學習，以最小生態擾動為目標，建設融安全、綠色、環保、高效、智能、可視化于一體的新型智慧礦山具有重要意義[2]。

目前對智慧露天礦山總體建設框架的研究較少。王國法等[3]對我國智慧礦山建設進行了規劃，但主要側重于井工煤礦；王忠鑫等[4]提出了基于建筑信息模型的智慧露天礦協同工作平臺架構與關鍵技術。王祥生[5]提出了智慧露天礦安全系統平臺建設。張瑞新等[6]提出了智慧露天礦山建設基本框架及體系設計。付恩三等[7]提出了基于“互聯網+”智慧露天煤礦建設發展新構想。趙國瑞[8]針對煤礦智能開采初級階段問題與5G應用關鍵技術進行了研究。在上述研究的基礎上，本文以構建具有深度學習能力的智慧露天礦山為目標，研究了智慧露天礦山的總體框架和關鍵技術，以期形成具有感知、互聯、分析、自學習、預測、決策、控制等功能的完整智慧礦山系統[9-10]。

1 智慧露天礦山定義

近年來，國內專家學者相繼提出感知礦山、智能礦山、智慧礦山等概念，但從整個礦山行業來看，目前并未形成明確統一的智慧礦山的概念，也未形成統一的評價指標體系、建設思路和規范體系[11-12]。許多礦山企業宣稱已建成智慧礦山，但建成的智慧礦山水平差異較大[13]。目前，整個露天礦山迫切需要對現有自動化設備進行智能化改造，對海量數據進行深度挖掘分析，將不同維度的數據信息進一步關聯，從而使整個礦山具有自我分析和決策的能力[14-18]。

智慧露天礦山的建設需要構建快速感知、實時監測、超前預警、聯動處置、系統評估、應急聯動等新型能力體系，提升數字化管理、網絡化協同、智能化管控水平，形成完善的露天礦山支撐和服務體系，實現更高質量、更有效率、更可持續、更為安全的發展模式[19-23]，最終實現開采無人化、監測感知實時化、風險預警智能化、應急處置快速化、綠色開采一體化的智慧露天礦山新生態。

結合我國露天礦山的特點，給出智慧露天礦山的定義：智慧露天礦山是一種全新的礦山生態，通過關鍵的基礎設施和創新應用新技術，在礦山優化開采工藝的基礎上，融合礦山地理信息、人員信息、設備信息、環境信息、管理信息等多維數據，實現露天礦山全面互聯、協同開采、災害預警及上下游產業鏈、價值鏈的全面融合，不斷創新傳統礦山生產模式和產業形態，推動礦山企業加速產業升級轉型，最終提升露天礦山的自學習、分析和決策能力。

2 智慧露天礦山架構

2.1 總體網絡架構

智慧露天礦山采用云、邊、端的總體網絡架構，如圖1所示。端：指接入的生產業務系統中的設備，主要實現各生產環節感知數據接入。邊：主要是指邊緣計算服務。云：主要提供相應的云端服務，包括模型、算法、數據協議、大數據平臺等。通過接入露天礦山多源異構數據，充分應用大數據、云計算等先進技術，實現地質儲量分析、開采方案優化、邊坡安全預警、設備實時調度及經營指標多維分析，從而實現露天礦山各個生產環節的協同關聯。

圖1 智慧露天礦山總體網絡架構

2.2 業務架構

智慧露天礦山業務架構采用“5層+3體系”的模式，如圖2所示。“5層”自下而上分別為基礎設備層、業務數據層、分析服務層、分析業務層和分析展現層，“3體系”分別為數據分析標準體系、安全規范標準體系、元數據及代碼規范標準體系。基礎設施層主要包括服務器、互聯網、物聯網、存儲設備和計算平臺等內容，為智慧露天礦山提供硬件基礎和網絡數據傳輸基礎。業務數據層主要涵蓋智慧露天礦山生產過程中的多維數據，包括地質模型數據及邊坡、車輛實時監測數據等。分析服務層主要為露天礦山三維系統提供地理信息系統(Geographic Information System，GIS)服務、數據清洗服務、數據查詢服務等。分析業務層實現露天礦山業務分析，涵蓋邊坡數據在線監測、車輛工況數據監測、成本分析、決策支持等。分析展現層主要實現露天礦山分析結果的可視化展示、多維數據綜合查詢和展示、GIS“一張圖”綜合展示等功能。

圖2 智慧露天礦山業務架構

2.3 智慧露天礦山協同流程

智慧露天礦山協同自下而上要實現“基礎+數據”支撐、礦山生產系統協同、災害風險分析協同及經營決策協同，如圖3所示。

圖3 智慧露天礦山協同流程

(1)“基礎+數據”支撐。智慧露天礦山“基礎+數據”支撐主要包括地質云、數據庫建設、大數據支撐、模型算法及移動互聯網建設等內容，如圖4所示。地質云實現對智慧露天礦山地質資源數據的三維化，展示露天礦山的資源儲量及分布。數據庫建設包括時序庫、關系庫及非關系數據庫的建設。大數據支撐實現對多維數據的實時采集，將露天礦山的各類結構化數據、非結構化數據進行分類存儲，同時，將各類數據按照使用頻率分成熱數據、溫數據、冷數據，用于海量多源異構數據的融合分析。模型算法主要實現算法更新、模型選擇應用，如故障診斷算法、邊坡風險分析模型等。移動互聯網主要是指5G網絡建設。“基礎+數據”支撐將為露天礦山協同生產提供基礎保障，具有重要意義。

圖4 “基礎+數據”支撐

(2)礦山生產系統協同。智慧露天礦山生產系統協同主要提供協同生產的能力，實現露天礦山各系統環節的協同目標。生產系統協同主要體現在露天礦山各個生產環節，如穿孔、爆破、測量、剝離、采煤、排土、復墾等。涉及的關鍵技術包括路徑優化、物料流規劃、邊坡監測設計、生產規劃等。以露天礦山穿爆剝采排為例，地質部門、測量部門、采礦部門之間的協同關系如圖5所示。

圖5 礦山生產系統協同關系

(3)災害風險分析協同。露天礦山災害風險分析協同主要涵蓋實時監測數據采集、算法模型構建及災害風險評估流程建設，如圖6所示。實時監測數據包括邊坡實時數據、設備實時監測數據、礦山環境數據及礦山道路實時數據。算法模型包括設備故障模型、滑坡預警模型、運輸能力模型、系統可靠性模型、尾礦庫預警模型等。災害風險評估包括災害風險研判、災害風險處置、災害風險預警等。

圖6 災害風險分析協同流程

(4)經營決策協同。經營決策協同主要實現對露天礦山總體戰略規劃的決策支持，主要涵蓋生產規模優化、生產成本控制、生產效率分析、礦產售價預測、利潤分析、企業上下游產業鏈資源調配及露天礦山整體行業的市場需求預測，如圖7所示。

圖7 經營決策協同流程

3 智慧露天礦山關鍵技術

3.1 露天礦山無人駕駛技術

隨著導航系統、傳感技術、無線通信技術及機器學習技術的發展，無人駕駛技術也在不斷地突破革新。無人駕駛系統能幫助礦山企業優化業務管理流程，提升整體生產經營管理和決策水平；形成集中管控，對汽車運輸、協同生產、應急處理等過程進行全面監測和集中控制；優化剝離、采裝、運輸和地面生產過程，提高資源利用率，實現節能減排、綠色開采。無人駕駛技術在露天礦山的應用將解決設備作業效率低、運輸成本高、安全事故頻發等難題。

為實現露天礦山特定作業場景下的無人駕駛系統協同作業，需要實現的關鍵技術如下：① 路徑優化技術，可提高無人駕駛卡車的運輸效率，降低運距和成本。② 露天礦山車鏟智能調度技術，可提高車鏟的匹配效率，減少欠車、欠鏟事件，提高車鏟協同作業效率。③ 精準定位技術，可確定無人駕駛車與車、車與鏟之間的精確位置，防止發生碰撞和裝載事故。④ 露天礦山特定場景下的跟馳、避障模型，可提高車輛運行效率，減少車與車之間的安全事故。⑤ 車輛控制決策等技術，可提高車輛的安全性能，保證無人駕駛卡車的穩定性。

3.2 露天礦山數字孿生技術

數字孿生是現有或將有的物理實體對象的數字模型，通過實測、仿真和數據分析來實時感知、診斷、預測物理實體對象的狀態，通過指令來調控物理實體對象的行為，通過相關數字模型間的相互學習來進化自身，同時改進物理實體對象生命周期內的決策[24]。通過露天礦山數字孿生技術，可將現有地質模型、礦山設備、供電系統、礦山生產環境、運輸道路等參數輸入模型，模擬出一個與現實生產狀況一致的數字虛擬環境，以最快的速度進行模擬推演，找出最佳生產方式，優化現有設備的生產調度，提早規避可能遇到的問題及風險。

露天礦山數字孿生涉及的關鍵技術如下：① 虛擬開采技術，可為露天礦山提供有效的導航開采路徑，實現精準的時空反演，為露天礦山精準開采提供技術支撐。② 設備故障診斷技術，露天礦山有大量的大型設備，將設備孿生模型與感知數據實時融合分析，可實現對關鍵采運排設備的故障診斷和預測，提升設備效率。③ 生產綜合決策技術，依托虛擬開采技術，給出不同開采方案下的關鍵指標，如剝采比變化、運距、經濟成本等，可輔助礦山生產決策。

3.3 大數據采集分析技術

露天礦山各系統建設時間不同，使用的協議不統一，因此，需要在露天礦山部署邊緣數據采集器，實現多源異構數據采集。大數據采集分析涉及到的關鍵技術如下：① 數據倉庫設計，根據不同的數據使用頻率，將數據分成熱數據、溫數據、冷數據，將不同類型的數據存儲到不同的數據庫中。根據各類分析場景，建立原始庫、資源庫、主題庫和時序庫，實現數據的規范化存儲和高效查詢調用。② 大數據指標模型組件，根據露天礦山的業務場景，提供相應的指標模型算法組件，為露天礦山故障診斷、災害分析提供算法支撐。③ 前置邊緣數據采集器，主要實現數據的端部采集和實時轉發，保證數據上傳的可靠性。④ 數據采集智能轉換協議，可保證數據的統一性和標準性，提升數據質量，為大數據綜合分析提供基礎保障。

3.4 風險監測及預警技術

露天礦山安全風險主要包括邊坡及尾礦庫風險、礦山采運排設備故障風險、各生產系統可靠性風險等。以露天礦山大數據采集分析技術為依托，通過接入露天礦山各生產系統數據，實現露天礦山生產環節的安全保障。

露天礦山風險監測及預警涉及的關鍵技術如下：① 數據挖掘算法，可為風險監測及預警技術提供相應場景下的多維關聯分析，為露天礦山邊坡穩定性分析及各生產系統穩定性分析提供算法支撐。② 生產故障事件知識圖譜，通過知識圖譜的構建，實現對故障事件的關聯和展現，給出事故與各類因素之間的耦合關系，為礦山事故預防提供必要支撐。

4 結語

介紹了智慧露天礦山的定義、架構，探討了智慧露天礦山無人駕駛技術、數字孿生技術、大數據采集分析技術、風險監測及預警技術等關鍵技術。隨著智慧露天礦山的建設，其發展趨勢主要體現在以下方面：① 大數據、人工智能等技術將成為整個露天礦山智能化的核心驅動。依托態勢感知的數據，逐步推動露天礦山的精準開采和智能決策，最終形成具備自學習、自決策、自優化能力的新型智能化生產方式。② 平臺化架構成為未來智慧礦山系統的共性選擇。基于統一平臺架構化部署，實現數據集成和智能分析，加速露天礦山各類數據的互聯互通，解決數據孤島問題。