基于工業互聯網的智能礦山災害數字孿生研究

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

我國大部分礦區煤炭地質賦存條件復雜，開采過程中難免受到水害、火災、瓦斯事故、塵害、頂板災害等常見災害的威脅[1-2]，深部開采礦區還受到沖擊地壓[3-4]、熱害[5]等多種災害的困擾。為減少災害事故的發生，煤炭科技工作者對各種災害規律開展了大量研究，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、真實災害事故調研、數值模擬仿真等。小尺寸相似模擬實驗通常是用于局部重點區域災害研究，誤差大且無法從礦井全局的高度對災害關聯性進行研究[6-7]。礦井級全尺寸實驗場地相對較少，由于客觀原因，實驗礦井模型設計難以符合煤礦井下現場實際巷道分布情況，可開展的實驗形式和內容受局限[8-9]。煤礦真實災害數據可通過調查獲取，通過分析研究積累經驗教訓，但煤礦災害往往具有突發性，有時還會產生次生災害，通過復現的方式進行重復性研究是不現實的[10-11]。數值模擬仿真研究可根據不同災害特點，利用不同的工業軟件對不同區域乃至全礦井的災害進行大量重復仿真實驗，但只能進行靜態仿真實驗，不能實現災害態勢的實時展現及動態預測[12-13]。

2020 年國家能源局等八部委聯合發布《關于加快煤礦智能化發展的指導意見》[14-15]以來，以云計算、大數據、工業互聯網、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為基礎的數字孿生技術在煤炭行業快速發展及應用，使得數據的實時獲取、瞬時傳輸、快速計算、智能決策等成為了現實，克服了數值模擬應用于災害仿真研究的缺陷。數字孿生作為煤礦災害研究及預測的有效手段，可實現災害態勢的實時展現，提供實時、快捷的智能化服務。為充分發揮數字孿生技術在煤礦災害研究中的優勢，賦能智能礦山建設，本文從數字孿生內涵及其在煤礦災害研究中的應用模式入手，深入探討其應用方向及關鍵支撐技術，為煤礦災害的重復性、低成本研究提供新思路。

1 數字孿生內涵及其在煤礦災害研究中的應用模式

數字孿生是充分利用物理模型、傳感器更新、設備運行歷史數據等，集成多學科、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仿真，降低方案優化、參數調整、預測診斷等措施的試錯成本[16-17]。

數字孿生以物理實體作為參照，通過三維建模技術，在以計算機為載體的虛擬世界中構建虛擬實體，并通過數據交互技術實現現實世界與虛擬世界的雙向數據交互。陶飛等[18]提出了包括物理實體、虛擬實體、孿生數據、連接、服務的數字孿生五維模型（圖1），為數字孿生技術應用于實踐提供了具體思路。在煤礦災害研究中，以礦山災害物理實體為基礎建立數字孿生體，并將工業互聯網作為連接通道，將工業軟件及智能算法作為服務端，形成完整的數字孿生模型。基于數字孿生技術，科技人員或管理人員可以通過虛擬世界實現低成本的認識、控制、預測并改造現實世界。

圖1 數字孿生五維模型Fig. 1 Five dimensional model of digital twin

數字孿生認識規律如圖2 所示。根據積累的現場經驗及理論知識，在虛擬世界數字孿生體中不斷優化參數、仿真計算等，經過實踐→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字孿生體中，經云端決策中心分析判斷后，將最佳數字孿生測試方案移植于煤礦井下現實物理世界中，從而大大降低災害研究及治理的風險，降低災害研究及治理的時間、空間及容錯成本，提高災害管理、預防及治理的成功率。

圖2 數字孿生認識規律Fig. 2 Recognition rule of digital twin

煤礦災害規律實驗研究具有風險大、成本高的特點，數字孿生技術出現之前，由于受到技術水平的限制，對災害的預防和治理等研究、實踐過程往往需要付出高昂的代價。數字孿生技術的應用讓煤礦災害研究變得簡單易行，在計算機技術的輔助下，科技人員在研究、預防、治理災害之前，可在孿生世界中低成本、重復性地預演數據的采集與分析、設備故障的預測與診斷、災害的預防與治理、避災路線的設計與規劃等。

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

圖3 煤礦災害數字孿生數據交互流程Fig. 3 Digital twin data interaction process of coal mine disaster

2 數字孿生賦能災害預測性管控

《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要實現災害綜合防控[19]。借助數字孿生技術，通過構建物理模型、仿真模型、數據模型，實現礦井物理實體與孿生體的虛實映射及數據交互，可為災害綜合防控提供技術支撐。

2.1 災害監測方案優化

煤礦屬于信息不完全的灰色系統，災害影響因素眾多，且由于煤礦生產需要考慮經濟效益，這就要求災害的監測、治理等方案在滿足既定目標的前提下盡可能降低成本。以采空區瓦斯治理中高位抽采巷（簡稱高抽巷）的參數設計為例，高抽巷在煤層中的最佳高度、抽采口的最佳位置、最佳抽采負壓等關鍵參數直接決定了瓦斯抽采效果。高抽巷掘進成本高、風險大，若參數設計不合理，可能引起負面效果，若抽采負壓過大，會加大采空區漏風強度，從而引起煤自燃，若出現明火，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，因此參數設計的合理性至關重要。

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

2.2 災害預演及避災路線精準規劃

煤礦日常需要對人員集中的生產作業重點區域、事故頻發的危險區域等進行災害預防性管理和維護，例如：易發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；易發生瓦斯、煤塵爆炸的掘進工作面、電氣設備硐室、井下各轉載點；易發生煤自燃的采空區、盲巷、廢棄巷道；易發生外因火災事故的機電硐室，防爆開關硐室，地面副井口及運輸巷道機頭、機尾滾筒和托輥；易發生突水事故的老窯、處于斷層、破碎帶的掘進工作面等。

數字孿生技術賦能災害預演，在數字孿生體中實現對重點及危險區域事故的常態化預測，在事故發生之前采取防范措施，將事后補救轉變為事前預防，可有效降低事故發生概率。同時，通過數字孿生體預先研究各危險區域的災害規律，如火災時煙氣流動規律、瓦斯爆炸時有害氣體蔓延規律、水災時水流流動規律等，規劃各危險區域不同災害時期的精準避災路線，形成應急預案，借助虛擬現實（Virtual Reality，VR）、增強現實（Augmented Reality，AR）及混合現實（Mixed Reality，MR）等技術培訓煤礦井下人員，通過計算機生成的多種感官數據，身臨其境地感受虛擬世界中災害發生時所處的環境及所蘊含的信息，從而提升受培訓人員在數字孿生體中的體驗及參與感，將其對災害的感性認識提升至理性認識，指導其在遇到災害時的避災實踐，最大程度減少人員傷亡和經濟損失。

2.3 災后救援方案制訂及事故調查

隨著政府監察監管力度不斷加強，煤礦智能采掘裝備、應急救援裝備、災害監測監控及防控技術、災害機理及智能分析算法等逐步發展，結合煤礦管理能力、人員素質等各方面的日益進步，近年來煤炭安全生產形勢明顯穩定向好，煤炭生產百萬噸死亡率持續降低，然而各類事故發生總量和人員傷亡數量依然較大，特別是重特大災害事故時有發生，嚴重危害井下作業人員的生命安全。

煤礦發生災害后需第一時間進行現場救援及事故調查。事故調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驗教訓，避免再次發生類似事故。然而，由于煤礦事故具有突發性，且事故現場容易發生次生災害，傳統的救援方案及事故分析方法主要采用現場勘查的方式，對事故的記錄及分析局限于文檔和圖紙等常規形式，導致事故分析缺乏全面性和直觀性，現場救援及事故調查難度及風險大[21]。應用數字孿生技術，在虛擬世界中將地面各監控系統歷史數據作為輸入條件，高度還原事故發生的整個過程，并直觀顯示災后現場狀況，通過實時數據預演模擬發生次生災害的可能性、波及范圍，可為現場救援方案及災后事故調查提供有力保障。

3 煤礦災害數字孿生架構及關鍵技術

煤礦災害具有突發性和嚴重性，數字孿生應用于煤礦災害首先要解決的是數據的大量感知、瞬時傳輸、快速計算等問題，傳統的網絡架構模式無法支撐災害數據孿生應用，因此，本文提出了基于工業互聯網“云?管?邊?端”架構的數字孿生基礎模式，為煤礦災害數字孿生應用提供數據保障。

3.1 基于工業互聯網的煤礦災害數字孿生服務體系

數據是數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設施建設中“云?管?邊?端”架構為基石的數據采集、數據傳輸、數據存儲、數據處理、數據分析、智能決策、控制指令下發等為數字孿生應用提供了技術支撐。基于工業互聯網架構的數字孿生服務體系[22-25]包括感知控制層、邊緣計算層、網絡傳輸層、平臺層及應用服務層，如圖4所示。感知控制層實現數據采集及決策指令執行；邊緣計算層分擔云計算算力，實現邊緣側算法、快速判斷、決策及控制；網絡傳輸層實現數據的上傳下達；平臺層實現數據存儲、處理；應用服務層實現數字孿生的數值仿真、決策分析等。

圖4 基于工業互聯網“云?管?邊?端”架構的數字孿生服務體系Fig. 4 Digital twin service system based on industrial Internet "cloud-pipe-edge-end" architecture

3.2 面向礦山災害的數字孿生關鍵技術

與煤礦采、掘、運等環節數字孿生應用有所不同的是，面向災害的數字孿生關鍵技術有一定特殊性，例如采、掘、運等環節的數據感知裝備通常是部署于工作面等操作空間，而災害數字孿生涉及的感知裝備通常部署于如采空區、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；不同專業的仿真軟件要求不同，采、掘、運等環節的仿真軟件側重于機械力學、裝備協同過程仿真等，而災害數字孿生仿真軟件側重于流體力學、巖石力學等。

1） 煤礦災害智能感知和執行裝備。不同于傳統工業領域，煤礦井下巷道空間狹長、潮濕，采空區易爆、易燃、易受砸等特殊作業環境決定了災害監測及執行裝備的特殊性。感知及執行裝備作為數字孿生技術的神經末梢，承擔了數據采集、交互及末端執行的功能。數據的準確性及數據測點數量直接影響頂層數字孿生體模型的精度及分析決策結果的有效性，傳統的井下傳感器大多是點式部署，數量非常有限，遠遠滿足不了數字孿生數據采集及交互需求，研究煤礦災害智能、低成本、分布式感知裝備迫在眉睫。以采空區自然發火監測為例，工作面推進過程中，采空區內進/回風巷、開切眼、終采線等區域及放頂煤開采工作面中部區域等均有不同程度的遺煤，采空區全域都有自燃風險。《煤礦安全規程》規定的常規監測手段是束管監測，通常1 個采空區只布置數個甚至1 個測點。光纖測溫技術采用分布式測量，可預先布置在采空區“兩道”實現巷道沿線監測，測點數量有了很大提升，但對于采空區三維立體大面積危險區域，測點數量仍無法支撐數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]等技術的三維監測傳感裝備，實現火災監測區域高密度網格化監測、全方位立體化覆蓋。

2） 煤礦災害仿真軟件。數字孿生是以仿真軟件為內核的多物理場動態數值模擬。仿真軟件包括工業領域通用仿真軟件和煤礦行業專用仿真軟件。工業領域通用仿真軟件包括應用于火災、粉塵、瓦斯、水害、通風等流體仿真領域的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、地質等三維結構受力特性模擬和塑性流動分析的FLAC3D[31]。通用災害仿真軟件具有適用范圍廣、算法成熟穩定、仿真結果精度高、可視化效果好等優點，但其應用于煤礦災害數字孿生時存在以下問題：① 只能實現靜態仿真，根據物理實體建立三維模型后，可配置一組固定參數進行模擬，若要在計算過程中更改參數，需要重新計算，往往耗時較長，盡管可通過UDF編程的方式實現部分參數的動態變化，但功能仍然有限，無法滿足大批量參數變化的需求。② 缺少煤礦災害專用模型庫、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煤礦災害特殊場景需求。③ 只適合小區域仿真，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。

煤炭行業專用仿真軟件包括全礦井外因火災仿真軟件MFIRE[32]、礦井三維通風仿真軟件VENTSIM[33]等，具有適合全礦井級仿真、計算時間短等優點，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律為代價的，忽略了區域巷道內部流體的運動過程，不能反映詳細的仿真過程及結果，無法實現三維可視化，算法準確性及穩定性有待提升等，因此不能滿足數字孿生的需求。綜上，結合通用仿真軟件的優點，完善煤炭行業專用仿真軟件功能，實現實時動態仿真，是實現煤礦數字孿生的必經之路。

研發仿真軟件的同時，也需要優化實時仿真方案。盡管煤礦數字孿生技術的發展方向是全面感知，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域、設備等目標。要堅持兩點論和重點論的統一，對于危險程度、變化幅度比較大的區域（如采空區、工作面等），要重點傾斜資源，加大網格劃分密度；對于危險程度小的區域，要統籌兼顧，在適當分配資源的同時防止低概率事故發生。為了進一步滿足煤礦數字孿生的高實時性要求，針對災害發生概率較大的地點，可在計算資源充裕時預先進行計算，并將結果存儲于云平臺，一旦發生災害，可直接調取云平臺中的計算結果，從而大大縮短實時計算時間。

3） 共性支撐技術。煤礦災害往往突發性強、后果嚴重，應用數字孿生技術解決煤礦災害問題時需要交互的數據量極大，對時效性要求極高，因此缺少不了共性技術的支撐。隨著智能感知裝備數據呈指數級爆炸增長，邊緣計算設備承擔了數據的預處理及常規分析功能[34]：一方面，實現原始數據的過濾功能，將關鍵、有效、異常狀態等數據上傳至云端進一步分析，有效降低數據傳輸壓力及云端計算壓力；另一方面，通過邊緣層災害分析模型對常規、低風險等級的災害進行分析判斷，并采取控制策略，實現就地控制。5G 通信技術具有高速率、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數據的上傳需求及虛擬實體數據的下發需求，有效實現多系統之間低時延的互聯互通，保障虛實數據交互[35]。大數據平臺可用于多模態數據的集成、治理、計算、存儲及管理，并基于煤礦災害數據融合分析與信息建模，為頂層數字孿生應用提供高質量數據資產[36]。云計算分布式共享與按需調整自服務的模式滿足數字孿生系統實時動態存儲、仿真、運行的需求，通過云計算服務器端預置的數字孿生仿真工具，可實現不同災害不同狀態下的實時動態仿真及預測。另外，結合邊緣協同計算技術及云端決策分析算法，根據災害仿真結果，可實現災害防治方案、設計方案、優化方案等的智能執行。

數字孿生技術應用于智能礦山災害預警及綜合防控時有以下要求：① 數據采集、傳輸、計算的瞬時性。事故的突發性要求數字孿生系統實時完成數據的采集、傳輸及仿真計算等過程，若傳輸、計算等速度跟不上，將會導致數字孿生系統災害狀態遲滯于物理世界，無法起到災害預警的效果。② 智能決策算法的準確性。不同于采、掘、運等生產系統優化算法，數字孿生系統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致對災害的誤判，從而影響對災害的預測及防治。

4 結語

分析了數字孿生的內涵及其認識規律，針對煤礦災害研究及治理風險大、成本高的特點，提出了數字孿生在煤礦災害研究中的應用模式。基于工業互聯網“云?管?邊?端”架構，構建了煤礦災害數字孿生服務體系。工業互聯網為數字孿生提供了數據來源保障、數據有效傳輸通道、數據處理機制、數據計算平臺、數據分析算法、決策指令下發通道，基于實時動態仿真的數字孿生技術，實現物理實體中難以復現或成本、后果不可接受的重復性測試，并將虛擬實驗結果轉換為優化方案，將預測結果應用于物理世界，實現礦井災害預測預警及自主防控，從根本上減少災害發生，為智能礦山建設提供技術支持。