礦山信息化發(fā)展及以數(shù)字孿生為核心的智慧礦山關(guān)鍵技術(shù)

丁恩杰，俞 嘯，夏 冰，趙小虎，張 達，劉統(tǒng)玉，王衛(wèi)東

(1.中國礦業(yè)大學(xué) 物聯(lián)網(wǎng)(感知礦山)研究中心，江蘇 徐州 221008;2.中國礦業(yè)大學(xué) 礦山互聯(lián)網(wǎng)應(yīng)用技術(shù)國家地方聯(lián)合工程實驗室，江蘇 徐州 221008;3. 中國礦業(yè)大學(xué) 信息與控制工程學(xué)院，江蘇 徐州 221008;4. 北京礦冶科技集團有限公司 ，北京 100160;5. 山東科學(xué)院激光研究所 山東省光纖傳感器重點實驗室，山東 濟南 250014;6. 北京郵電大學(xué) 電子工程學(xué)院，北京 100876)

礦山信息化建設(shè)在經(jīng)歷了單機自動化、綜合自動化、數(shù)字礦山幾個階段之后，在物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)、數(shù)字孿生等技術(shù)的推動下，正朝著礦山智能化和智慧礦山的方向發(fā)展。綜合自動化礦山階段主要解決了礦山數(shù)字化、監(jiān)測監(jiān)控技術(shù)與信息孤島問題，就煤礦生產(chǎn)流程而言，基本完成了智能礦山的建設(shè)工作，在環(huán)境條件允許的情況下，可實現(xiàn)局部的少人化和無人化控制。智慧的前提條件是礦山生產(chǎn)系統(tǒng)的各個環(huán)節(jié)均可測、可觀、可控，也就是要形成面向生產(chǎn)各環(huán)節(jié)透明化的知識服務(wù)體系。以煤炭行業(yè)為例，從目前取得的成果來看，遠沒有達到透明礦山的要求，這是制約智慧礦山發(fā)展的瓶頸問題。黑色或灰色(不透明)礦山的問題，制約了在一般情況下仍需依靠較多人力維持正常的安全生產(chǎn)，導(dǎo)致礦山重大事故時有發(fā)生，解決礦山運行狀態(tài)知識建模與服務(wù)的問題迫在眉睫。要解決這一問題就是要解決上述可測、可觀和可控問題。在可測方面，物聯(lián)網(wǎng)礦山技術(shù)的發(fā)展已經(jīng)解決和優(yōu)化了大量相關(guān)難題，可以滿足目前安全生產(chǎn)的基本需求，下一步需要重點研究智能裝置和裝備自治、自主化工作相關(guān)技術(shù)，并進行新型檢測機理和檢測裝置的研究；可觀問題就是要結(jié)合數(shù)字孿生技術(shù)對礦山安全生產(chǎn)、指揮調(diào)度與管理各個方面，如人、機、環(huán)、管等被控對象進行物理與虛擬融合建模，通過建立的模型可實現(xiàn)對各個被控對象的狀態(tài)及其演化規(guī)律的可觀，這個可觀不僅僅對人，更重要的是讓機器能夠自動理解，做到機器可觀。在建模過程中，需要采礦、機械和信息等領(lǐng)域的專家密切協(xié)同，需要實現(xiàn)對信息的統(tǒng)一語義描述，需要創(chuàng)建礦山領(lǐng)域知識庫和礦山數(shù)字孿生模型，這將是智慧礦山建設(shè)的核心?？煽貑栴}是在可觀的基礎(chǔ)上，也就是在掌握(自動化解析)傳感數(shù)據(jù)、模型數(shù)據(jù)等多模態(tài)數(shù)據(jù)的基礎(chǔ)上，利用知識庫和礦山數(shù)字孿生模型各種知識進行推理，采用機器人或機器人化的裝置裝備實現(xiàn)基于機器自治協(xié)同的全流程自動控制，最終形成少人化或無人化的智慧礦山。

1 礦山信息化發(fā)展歷程

礦山信息化發(fā)展，歷經(jīng)了單機(單系統(tǒng))自動化、綜合自動化、數(shù)字礦山階段，礦山物聯(lián)網(wǎng)和礦山智能化技術(shù)近年來得到快速的發(fā)展和應(yīng)用，礦山信息化技術(shù)正朝著智慧礦山的目標(biāo)發(fā)展，在礦山生產(chǎn)過程中不斷融合新興技術(shù)，提高礦山生產(chǎn)的智能化水平，從而實現(xiàn)礦山無人化或少人化。

1.1 單機(系統(tǒng))自動化

1984年煤炭工業(yè)部通信信息中心成立，宣示了中國煤礦信息化建設(shè)正式開啟，我國煤礦進入單機自動化階段。PLC在礦用設(shè)備上的成功應(yīng)用解決了傳統(tǒng)控制器占用空間大、成本高等問題；現(xiàn)場總線的連接方式提升了礦用設(shè)備控制的可靠性，減少了設(shè)備的停機時間。單機自動化系統(tǒng)存在很多問題需要進一步解決，如模擬信號只能在本地采集、處理并直接用于就地控制；有線網(wǎng)絡(luò)通信是信號傳輸?shù)奈┮环绞?，各系統(tǒng)之間難以進行信息交換。此時通信網(wǎng)絡(luò)嚴(yán)重制約了煤礦自動化的發(fā)展，造成多臺上位機共存的場景，形成子系統(tǒng)信息孤島的格局，導(dǎo)致全礦信息不能共享。

1.2 綜合自動化

2000年后，無線傳感器網(wǎng)絡(luò)及工業(yè)以太網(wǎng)技術(shù)得到飛速發(fā)展，為實現(xiàn)各煤礦系統(tǒng)之間的互聯(lián)互通奠定了基礎(chǔ)，得益于此，我國煤礦進入了綜合自動化時期，綜合自動化網(wǎng)絡(luò)服務(wù)架構(gòu)如圖1所示。無線傳感器技術(shù)極大擴展了各類傳感器的應(yīng)用場景，豐富了各類信息的采集。工業(yè)以太網(wǎng)以其強大的通信速率和信道容量將各子系統(tǒng)連接在一起，完成了各子系統(tǒng)的信息交互，解決了子系統(tǒng)信息孤島問題，實現(xiàn)了全礦信息的融合分析處理。但是傳感器與各種裝備沒有聯(lián)網(wǎng)，只能用于本系統(tǒng)中，無法實現(xiàn)設(shè)備間的協(xié)同控制；采集到的傳感器信息也只是簡單地處理，數(shù)據(jù)并沒有得到有效利用，亟需高效的算法來實現(xiàn)信息的融合處理。

圖1 綜合自動化網(wǎng)絡(luò)架構(gòu)Fig.1 Integrated automation network architecture

1.3 礦山物聯(lián)網(wǎng)

礦山物聯(lián)網(wǎng)將物聯(lián)網(wǎng)技術(shù)應(yīng)用到煤礦生產(chǎn)中，進一步提高礦山開采的無人化和自動化水平。礦山物聯(lián)網(wǎng)是綜合實時感知、網(wǎng)絡(luò)通信和動態(tài)控制等技術(shù)來實現(xiàn)礦山物與物、人與物之間的信息傳遞與控制，礦山物聯(lián)網(wǎng)服務(wù)架構(gòu)如圖2所示。智能傳感器除了對物理世界進行感知，還搭載了用于數(shù)據(jù)處理的嵌入式芯片，使得設(shè)備從自動化向智能化過度；高速通信網(wǎng)絡(luò)連接生產(chǎn)的各個環(huán)節(jié)，實現(xiàn)萬物互聯(lián)；智能算法挖掘大數(shù)據(jù)的潛藏信息，實現(xiàn)實時控制、精確管理和科學(xué)決策。但是人工智能技術(shù)發(fā)展水平有待提高，設(shè)備的智能化程度較低，礦用物聯(lián)網(wǎng)產(chǎn)品極少，不能滿足礦山智能化生產(chǎn)的需求。

圖2 礦山物聯(lián)網(wǎng)網(wǎng)絡(luò)架構(gòu)Fig.2 Network architecture of internet of things of mine

1.4 礦山智能化

礦山智能化是智慧礦山的中級階段。礦用機器人技術(shù)和通信技術(shù)還在普及應(yīng)用，以人工智能和大數(shù)據(jù)為代表的新興技術(shù)也融入其中，推動礦山向智能化、智慧化發(fā)展。將人工智能和自動化、機器人化技術(shù)結(jié)合，實現(xiàn)礦山生產(chǎn)復(fù)雜流程的自動化，進一步簡化人工操作。5G通信技術(shù)為云平臺提供了通訊基礎(chǔ)，大數(shù)據(jù)和云計算技術(shù)在云端的應(yīng)用為礦山分析決策、動態(tài)預(yù)測、協(xié)同控制提供了新的渠道。但是裝備的智能化水平還需要進一步提高，信息的語義化描述沒有形成統(tǒng)一的標(biāo)準(zhǔn)，信息通信技術(shù)和傳統(tǒng)礦山技術(shù)的融合應(yīng)用還停留在初步階段。立足于此，可以設(shè)想未來礦山智能化發(fā)展的高級階段——智慧礦山。

1.5 智慧礦山

文獻[12]給出了智慧煤礦的定義：智慧煤礦是基于現(xiàn)代煤礦智能化理念，將物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、人工智能、自動控制、移動互聯(lián)網(wǎng)、機器人化裝備等與現(xiàn)代礦山開發(fā)技術(shù)深度融合，形成礦山全面感知、實時互聯(lián)、分析決策、自主學(xué)習(xí)、動態(tài)預(yù)測、協(xié)同控制的完整智能系統(tǒng)，實現(xiàn)礦井開拓、采掘、運通、分選、安全保障、生態(tài)保護、生產(chǎn)管理等全過程的智能化運行。在智慧礦山階段，智慧物和自動化機器人得到了廣泛應(yīng)用；云端計算和邊緣計算能有機融合在一起，實現(xiàn)各類數(shù)據(jù)的高效處理；以大數(shù)據(jù)和人工智能為基礎(chǔ)的各類智慧應(yīng)用能夠滿足礦山的日常生產(chǎn)需求。各類傳感器是智慧礦山的信息來源，需要進一步升級優(yōu)化以此來滿足日益增長的智能化應(yīng)用需求；大量智慧體和各級子系統(tǒng)均接入到云平臺，需要提供高效的智能決策方案，以實現(xiàn)各部分協(xié)同工作。

2 智慧礦山核心關(guān)鍵技術(shù)

結(jié)合物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)技術(shù)的發(fā)展，智慧礦山將會是信息化、自動化和智能化的高度融合，其最終目標(biāo)是實現(xiàn)礦山關(guān)鍵生產(chǎn)環(huán)節(jié)的無人化或少人化。礦山物聯(lián)網(wǎng)技術(shù)實現(xiàn)了礦山物的智能連接，使得“人-機-環(huán)”感知信息能夠有效的匯集，各類礦山大數(shù)據(jù)平臺的涌現(xiàn)解決了礦山“人-機-環(huán)”感知數(shù)據(jù)的高效管理和存取問題。數(shù)字孿生技術(shù)建立了虛實融合和知識生成機制，可以將現(xiàn)有的礦山機理模型、經(jīng)驗知識和礦山“人-機-環(huán)”大數(shù)據(jù)有機融合，為礦山“人-機-環(huán)”狀態(tài)判識與智能協(xié)同管控提供知識服務(wù)。礦山數(shù)字孿生模型以及圍繞孿生模型的智能化數(shù)據(jù)分析算法將成為智慧礦山下一步需要突破的關(guān)鍵技術(shù)?；跀?shù)字孿生的智慧礦山服務(wù)架構(gòu)如圖3所示。

圖3 基于數(shù)字孿生的智慧礦山服務(wù)架構(gòu)Fig.3 Intelligent mines service architecture based on digital twin

(1)感知層與智能裝置/裝備，分布式、光纖光柵、激光、MEMs等低功耗等新型傳感技術(shù)的發(fā)展拓寬了礦山物聯(lián)網(wǎng)的感知邊界，可以在線獲取更多的安全隱患尤其是隱蔽災(zāi)害的探測數(shù)據(jù)；智能傳感器裝置的研發(fā)和應(yīng)用，使得傳感器節(jié)點具備了在線計算、狀態(tài)自診斷、網(wǎng)絡(luò)自治等能力，提升了終端節(jié)點對信號實時處理和反饋調(diào)節(jié)的效率；機器人化智能化的礦山裝備為礦山生產(chǎn)系統(tǒng)的智能調(diào)度、協(xié)同控制、少人化、無人化提供了基礎(chǔ)；智能傳感和智能裝備技術(shù)是礦山數(shù)據(jù)孿生技術(shù)體系中的物理基礎(chǔ)。

(2)邊緣智能與網(wǎng)絡(luò)層，隨著各類邊緣分站和智能網(wǎng)關(guān)算力的提升，輕量級數(shù)字孿生模型得以在邊緣節(jié)點卸載，結(jié)合輕量級算法模型的應(yīng)用，可以很大程度提高各子系統(tǒng)數(shù)據(jù)分析的效率和反饋響應(yīng)的及時性；融合通信網(wǎng)絡(luò)技術(shù)實現(xiàn)多源異構(gòu)網(wǎng)絡(luò)的統(tǒng)一接入，可以解決智能裝置/裝備的快速連接發(fā)現(xiàn)、高效連接管理和在線透明交換問題；5G技術(shù)在礦山的應(yīng)用可以解決“人-機-環(huán)”感知數(shù)據(jù)實時高效傳輸問題，尤其是采掘工作面等有線連接受限的場景，提高了無線通信的實時性和可靠性。

(3)數(shù)字孿生與算法模型層，隨著硬件、網(wǎng)絡(luò)、大數(shù)據(jù)平臺技術(shù)不斷演進升級，圍繞礦山生產(chǎn)過程的知識發(fā)現(xiàn)和知識服務(wù)成為智慧礦山發(fā)展的瓶頸。數(shù)字孿生可以實現(xiàn)礦山物理實體狀態(tài)演化規(guī)律到虛擬實體的映射，通過虛實融合演進的狀態(tài)分析模式，可以建立機理模型、自然規(guī)律、經(jīng)驗知識、數(shù)據(jù)特征相融合的礦山知識服務(wù)體系，從而達到對礦山物理世界實時可測、可觀、準(zhǔn)確控制、精確管理和科學(xué)決策的目的，將成為未來智慧礦山發(fā)展的技術(shù)核心。礦山數(shù)字孿生模型的建立需要礦山物理實體相關(guān)的機理模型、人工智能算法模型、大數(shù)據(jù)分析、虛擬仿真等技術(shù)的支撐。

(4)智能化應(yīng)用服務(wù)層，結(jié)合礦山生產(chǎn)環(huán)境孿生模型和孿生交互服務(wù)機制，融合獨立分散的礦山安全監(jiān)測與災(zāi)害預(yù)警系統(tǒng)，構(gòu)建統(tǒng)一的礦山安全態(tài)勢分析平臺?；诘V山生產(chǎn)場景孿生模型和生產(chǎn)過程推理算法，結(jié)合工作流技術(shù)以及智群計算理論，研發(fā)面向多生產(chǎn)場景的礦山安全生產(chǎn)智能調(diào)度服務(wù)系統(tǒng)；基于礦山設(shè)備狀態(tài)孿生分析模型，結(jié)合大數(shù)據(jù)分析、智能診斷與協(xié)同控制技術(shù)，建立礦山“采、掘、機、運、通、供電、排水、輔助運輸”等裝備系統(tǒng)的狀態(tài)在線診斷與協(xié)同管控平臺。

2.1 智能傳感與智能裝備

可靠穩(wěn)定的傳感數(shù)據(jù)，是礦山智能化建設(shè)的基礎(chǔ)，通過光學(xué)、MEMs、無線智能、能量自動捕獲等傳感技術(shù)實現(xiàn)在線感知邊界的拓展和傳感數(shù)據(jù)的長期穩(wěn)定獲取是智慧礦山傳感層需要重點研究的關(guān)鍵技術(shù)。智能化機器人化的裝備技術(shù)是智慧礦山生產(chǎn)執(zhí)行的載體，需要重點研究采掘裝備智能化無人化控制技術(shù)，通風(fēng)、壓風(fēng)、提升、排水、供電、皮帶運輸?shù)鹊V山大型設(shè)備高效可靠運行與預(yù)測性維護機制，生產(chǎn)輔助機器人作業(yè)環(huán)境感知建模與自主調(diào)控技術(shù)等內(nèi)容。

..新型傳感器與智能傳感技術(shù)

近年來，新型的傳感技術(shù)不斷應(yīng)用于礦山安全監(jiān)測系統(tǒng)中，包括MEMs傳感器、光學(xué)多參數(shù)傳感器等。以瓦斯監(jiān)測為例，煤礦廣泛使用的催化燃燒甲烷傳感器存在頻繁標(biāo)校、易中毒、壽命短等缺點，紅外甲烷傳感器功耗大、易受粉塵和水汽影響。激光/光纖甲烷傳感器利用光譜吸收原理解決了水蒸氣、粉塵以及其他氣體影響傳感器精度的問題，更好的應(yīng)用在煤礦惡劣環(huán)境中。作為微型甲烷傳感器的核心元件，MEMS傳感器具有低成本、高產(chǎn)量、小尺寸、低能耗等優(yōu)點。分布式、多參數(shù)、大容量、光纖無源氣體、振動、溫濕度、風(fēng)速等傳感器，可以解決礦山主要安全隱患(特別是隱蔽災(zāi)害)的超前感知等難題，有助于實現(xiàn)礦山生產(chǎn)過程信息的全面、快速、準(zhǔn)確感知。

礦山開采過程中，在有限空間內(nèi)配備了通風(fēng)、排水、運輸、監(jiān)測等大量生產(chǎn)輔助系統(tǒng)，使得井下環(huán)境中的風(fēng)能、振動能、熱能、電磁能等能量相比于地面更加集中，更易利用。根據(jù)井下熱能、機械能、電磁能等環(huán)境能量的分布特點，開展礦山自動能量捕獲與無線智能傳感技術(shù)研究，通過多源、微小、不連續(xù)、不穩(wěn)定能量的高精度轉(zhuǎn)換、低損耗整流和自適應(yīng)輸出關(guān)鍵技術(shù)的研究可以實現(xiàn)井下雜散能量的收集。建立礦山環(huán)境下能量捕獲儲能元件的能量捕獲—存儲—損耗—輸出模型，研制具有能量自動捕獲能力的能量收集與智能管理裝置，可以解決礦山無線傳感網(wǎng)絡(luò)自主供電問題，提高無線智能傳感信息交互可靠性。

研究智能傳感器在線自診斷技術(shù)，結(jié)合傳感器自診斷模型，設(shè)計故障自診斷智能傳感裝置；研發(fā)智能傳感器在線管理軟件平臺，攻克傳感網(wǎng)絡(luò)設(shè)備狀態(tài)在線檢測、智能傳感器能耗管理、網(wǎng)絡(luò)拓撲快速分析、網(wǎng)絡(luò)信息動態(tài)更新等關(guān)鍵技術(shù)，可以大幅提高井下傳感裝置的穩(wěn)定性和可靠性。

..裝備的智能化與機器人化

(1)工作面的智能化。

智能化的采煤工作面融合了機械學(xué)、電子信息學(xué)、信號處理、人工智能等多學(xué)科的交叉領(lǐng)域，2020年國家發(fā)改委發(fā)布的《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，明確指出智能化的采掘工作面是我國煤炭行業(yè)發(fā)展的核心方向。為了加快煤礦智能化建設(shè)，國內(nèi)各大型煤礦企業(yè)都在積極投入智能化采煤工作面建設(shè)，目前，已經(jīng)取得了一定的成效。北京天地瑪珂公司研發(fā)的液壓支架電液控制系統(tǒng)、智能集成供液系統(tǒng)(含乳化液泵及噴霧泵)、綜采自動化控制系統(tǒng)，在國內(nèi)建立了多個示范性智能化采煤工作面。大同煤礦集團在特厚煤層智能化綜采放頂煤開采方面，實現(xiàn)了放頂煤工作面自動放煤控制。目前，我國已建成近200處不同層次的智能化采煤工作面。對于智能化采煤工作面，下一步需要重點突破采動環(huán)境感知、煤巖界面識別、空間三維信息建模、采煤機慣性導(dǎo)航定位、信息融合智能交互、設(shè)備協(xié)同控制等技術(shù)。

與智能化綜采工作面相比，掘進工作面裝備和工藝的發(fā)展都相對滯后，制約著智能掘進技術(shù)的發(fā)展。掘進工作面環(huán)境惡劣、干擾嚴(yán)重，同時，掘進設(shè)備移動頻繁，限制了對環(huán)境信息的收集、分析和處理。需要研究新型傳感器、5G網(wǎng)絡(luò)通信裝備等技術(shù)，對掘進工作面前方斷層、采空區(qū)、陷落柱、含水構(gòu)造等地質(zhì)狀況進行超前探測，對掘進工作面粉塵、溫濕度、有害氣體等環(huán)境參數(shù)進行監(jiān)測，對掘進機位姿狀態(tài)以及掘進設(shè)備運行狀態(tài)進行實時監(jiān)測與分析。通過三維激光掃描、深度視覺和SLAM技術(shù)，對掘進工作面三維場景進行精準(zhǔn)重構(gòu)，結(jié)合導(dǎo)航技術(shù)和地理信息系統(tǒng)，建立掘進位姿和工作參數(shù)的閉環(huán)控制系統(tǒng)，進而實現(xiàn)掘進機的自主掘進作業(yè)。構(gòu)建掘進工作面數(shù)字孿生模型，利用虛實融合交互技術(shù)，實現(xiàn)掘進裝備和巷道環(huán)境狀態(tài)的在線感知，進而對掘進過程進行實時精準(zhǔn)調(diào)控，有助于建立智能化的掘進工作面運行模式。

(2)礦山機電設(shè)備的智能。

礦山機電設(shè)備涉及到礦山生產(chǎn)的多個環(huán)節(jié)，皮帶運輸、通風(fēng)、提升、排水等，機電設(shè)備的智能化是智慧礦山建設(shè)的重要環(huán)節(jié)。隨著傳感器和監(jiān)測技術(shù)的發(fā)展，用于機電設(shè)備狀態(tài)監(jiān)測的傳感器種類和數(shù)量都在不斷增加，如何借助大量的傳感器數(shù)據(jù)對設(shè)備進行預(yù)測性維護，降低設(shè)備點檢修維護工作量，減少非計劃停機時間，是下一步礦山設(shè)備智能化研究的重要內(nèi)容。設(shè)備運行狀態(tài)的實時感知是設(shè)備智能化管理、預(yù)知性維護和自動化機器人化控制的基礎(chǔ)?；诙嘣锤兄畔?工作環(huán)境與工況條件信息、運行調(diào)度信息和運轉(zhuǎn)過程在線感知數(shù)據(jù))，以設(shè)備的多場景下運行規(guī)律和狀態(tài)演變規(guī)律為基礎(chǔ)，結(jié)合數(shù)字孿生、故障預(yù)測與健康管理、人工智能和大數(shù)據(jù)挖掘等方法技術(shù)，建立運行機理、經(jīng)驗知識和數(shù)據(jù)深度特征融合設(shè)備狀態(tài)分析模型，可以實現(xiàn)礦山機電系統(tǒng)運行狀態(tài)知識表達、異常工況狀態(tài)(顯性工作異常)在線識別和關(guān)鍵部件內(nèi)部狀態(tài)(隱性早期損傷)預(yù)測分析。

在設(shè)備狀態(tài)實時感知的基礎(chǔ)上，通過礦山設(shè)備系統(tǒng)的生產(chǎn)流程和多機協(xié)同作業(yè)理論模型的研究，可以建立礦山設(shè)備系統(tǒng)智能調(diào)度和協(xié)同管控模型，提高礦山設(shè)備系統(tǒng)的工作效率，降低能源消耗。在礦山物聯(lián)網(wǎng)環(huán)境帶來的設(shè)備互聯(lián)互通的條件下，對生產(chǎn)業(yè)務(wù)組織、生產(chǎn)流程與資源配置進行數(shù)據(jù)特征提取，建立多目標(biāo)綜合約束條件，可以實現(xiàn)礦山設(shè)備運行調(diào)度的最優(yōu)化，進而實現(xiàn)整體生產(chǎn)過程安全、穩(wěn)定、高效、有序運行。設(shè)計基于數(shù)據(jù)驅(qū)動的多級系統(tǒng)協(xié)同優(yōu)化管理方法，利用各個生產(chǎn)環(huán)節(jié)中不同設(shè)備運行的工況條件以及環(huán)境因素條件的內(nèi)在聯(lián)系，將生產(chǎn)設(shè)備運行環(huán)節(jié)與管理方法有機結(jié)合，可以提高各個工作區(qū)域的運作效率，保證整體生產(chǎn)過程的安全高效運行。

(3)礦用特種機器人裝備。

礦用特種機器人裝備可以代替井下工作人員完成巡檢、運輸、建設(shè)、維護中繁重和危險的工作，提高安全生產(chǎn)效率，在煤礦智能化建設(shè)中能夠起到積極的推動作用。安全巡檢類機器人，如井筒檢測機器人、皮帶巡檢機器人、瓦斯巡檢機器人等可以大幅減少巡檢人員工作量，代替人員進入危險區(qū)域，并具有場景適應(yīng)能力強、通過性高、全天后、無需停機停產(chǎn)、漏錯檢率低等優(yōu)勢。輔助運輸類機器人，如搬運機器人、上下料機器人等通過物料的自動識別、自主搬運、碼放、輔助駕駛等功能，可以很大程度上提高井下物料搬運和物料供應(yīng)作業(yè)效率，降低重物搬運、舉升過程帶來的安全作業(yè)風(fēng)險。生產(chǎn)維護類機器人，如鉆錨機器人、噴漿機器人、除塵機器人、支護機器人等，可以自主或輔助完成噴漿、除塵、支護等生產(chǎn)輔助作業(yè)，減少人員參與，提高礦井的生產(chǎn)運維的工作效率和智能化水平。應(yīng)急救援類機器人，應(yīng)急探測機器人、災(zāi)害救援類機器人等，可以在礦井突發(fā)事故后第一時間提供受災(zāi)環(huán)境探測、被困人員搜救服務(wù)，降低救援人員施救過程中的安全風(fēng)險。

礦用特種機器人工作于井下復(fù)雜的作業(yè)環(huán)境中，對裝備可靠性和安全性提出了更高的要求，機械、電氣、工作流程都要符合煤礦安全規(guī)程要求，就目前的研究成果來看，礦用特種機器人的大規(guī)模應(yīng)用需要解決好以下幾個關(guān)鍵問題：① 目前井下多采用液壓控制型的機械手臂結(jié)構(gòu)，如何設(shè)計高精度可控的機械結(jié)構(gòu)，實現(xiàn)機械部件的高精度控制是提升機器人工作效率的關(guān)鍵。② 高負荷和移動工作特點給井下作業(yè)機器人動力系統(tǒng)帶來了挑戰(zhàn)，安全可靠的大容量電池和電源管理技術(shù)是解決動力系統(tǒng)問題的關(guān)鍵。③ 借助三維激光點云、深度視覺、慣性導(dǎo)航等技術(shù)實現(xiàn)工作場景三維信息的精準(zhǔn)重構(gòu)和部件位置的精準(zhǔn)感知，是機器人自動化自主作業(yè)的關(guān)鍵。④ 高精準(zhǔn)的閉環(huán)控制系統(tǒng)是機器人系統(tǒng)的核心，將場景感知、控制決策和反饋調(diào)節(jié)有機融合，可以保證機器人系統(tǒng)穩(wěn)定、可靠、高效運行，提高自主作業(yè)能力。⑤ 安全性問題是井下作業(yè)機器人系統(tǒng)設(shè)計中需要考慮的一個重要問題，一方面是自身機械、電氣和作業(yè)流程的安全性，另一方面是對周圍工作環(huán)境安全狀態(tài)實時感知與反饋。

2.2 礦山數(shù)字孿生建模技術(shù)

礦山不斷新增的傳感器和平臺積累的海量生產(chǎn)過程數(shù)據(jù)，為礦山生產(chǎn)安全知識的孕育奠定了基礎(chǔ)，需要一套能夠反映礦山生產(chǎn)規(guī)律、跟蹤生產(chǎn)過程設(shè)備環(huán)境狀態(tài)演化，并與生產(chǎn)過程進行智能交互的知識服務(wù)體系來支撐下一步的礦山智能化建設(shè)。面向礦山生產(chǎn)要素的數(shù)字孿生建模方法、數(shù)字孿生模型之間的交互機制，以及圍繞數(shù)字孿生模型的深度數(shù)據(jù)挖掘分析技術(shù)可以為礦山安全生產(chǎn)過程的實時再現(xiàn)、預(yù)測分析、交互演繹提供支撐。礦山數(shù)字孿生建模技術(shù)需要結(jié)合礦山運行機理和特點，重點研究圍繞礦山“人-機-環(huán)”生產(chǎn)要素的孿生模型設(shè)計方法，面向生產(chǎn)場景的孿生建模方法與交互機制，以及礦山數(shù)字孿生虛擬模型設(shè)計與數(shù)據(jù)深度融合分析方法等內(nèi)容。

..礦山安全生產(chǎn)中的數(shù)字孿生模型

數(shù)字孿生技術(shù)中提出了物理實體、虛擬空間建模和虛實融合交互機制的知識建模方法，將數(shù)字孿生技術(shù)應(yīng)用于煤礦“人、機、環(huán)、管”各環(huán)節(jié)，進行多學(xué)科交叉融合，促進人、機智能協(xié)同，有助于解決礦山生產(chǎn)過程的精準(zhǔn)控制和各種災(zāi)害的預(yù)警防控問題。Michael Grieves給出了數(shù)字孿生的3個組成部分：物理空間的實體產(chǎn)品、虛擬空間的虛擬產(chǎn)品、物理空間和虛擬空間之間的數(shù)據(jù)和信息交互接口。目前，最常用的是五維數(shù)字孿生模型，即包含物理實體、虛擬模型、服務(wù)、數(shù)據(jù)、連接等5個方面，據(jù)此，可以設(shè)計礦山數(shù)字孿生的基本模型構(gòu)成。

(1)物理實體。將礦山物理實體理解為人員、設(shè)備、環(huán)境等實體，以及煤礦生產(chǎn)作業(yè)的各種場景和生產(chǎn)過程。以采煤工作面為例，環(huán)境類的實體包括煤巖結(jié)構(gòu)、水、賦存瓦斯等地質(zhì)體內(nèi)環(huán)境，以及巷道粉塵、氣體分布、風(fēng)場等外環(huán)境；設(shè)備類實體包括采煤機，液壓支架，刮板輸送機等主要設(shè)備；人員方面是關(guān)注人員和設(shè)備環(huán)境的交互，動作識別，人機協(xié)作；作業(yè)場景包括工作面采煤場景、支護場景、轉(zhuǎn)運場景等；生產(chǎn)過程包括煤巖截割過程、支架推移過程、刮板輸送機輸送過程等?？梢詫嶓w按照結(jié)構(gòu)和功能劃分成幾個等級，搖臂齒輪箱、截割電機等作為部件級的孿生實體，采煤機整體作為單元級孿生實體，可以由多個部件實體構(gòu)成，采煤場景作為系統(tǒng)級實體，由采煤機、煤巖體等多個單元實體構(gòu)成。

(2)虛擬模型。虛擬模型與物理模型相對應(yīng)，是物理世界的數(shù)字化表達，真正可用的虛擬模型不僅要求能夠?qū)ξ锢砟Ｐ偷慕Y(jié)構(gòu)、參數(shù)、屬性進行描述，還需要能夠加載物理實體的發(fā)展和演化規(guī)律，實現(xiàn)虛實映射、融合演進，是數(shù)字孿生模型構(gòu)建過程中的難點。以煤巖地質(zhì)體物理實體為例，根據(jù)物理地質(zhì)體的結(jié)構(gòu)、成分、介質(zhì)參數(shù)等屬性建立地質(zhì)體的基本虛擬模型后，還需要結(jié)合地質(zhì)體裂隙、水、界面等內(nèi)環(huán)境的變化機理、演化規(guī)律和數(shù)值仿真，為虛擬模型加載行為模型，使其具備和物理實體一致的行為。通過設(shè)計規(guī)則模型，可以實現(xiàn)對虛擬模型評估、推理、預(yù)測等功能，以跟蹤虛擬模型變化，最終實現(xiàn)物理實體狀態(tài)演化過程的分析。

(3)孿生數(shù)據(jù)。包括物理實體各類屬性值，例如采煤機的機械結(jié)構(gòu)參數(shù)、材料參數(shù)、電氣設(shè)計參數(shù)等，例如煤巖地質(zhì)體的尺寸形狀參數(shù)、介質(zhì)參數(shù)、地測參數(shù)等。包括工作面運轉(zhuǎn)過程物聯(lián)網(wǎng)系統(tǒng)采集到各類傳感器數(shù)據(jù)，例如粉塵、瓦斯體積分數(shù)，采煤機速度、振動、位姿，煤巖應(yīng)力、界面信息等；還包括虛擬模型的仿真、行為、規(guī)則數(shù)據(jù)，從各類機理模型、經(jīng)驗知識、專家系統(tǒng)中獲取的數(shù)據(jù)等。

(4)服務(wù)。包括了物理模型和虛擬模型的仿真、驗證、監(jiān)測、診斷、控制、優(yōu)化以及數(shù)據(jù)的加載、交互、更新與反饋等服務(wù)。礦山數(shù)字孿生模型中應(yīng)該提供礦山生產(chǎn)場景的在線感知與狀態(tài)分析服務(wù)、交互再現(xiàn)與干預(yù)預(yù)測服務(wù)、智能決策與協(xié)同管控服務(wù)、安全態(tài)勢分析與預(yù)警等服務(wù)。

(5)連接。用于建立礦山數(shù)字孿生物理實體、虛擬模型、服務(wù)、數(shù)據(jù)之間的關(guān)聯(lián)，為各部分提供協(xié)作交互的途徑，保持數(shù)字孿生系統(tǒng)物理實體和虛擬模型的一致性，使得各部分能夠不斷的交互、更新、優(yōu)化、迭代。

..面向礦山生產(chǎn)場景的數(shù)字孿生建模技術(shù)

礦山生產(chǎn)場景復(fù)雜多變，涉及到的設(shè)備種類多，又面臨與采動環(huán)境的耦合問題，結(jié)合數(shù)字孿生的五維模型，礦山生產(chǎn)場景的數(shù)據(jù)孿生模型建立涉及多個領(lǐng)域的知識，需要礦山運行機理、礦山安全、CPS、大數(shù)據(jù)分析、自動化控制等理論與技術(shù)的深度融合。

以采煤工作面為例，如圖4所示，結(jié)合地質(zhì)信息、圍巖信息、時空數(shù)據(jù)、設(shè)備及關(guān)鍵部件設(shè)計參數(shù)等基礎(chǔ)信息和環(huán)境傳感、設(shè)備傳感、人員傳感、實時調(diào)度信息、生產(chǎn)狀態(tài)等實時感知數(shù)據(jù)，在“人-機-環(huán)”虛實融合感知理論模型的基礎(chǔ)上，完成截割煤巖地質(zhì)體、采掘設(shè)備及關(guān)鍵部件、工作人員動作行為的數(shù)字孿生虛擬模型建立?；诟魑锢韺嶓w的狀態(tài)演化機理和生產(chǎn)過程的運行模式，建立數(shù)字孿生虛擬模型與實時感知信息之間的智能交互機制，實現(xiàn)對煤巖地質(zhì)體環(huán)境和設(shè)備運行狀態(tài)的演進分析，實現(xiàn)“人-機-環(huán)”運行安全狀態(tài)的耦合分析，為各種場景耦合下工作面設(shè)備的聯(lián)合調(diào)度與協(xié)同控制提供服務(wù)。以實時交互模型分析結(jié)果為指導(dǎo)，完成采煤機行走、截割、位姿參數(shù)的調(diào)控，液壓支架動作、支撐、平衡參數(shù)調(diào)控，以及刮板輸送機速度、運載、運移參數(shù)調(diào)控，達到工作面生產(chǎn)過程智能化調(diào)控和安全穩(wěn)定高效運行要求，實現(xiàn)工作面采煤過程的透明化管控。

圖4 采煤工作面數(shù)字孿生模型Fig.4 Digital twin model of coal mining face

如圖5所示，以礦山生產(chǎn)場景中物理實體的特征參數(shù)、運行機理、演化規(guī)律為基礎(chǔ)，結(jié)合CPS信息感知理論、在線監(jiān)測與狀態(tài)判識技術(shù)、虛擬仿真與虛實融合交互技術(shù)，準(zhǔn)確有效的建立礦山生產(chǎn)場景的數(shù)字孿生模型，實現(xiàn)礦山生產(chǎn)場景的在線感知與狀態(tài)分析、交互再現(xiàn)與干預(yù)預(yù)測、智能決策與協(xié)同管控、安全態(tài)勢分析與預(yù)警。

圖5 礦山生產(chǎn)場景數(shù)字孿生建模關(guān)鍵技術(shù)Fig.5 Key technologies of digital twin modeling in mine production scenarios

(1)在礦山“人-機-環(huán)”運行狀態(tài)感知理論方面，分析采動生產(chǎn)過程中的人-機-環(huán)運行模式和耦合作用機制，揭示“人-機-環(huán)”采動過程中的狀態(tài)演化機理；分析礦山運行過程“人-機-環(huán)”狀態(tài)特征，分析各監(jiān)測類型信息的規(guī)范值、警戒值、預(yù)警值，厘清不安全狀態(tài)與監(jiān)測數(shù)據(jù)的關(guān)聯(lián)關(guān)系；設(shè)計礦山“人-機-環(huán)”信息統(tǒng)一描述方法，實現(xiàn)多源異構(gòu)數(shù)據(jù)的統(tǒng)一建模；通過機理與數(shù)據(jù)混合驅(qū)動的大數(shù)據(jù)分析方法，挖掘礦山井下生產(chǎn)系統(tǒng)運行狀態(tài)演變規(guī)律與多源感知信息的深度關(guān)聯(lián)模式。

(2)礦山運行狀態(tài)在線監(jiān)測與判識技術(shù)方面，在現(xiàn)有礦山“人-機-環(huán)”感知系統(tǒng)的基礎(chǔ)上，針對傳感器狀態(tài)的不穩(wěn)定、感知信息的不完整、通信接口標(biāo)準(zhǔn)不統(tǒng)一，以及應(yīng)用場景的局限性等問題，研究新型傳感器、能量自治、網(wǎng)絡(luò)自治的智能傳感器網(wǎng)絡(luò)技術(shù)，實現(xiàn)感知層的智能化管理，實現(xiàn)感知層信息的標(biāo)準(zhǔn)化接入與多源感知信息的融合分析。融合礦山生產(chǎn)過程中的多源感知信息的經(jīng)驗特征、專家知識與數(shù)據(jù)深度特征，建立礦山“人-機-環(huán)”運行狀態(tài)實時診斷與智能辨識模型與算法。

(3)礦山生產(chǎn)場景虛實融合建模方面，結(jié)合礦山實際生產(chǎn)運行過程，研究各類物理實體的數(shù)值模擬、虛擬仿真技術(shù)，建立各類物理實體運行演化過程的虛擬模型；基于物理實體的運行機理和狀態(tài)演化規(guī)律，結(jié)合人工智能數(shù)據(jù)分析方法與知識動態(tài)建模方法，完成礦山系統(tǒng)的歷史數(shù)據(jù)和實時運行數(shù)據(jù)在虛擬模型上的動態(tài)加載，完成模型的更新、修正、連接和補充，提升虛擬模型狀態(tài)推演的逼真度；通過虛擬化、在線仿真技術(shù)和“虛實融合”交互機制，為虛擬模型狀態(tài)演化過程加入干預(yù)過程，實現(xiàn)對虛擬模型狀態(tài)演進過程的智能交互和干預(yù)結(jié)果的再現(xiàn)。

(4)智能診斷決策與調(diào)度服務(wù)，針對礦山生產(chǎn)過程安全管控、自適應(yīng)決策與優(yōu)化調(diào)度，開展礦山生產(chǎn)多維時空大數(shù)據(jù)分析與挖掘，礦山安全生產(chǎn)安全態(tài)勢分析預(yù)測與管控，數(shù)據(jù)和知識融合的設(shè)備協(xié)同管控和智能調(diào)度方法，為礦山安全生產(chǎn)智能決策與自適應(yīng)優(yōu)化調(diào)節(jié)提供服務(wù)。

..礦山數(shù)字孿生虛擬模型構(gòu)建方法

礦山生產(chǎn)過程中涉及到復(fù)雜設(shè)備系統(tǒng)和地質(zhì)環(huán)境的變化，虛擬模型以數(shù)字化的方式創(chuàng)建物理實體的映射，虛擬模型對物理實體靜態(tài)屬性和動態(tài)演化過程的真實表達成為礦山生產(chǎn)場景數(shù)字孿生建模的關(guān)鍵。借助于對物理實體運行機理、演化規(guī)律、變化規(guī)則的分析，通過仿真模擬、多源信息感知、虛實融合交互、深度數(shù)據(jù)分析、反饋優(yōu)化調(diào)節(jié)等技術(shù)，可以促進虛擬模型與物理實體之間的融合與交互，提高數(shù)字孿生建模的可信度和判識、預(yù)測分析能力。

以采煤機截割系統(tǒng)為例，采煤機截割系統(tǒng)由截割電動機、截割傳動系統(tǒng)、截割滾筒和液壓系統(tǒng)等組成，是多級傳動與控制機構(gòu)耦合的結(jié)構(gòu)，同時面臨煤巖界面變動、噴淋、閃石等復(fù)雜環(huán)境，是采煤機最容易產(chǎn)生故障的部位。建立截割系統(tǒng)的數(shù)字孿生體有利于實現(xiàn)截割系統(tǒng)狀態(tài)的在線評估和截割系統(tǒng)的全周期生命管理。

如圖6所示，構(gòu)建截割系統(tǒng)虛擬模型之前需要對截割系統(tǒng)的工作原理、作業(yè)環(huán)境、演變規(guī)律進行分析。結(jié)合多場耦合作用下的截割系統(tǒng)狀態(tài)演變機理，分析采煤機截割系統(tǒng)與截割環(huán)境(煤層、頂?shù)装?、圍巖體)及聯(lián)動設(shè)備(行走機構(gòu)、液壓支架、刮板輸送機)的復(fù)雜相互作用關(guān)系；針對煤巖截割過程、截割系統(tǒng)運行過程、截割系統(tǒng)關(guān)鍵部件的異常狀態(tài)特點，分析系統(tǒng)狀態(tài)與感知信息的關(guān)聯(lián)關(guān)系；設(shè)計多場耦合作用下的截割系統(tǒng)多源感知信息描述、知識表示、知識抽取方法，實現(xiàn)“多源感知信息-多狀態(tài)”知識關(guān)聯(lián)分析。

圖6 數(shù)字孿生虛擬模型構(gòu)建方法Fig.6 Digital twin virtual model construction method

在截割系統(tǒng)動力學(xué)分析的基礎(chǔ)上，根據(jù)實際搖臂齒輪箱的結(jié)構(gòu)和材料特性，設(shè)計電機、軸承、齒輪等單元的參數(shù)，建立多體耦合的截割系統(tǒng)仿真模型?；诮佚X煤巖截割理論模型，設(shè)計采煤機運行過程中的載荷等效作用機制，分析多種載荷作用下的截割系統(tǒng)響應(yīng)特性?？紤]實際截割系統(tǒng)受材料參數(shù)、零部件接觸、隨機載荷作用等不確定因素的影響，提出虛、實系統(tǒng)多傳感器數(shù)據(jù)時頻特征分析與一致性評價方法，利用采煤機實際運行過程中的大量數(shù)據(jù)修正仿真模型的邊界條件參數(shù)，以確保虛擬模型的輸出是實際系統(tǒng)的可信表達。

設(shè)計截割系統(tǒng)多源CPS感知數(shù)據(jù)與虛擬模型的信息加載與融合交互方法，在“多源感知信息-多狀態(tài)”關(guān)聯(lián)知識的基礎(chǔ)上，結(jié)合統(tǒng)計分析、機器學(xué)習(xí)、模糊推理、深度學(xué)習(xí)等方法，建立截割系統(tǒng)運行機理、經(jīng)驗知識、數(shù)據(jù)深度特征相融合的狀態(tài)分析判識方法，形成以采煤機截割系統(tǒng)虛擬模型為中心的狀態(tài)實時感知、演化分析與智能交互的“虛實融合”感知服務(wù)體系。使得虛擬模型能夠更準(zhǔn)確的反映和預(yù)測物理實體，結(jié)合大數(shù)據(jù)和人工智能工具，為截割系統(tǒng)的調(diào)控、管理和維護能夠做出更合理的決策。

2.3 邊緣計算與網(wǎng)絡(luò)服務(wù)層

隨著感知邊界的拓展和前端感知信息的急劇增加，基于5G的融合通信網(wǎng)絡(luò)技術(shù)將為礦山感知信息的高效傳輸和交互提供基礎(chǔ)支撐。隨著現(xiàn)場硬件計算能力的提升和智能化應(yīng)用技術(shù)的下沉，邊緣計算裝置將成為礦山安全生產(chǎn)感知和快速決策響應(yīng)的重要載體，結(jié)合融合通信網(wǎng)絡(luò)技術(shù)，需要重點研究輕量化邊緣計算算法、邊緣計算卸載技術(shù)以及云邊協(xié)同服務(wù)模式。

..基于5G的融合通信網(wǎng)絡(luò)技術(shù)

在礦山物聯(lián)網(wǎng)建設(shè)中需要對來自不同網(wǎng)絡(luò)、不同子系統(tǒng)的海量異構(gòu)數(shù)據(jù)信息進行統(tǒng)一的處理及存儲，從而要求融合通信網(wǎng)關(guān)能夠融合多網(wǎng)、多源、異構(gòu)的海量數(shù)據(jù)并且對這些數(shù)據(jù)進行高效快速地處理，從中獲取有價值的信息，進而提供智能決策輔助服務(wù)。需要對融合通信網(wǎng)絡(luò)架構(gòu)與傳輸技術(shù)進行研究，實現(xiàn)對礦山物聯(lián)網(wǎng)海量信息的統(tǒng)一傳輸與資源管控功能。在網(wǎng)絡(luò)的資源管控方面，隨著礦山物聯(lián)網(wǎng)中傳感設(shè)備種類增多，井下網(wǎng)絡(luò)網(wǎng)關(guān)處匯聚了各種類型的業(yè)務(wù)信息，由于不同的業(yè)務(wù)類型具有不同的QoS需求，因此高效合理的調(diào)度方案至關(guān)重要。

面對海量傳感器接入、異構(gòu)系統(tǒng)融合和多種業(yè)務(wù)服務(wù)需求，需要結(jié)合5G通信技術(shù)，設(shè)計支持異構(gòu)協(xié)議的礦山物聯(lián)網(wǎng)融合通信網(wǎng)絡(luò)架構(gòu)，如圖7所示，實現(xiàn)面向頂層需求的數(shù)據(jù)交換、處理、服務(wù)。融合通信網(wǎng)絡(luò)需要支持4G/5G，NB-IoT，LoRa，WIFI，ZigBee，RFID，Wavemesh，RS485，CAN，Profibus，Lonworks異構(gòu)接入融合，滿足礦山有線/無線、圖文/音視頻、實時/非實時、寬/窄帶等礦山物聯(lián)網(wǎng)多網(wǎng)融合傳輸?shù)男枨?。需要研制具備邊緣計算能力的智能網(wǎng)關(guān)裝備，實現(xiàn)異構(gòu)協(xié)議的解析，具備邊緣計算、控制、存儲能力，實現(xiàn)單功能感知節(jié)點向檢測、分析、通信、定位一體化智能裝置/裝備演變。在信息匯聚融合方面，設(shè)計針對海量匯聚信息的數(shù)據(jù)關(guān)聯(lián)分析、數(shù)據(jù)冗余分析和數(shù)據(jù)綜合方案，有效實現(xiàn)數(shù)據(jù)的透明高效傳輸。在融合通信網(wǎng)絡(luò)架構(gòu)中集成基于QoS需求的多類型業(yè)務(wù)調(diào)度算法，設(shè)計信息種類與傳輸網(wǎng)絡(luò)的匹配方案，保證資源的按需均衡分配和服務(wù)的按需提供，提高網(wǎng)絡(luò)利用效率。將5G移動通訊技術(shù)融入到支持異構(gòu)協(xié)議的礦山物聯(lián)網(wǎng)融合通信網(wǎng)絡(luò)系統(tǒng)，可以滿足智能工作面、AR智能巡檢、高清視頻回傳、無人駕駛等5G特色業(yè)務(wù)的需求，為智慧煤礦建設(shè)提供強有力的網(wǎng)絡(luò)服務(wù)支撐。

圖7 礦山物聯(lián)網(wǎng)融合通信網(wǎng)絡(luò)架構(gòu)Fig.7 Converged communication network architecture of the Internet of Things of mines

..邊緣計算與云邊協(xié)同技術(shù)

邊緣計算優(yōu)勢在于對物理世界數(shù)據(jù)實時反應(yīng)和降低網(wǎng)絡(luò)傳輸壓力，而云服務(wù)平臺提供了在遠程數(shù)據(jù)中心處理異構(gòu)數(shù)據(jù)的能力。隨著對礦山精確泛在感知的發(fā)展，現(xiàn)場生成的數(shù)據(jù)量越來越大，將采集到的礦山信息全部傳輸?shù)皆贫瞬粌H大幅增加了網(wǎng)絡(luò)通信負擔(dān)，效率低下，且難以滿足數(shù)字孿生實時交互的要求。因此，研究在邊緣端對數(shù)據(jù)進行快速處理、云邊協(xié)同技術(shù)以及邊緣卸載技術(shù)是十分必要的。

(1)邊緣端快速計算。

邊緣計算節(jié)點可以實現(xiàn)不同傳感系統(tǒng)的接入同時具備一定的算力，可以在邊緣側(cè)進行數(shù)據(jù)預(yù)處理、狀態(tài)分析判識及反饋控制等，同時，可以基于邊云協(xié)同服務(wù)架構(gòu)，結(jié)合實時采集的數(shù)據(jù)可在邊緣端進行人工智能算法檢測并及時輸出控制信號。為了避免邊緣節(jié)點間相互獨立、彼此孤立，形成數(shù)據(jù)孤島和功能孤島，影響應(yīng)用服務(wù)質(zhì)量，應(yīng)當(dāng)重視研究利用不同邊緣端的就地信息進行數(shù)據(jù)共享與快速計算。

邊緣端快速計算有以下2種方式：① 計算協(xié)同，即云端的超算中心對模型和算法進行訓(xùn)練，根據(jù)邊緣節(jié)點的情況將已訓(xùn)練好的模型進行下發(fā)，每個邊緣計算服務(wù)器只執(zhí)行一部分算法，最終通過各邊緣端協(xié)同的方式快速完成應(yīng)用任務(wù)；② 分布式訓(xùn)練協(xié)同，即邊緣端內(nèi)置完整的模型和算法，并利用其他邊緣端數(shù)據(jù)承擔(dān)模型和算法的訓(xùn)練任務(wù)，訓(xùn)練完成后的模型參數(shù)會更新到云端，最終得到完整模型。

優(yōu)化模型的運行效率，如利用剪枝、量化等方法對神經(jīng)網(wǎng)絡(luò)模型進行壓縮，可以提高邊緣端的部署效率。邊緣算法的優(yōu)化與調(diào)度工作目前主要可分為3個方面：① 多路數(shù)據(jù)之間的協(xié)同處理。通過緩存數(shù)據(jù)推理模型，對來自多源異構(gòu)設(shè)備的相似數(shù)據(jù)進行復(fù)用，從而有效節(jié)省邊緣節(jié)點的資源，提高計算效率。② 計算層次之間的協(xié)同處理。利用淺層網(wǎng)絡(luò)的部分推理結(jié)果降低樣本計算量，將該方法與云邊協(xié)同機制相融合，可有效實現(xiàn)數(shù)據(jù)的分級診斷，幫助設(shè)備實現(xiàn)協(xié)同運算。③ 多模型之間的協(xié)同處理。優(yōu)化模型之間的資源調(diào)度方式，平衡模型的時間和空間資源，在有限的條件下提高系統(tǒng)整體性能。

(2)云邊協(xié)同技術(shù)。

邊緣計算是云計算的延伸，在云邊協(xié)同中，云端負責(zé)礦山大數(shù)據(jù)分析、模型訓(xùn)練、算法更新等任務(wù)，邊緣端負責(zé)基于就地信息進行數(shù)據(jù)的計算、存儲和傳輸。運用云邊協(xié)同技術(shù)，邊緣節(jié)點負責(zé)處理數(shù)字孿生體中對時延或算力要求不高的礦山數(shù)據(jù)，而云服務(wù)器負責(zé)處理時延或算力要求高的礦山數(shù)據(jù)。在邊緣端處理時間敏感型礦山數(shù)據(jù)，有助于提升反饋控制指令的執(zhí)行能力、生產(chǎn)異常/擾動監(jiān)測等突發(fā)狀況的響應(yīng)速度，從而助力礦山智能自治生產(chǎn)運行。在云端處理時間不敏感型礦山數(shù)據(jù)，有助于數(shù)字孿生體對實體礦山產(chǎn)生的海量信息進行深層次挖掘，進一步優(yōu)化云端和邊緣端各應(yīng)用服務(wù)模型參數(shù)，從而提升智慧礦山數(shù)據(jù)分析與服務(wù)能力。

為了使云端與邊端設(shè)備更好協(xié)同，從而推進礦山數(shù)字孿生服務(wù)體系的形成，如圖8所示，建立智能傳感裝置、邊緣計算網(wǎng)關(guān)和云服務(wù)平臺有機融合的服務(wù)體系，縮短智能感知、判識與控制服務(wù)路徑，提高智能化分析與管控服務(wù)的時效性。通過與云服務(wù)器的實時交互和同步，邊緣網(wǎng)關(guān)可以動態(tài)加載的輕量計算模型，實現(xiàn)對前端場景的實時判識、預(yù)警和控制。

圖8 智能礦山云邊協(xié)同服務(wù)機制Fig.8 Cloud-side collaborative service mechanism for intelligent mines

云邊協(xié)同有以下3種方式：① 訓(xùn)練-計算的云邊協(xié)同，即云端根據(jù)邊緣端上傳的數(shù)據(jù)對智能模型進行設(shè)計、訓(xùn)練和更新，邊緣端負責(zé)搜集數(shù)據(jù)并實時下載最新的模型進行計算任務(wù)；② 以云端為導(dǎo)向的云邊協(xié)同，即模型中高算力要求的訓(xùn)練部分在云端完成，邊緣端負責(zé)處理輕量化的運算任務(wù)，接力云端的計算結(jié)果，最終模型由云邊端共同運算得到。這種方式可以權(quán)衡云端和邊緣端的計算量和通信量；③ 以邊緣端為導(dǎo)向的云邊協(xié)同，即模型的訓(xùn)練工作首先在云端完成，邊緣端在收到云端模型的計算結(jié)果后適當(dāng)微調(diào)，并且結(jié)合各傳感器發(fā)送到邊緣端的數(shù)據(jù)進一步優(yōu)化模型。此方法可以更有針對性地滿足煤礦井下實際生產(chǎn)需求，更充分的考慮了煤礦實際情況。

(3)邊緣計算卸載技術(shù)。

邊緣計算通過在設(shè)備上直接部署計算單元，將云計算的算力和存儲下放到每個邊緣終端，可有效減小網(wǎng)絡(luò)帶寬壓力、降低系統(tǒng)時延、分散系統(tǒng)風(fēng)險，從而緩解云計算帶來的問題。由于邊緣節(jié)點的資源有限，為了滿足系統(tǒng)整體的計算需求，就需要采用計算卸載技術(shù)來協(xié)調(diào)算力，通過計算卸載將任務(wù)分配給資源充足的節(jié)點，從而統(tǒng)籌系統(tǒng)資源、加快處理速度、優(yōu)化服務(wù)質(zhì)量。計算卸載主要由卸載決策和資源分配兩大部分構(gòu)成，卸載決策用于判斷節(jié)點是否需要卸載以及卸載多少任務(wù)，資源分配用于研究卸載的任務(wù)應(yīng)該被分發(fā)到何處。

常見的計算卸載方式分為粗粒度任務(wù)卸載和細粒度任務(wù)卸載。粗粒度任務(wù)卸載將整個終端作為卸載對象，沒有根據(jù)實際情況劃分子任務(wù)，這種卸載方式無法充分利用終端節(jié)點的系統(tǒng)資源；而細粒度任務(wù)卸載會根據(jù)當(dāng)前卸載任務(wù)的實際需求，將任務(wù)劃分為多個具有依賴關(guān)系的子任務(wù)，每個子任務(wù)的數(shù)據(jù)量和復(fù)雜度都大大降低，因此可以節(jié)省傳輸時間，提高運算效率。結(jié)合礦山智能設(shè)備的特點，采用細粒度任務(wù)卸載方式可有效提高邊緣計算設(shè)備的集群運算效率，最終降低各節(jié)點的時延、能耗和網(wǎng)絡(luò)壓力。

2.4 礦山大數(shù)據(jù)分析與智能化應(yīng)用服務(wù)

針對礦山各系統(tǒng)多源海量監(jiān)測數(shù)據(jù)，礦山大數(shù)據(jù)平臺需要設(shè)計高可靠、大容量、快速存取、彈性部署、易拓展的分布式存儲架構(gòu)，從而實現(xiàn)礦山安全生產(chǎn)過程大數(shù)據(jù)的高效泛在存??；統(tǒng)籌管理多場景異構(gòu)數(shù)據(jù)，通過大數(shù)據(jù)知識挖掘引擎，支撐礦山上層多元化應(yīng)用。通過構(gòu)建云交互式服務(wù)平臺，解決礦山深層應(yīng)用中數(shù)據(jù)綜合管控的痛點，打通數(shù)字礦山多元異構(gòu)數(shù)據(jù)通信壁壘，實現(xiàn)礦山數(shù)據(jù)分布式安全可靠協(xié)同，建立礦山智能化應(yīng)用服務(wù)體系。

..礦山大數(shù)據(jù)服務(wù)平臺

如圖9所示，面對多源感知系統(tǒng)和各類接口的傳感器，通過綜合接入網(wǎng)關(guān)和統(tǒng)一交互協(xié)議接口，實現(xiàn)多源異構(gòu)數(shù)據(jù)的高效統(tǒng)一接入。針對礦山生產(chǎn)過程產(chǎn)生的高并發(fā)、高吞吐的海量數(shù)據(jù)，研究并行批處理與實時流處理融合的計算框架，依托交互式分析引擎、內(nèi)存計算引擎、搜索計算引擎和離線計算引擎，構(gòu)建高效、高速的分布式存儲與計算架構(gòu)。結(jié)合人工智能模型對積累的礦山各類生產(chǎn)監(jiān)測服務(wù)系統(tǒng)海量數(shù)據(jù)進行深度挖掘，實現(xiàn)礦山大數(shù)據(jù)高效利用。在此基礎(chǔ)上，研究集成Tensorflow，PyTorch等人工智能算法的模型，開發(fā)大數(shù)據(jù)深度挖掘、知識聚合等技術(shù)，提供面向礦山感知信息的數(shù)據(jù)預(yù)處理、分析和管理接口，構(gòu)建統(tǒng)一、規(guī)范的大數(shù)據(jù)分析工具平臺。

在礦山大數(shù)據(jù)高效管理與分析的基礎(chǔ)上，建立基于數(shù)字孿生礦山智能化服務(wù)系統(tǒng)，在對礦山物理實體的各類傳感器實時數(shù)據(jù)、歷史數(shù)據(jù)以及相關(guān)派生數(shù)據(jù)匯集的基礎(chǔ)上，進行虛實融合和數(shù)字化建模，通過數(shù)據(jù)分析、仿真計算對虛擬模型進行迭代更新。為礦山各種生產(chǎn)場景下的物理實體建立匹配的數(shù)字孿生模型，通過數(shù)字孿生模型之間的智能交互機制實現(xiàn)礦山整體的協(xié)同化和智能化，從而實現(xiàn)物理礦山與數(shù)字孿生礦山的協(xié)同交互、平行運轉(zhuǎn)。

..礦山智能化應(yīng)用服務(wù)

以“人-機-環(huán)”數(shù)字孿生模型和狀態(tài)感知理論為基礎(chǔ)，建立場景化的礦山“人-機-環(huán)”安全狀態(tài)大數(shù)據(jù)分析算法模型，研發(fā)統(tǒng)一的礦山安全態(tài)勢分析平臺，可以實現(xiàn)礦山生產(chǎn)安全狀態(tài)的實時再現(xiàn)、演化分析和智能交互服務(wù)?；诘V山生產(chǎn)場景孿生模型，結(jié)合工作流技術(shù)以及智能計算理論，面向多種生產(chǎn)場景，研發(fā)資源驅(qū)動的礦山安全生產(chǎn)智能調(diào)度系統(tǒng)，可以解決礦山安全生產(chǎn)過程中的資源優(yōu)化配置和任務(wù)智能調(diào)度問題。在此基礎(chǔ)上，建立礦山安全生產(chǎn)過程中的“采、掘、機、運、通、供電、排水、輔助運輸”等裝備與系統(tǒng)的協(xié)同管控平臺。在采掘工作面設(shè)備自動化控制的基礎(chǔ)上，基于采掘工作面生產(chǎn)運行機制以及設(shè)備環(huán)境相關(guān)的數(shù)字孿生模型，集成工作面環(huán)境和設(shè)備多源在線感知信息，研發(fā)工作面液壓支架、采煤機、掘進機、刮板輸送機、轉(zhuǎn)載機、破碎機膠帶機等綜采、綜掘設(shè)備的自主決策控制與智能協(xié)同聯(lián)動系統(tǒng)，可以實現(xiàn)采掘工作面的智能化無人化控制。

圖9 礦山大數(shù)據(jù)分析與智能化應(yīng)用服務(wù)架構(gòu)Fig.9 Mine big data analysis and intelligent application service architecture

3 結(jié) 語

基于數(shù)字孿生的礦山生產(chǎn)場景知識服務(wù)體系是智慧礦山不可或缺的重要組成部分，也是核心關(guān)鍵瓶頸問題之一。結(jié)合數(shù)字孿生、智能傳感與裝備、邊緣計算、人工智能、大數(shù)據(jù)平臺技術(shù)，實現(xiàn)礦山“人、機、環(huán)、管”等各環(huán)節(jié)的知識建模和知識服務(wù)，可以提升對礦山的安全、生產(chǎn)及管理狀態(tài)及其演化規(guī)律把控能力，達到對礦山物理世界實時可測、可觀、準(zhǔn)確控制、精確管理和科學(xué)決策的目的?？梢詮母旧细淖兡壳暗V山安全生產(chǎn)和管理上存在的問題，大大提高礦山重大災(zāi)害事故的預(yù)測預(yù)警與防控的能力，以及生產(chǎn)過程的自治化和自主化運行管控水平?？梢酝七M少人化或無人化技術(shù)在礦山領(lǐng)域的應(yīng)用，從根本上加快智慧礦山的進程。

[1] 丁恩杰,廖玉波,張雷,等. 煤礦信息化建設(shè)回顧與展望[J]. 工礦自動化,2020,46(7):5-11.

DING Enjie,LIAO Yubo,ZHANG Lei，et al. Review and prospect of coal mine information construction[J]. Industry and Mine Automation,2020,46(7):5-11.

[2] 袁亮,俞嘯,丁恩杰,等. 礦山物聯(lián)網(wǎng)人-機-環(huán)狀態(tài)感知關(guān)鍵技術(shù)研究[J]. 通信學(xué)報,2020,41(2):1-12.

YUAN Liang,YU Xiao,DING Enjie，et al. Research on key technologies of human-machine-environment states perception in mine Internet of things[J]. Journal on Communications,2020,41(2):1-12.

[3] 王國法,杜毅博,任懷偉,等. 智能化煤礦頂層設(shè)計研究與實踐[J]. 煤炭學(xué)報,2020,45(6):1909-1924.

WANG Guofa,DU Yibo,REN Huaiwei,et al. Top level design and practice of smart coal mines[J]. Journal of China Coal Society,2020,45(6):1909-1924.

[4] 吳立新. 中國礦山信息化現(xiàn)狀分析與數(shù)字礦山發(fā)展趨勢[A]. 加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責(zé)任和對策(上冊)[C]. 成都，2002:386.

[5] 王國法,龐義輝,任懷偉,等. 煤炭安全高效綜采理論、技術(shù)與裝備的創(chuàng)新和實踐[J]. 煤炭學(xué)報,2018,43(4):903-913.

WANG Guofa,PANG Yihui,REN Huaiwei,et al. Coal safe and efficient mining theory,technology and equipment innovation practice[J]. Journal of China Coal Society,2018,43(4):903-913.

[6] 張申. 煤礦自動化發(fā)展趨勢[J]. 工礦自動化,2013,39(2):27-33.

ZHANG Shen. Development of coal mine automation[J]. Industry and Mine Automation,2013,39(2):27-33.

[7] 任懷偉,王國法,趙國瑞,等. 智慧煤礦信息邏輯模型及開采系統(tǒng)決策控制方法[J]. 煤炭學(xué)報,2019,44(9):2923-2935.

REN Huaiwei,WANG Guofa,ZHAO Guorui,et al. Smart coal mine logic model and decision control method of mining system[J]. Journal of China Coal Society,2019,44(9):2923-2935.

[8] 張申,趙小虎. 論感知礦山物聯(lián)網(wǎng)與礦山綜合自動化[J]. 煤炭科學(xué)技術(shù),2012,40(1):83-86,91.

ZHANG Shen,ZHAO Xiaohu. Comments on sensory mine internet of things and mine comprehensive automation[J]. Coal Science and Technology,2012,40(1):83-86,91.

[9] 趙小虎,張申,譚得健. 基于礦山綜合自動化的網(wǎng)絡(luò)結(jié)構(gòu)分析[J]. 煤炭科學(xué)技術(shù),2004，32(8):15-18.

ZHAO Xiaohu,ZHANG Shen,TAN Dejian. Analysis on network structures for mine comprehensive automation[J]. Coal Science and Technology,2004，32(8):15-18.

[10] 解海東,李松林,王春雷,等. 基于物聯(lián)網(wǎng)的智能礦山體系研究[J]. 工礦自動化,2011,37(3):63-66.

XIE Haidong,LI Songlin,WANG Chunlei,et al. Research of intelligent mine system based on internet of things[J]. Industry and Mine Automation,2011,37(3):63-66.

[11] 陳龍,王曉,楊健健,等. 平行礦山:從數(shù)字孿生到礦山智能[J]. 自動化學(xué)報,2021,47(7):1633-1645.

CHEN Long,WANG Xiao,YANG Jianjian，et al. Parallel mining operating systems:From digital twins to mining intelligence[J]. Acta Automatica Sinica,2021,47(7):1633-1645.

[12] 王國法,王虹,任懷偉,等. 智慧煤礦2025情景目標(biāo)和發(fā)展路徑[J]. 煤炭學(xué)報,2018,43(2):295-305.

WANG Guofa,WANG Hong,REN Huaiwei，et al. 2025 scenarios and development path of intelligent coal mine[J]. Journal of China Coal Society,2018,43(2):295-305.

[13] 吳曉旭,羅會強,丁震. 國家能源集團掘進智能化建設(shè)現(xiàn)狀與路徑研究[J]. 工礦自動化,2021,47(S1):7-9.

WU Xiaoxu,LUO Huiqiang,DING Zhen，et al. Research on current situation and path of intelligent tunneling construction of CHN Energy[J]. Industry and Mine Automation,2021,47(S1):7-9.

[14] 王國法,徐亞軍,孟祥軍,等. 智能化采煤工作面分類、分級評價指標(biāo)體系[J]. 煤炭學(xué)報,2020,45(9):3033-3044.

WANG Guofa,XU Yajun,MENG Xiangjun,et al. Specification,

classification and grading evaluation index for smart longwall mining face[J]. Journal of China Coal Society,2020,45(9):3033-3044.

[15] 黃書翔. 智能化采煤工作面關(guān)鍵技術(shù)及應(yīng)用[J]. 煤炭科學(xué)技術(shù),2021,49(S1):27-34.

HUANG Shuxiang. Key technology and application of intelligent coal mining face[J]. Coal Science and Technology，2021，49(S1)：27-34.

[16] 葛世榮,郝尚清,張世洪,等. 我國智能化采煤技術(shù)現(xiàn)狀及待突破關(guān)鍵技術(shù)[J]. 煤炭科學(xué)技術(shù),2020,48(7):28-46.

GE Shirong,HAO Shangqing,ZHANG Shihong，et al. Status of intelligent coal mining technology and potential key technologies in China[J]. Coal Science and Technology,2020,48(7):28-46.

[17] 謝嘉成,王學(xué)文,郝尚清,等. 工業(yè)互聯(lián)網(wǎng)驅(qū)動的透明綜采工作面運行系統(tǒng)及關(guān)鍵技術(shù)[J]. 計算機集成制造系統(tǒng),2019,25(12):3160-3169.

XIE Jiacheng,WANG Xuewen,HAO Shangqing，et al. Operating system and key technologies fully mechanized mining face driven by industrial Internet[J]. Computer Internet Manufacturing Systems,2019,25(12):3160-3169.

[18] 楊健健,張強,吳淼,等. 巷道智能化掘進的自主感知及調(diào)控技術(shù)研究進展[J]. 煤炭學(xué)報,2020,45(6):2045-2055.

YANG Jianjian,ZHANG Qiang,WU Miao，et al. Research progress of autonomous perception and control technology for intelligent heading[J]. Journal of China Coal Society,2020,45(6):2045-2055.

[19] 胡興濤,朱濤,蘇繼敏,等. 煤礦巷道智能化掘進感知關(guān)鍵技術(shù)[J]. 煤炭學(xué)報,2021,46(7):2123-2135.

HU Xingtao,ZHU Tao,SU Jimin，et al. Key technology of intelligent drivage perception in coal mine roadway[J]. Journal of China Coal Society,2021,46(7):2123-2135.

[20] 丁恩杰,俞嘯,廖玉波,等. 基于物聯(lián)網(wǎng)的礦山機械設(shè)備狀態(tài)智能感知與診斷[J]. 煤炭學(xué)報,2020,45(6):2308-2319.

DING Enjie,YU Xiao,LIAO Yubo，et al. Key technology of mine equipment state perception and online diagnosis under Internet of Things[J]. Journal of China Coal Society,2020,45(6):2308-2319.

[21] 黃曾華,王峰,張守祥. 智能化采煤系統(tǒng)架構(gòu)及關(guān)鍵技術(shù)研究[J]. 煤炭學(xué)報,2020,45(6):1959-1972.

HUANG Zenghu,WANG Feng,ZHANG Shouxiang. Research on the architecture and key technologies of intelligent coal mining system[J]. Journal of China Coal Society,2020,45(6):1959-1972.

[22] 馬宏偉,王鵬,張旭輝,等. 煤礦巷道智能掘進機器人系統(tǒng)關(guān)鍵技術(shù)研究[J]. 西安科技大學(xué)學(xué)報,2020,40(5):751-759.

MA Hongwei,WANG Peng,ZHANG Xuhui，et al. Research on key technology of intelligent tunneling robotic system in coal mine[J]. Journal of Xi’an University of Science and Technology,2020,40(5):751-759.

[23] 馬宏偉,王鵬,王世斌,等. 煤礦掘進機器人系統(tǒng)智能并行協(xié)同控制方法[J]. 煤炭學(xué)報,2021,46(7):2057-2067.

MA Hongwei,WANG Peng,WANG Shibin，et al. Intelligent parallel cooperative control method of coal mine excavation robot system[J]. Journal of China Coal Society,2021,46(7):2057-2067.

[24] 陳楊陽,霍振龍,劉智偉,等. 我國煤礦運輸機器人發(fā)展趨勢及關(guān)鍵技術(shù)[J]. 煤炭科學(xué)技術(shù),2020,48(7):233-242.

CHEN Yangyang,HUO Zhenlong,LIU Zhiwei，et al. Development trend and key technology of coal mine transportation robot in China[J]. Coal Science and Technology,2020,48(7):233-242.

[25] 葛世榮,張帆,王世博,等. 數(shù)字孿生智采工作面技術(shù)架構(gòu)研究[J]. 煤炭學(xué)報,2020,45(6):1925-1936.

GE Shirong，ZHANG Fan，WANG Shibo，et al. Coal mine intelligent technology innovation forum-research on technical framework of digital twin intelligent coal mining face [J]. Journal of China Coal Society,2020,45(6):1925-1936.

[26] 王時龍,王彥凱,楊波,等. 基于層次化數(shù)字孿生的工業(yè)互聯(lián)網(wǎng)制造新范式——霧制造[J]. 計算機集成制造系統(tǒng),2019,25(12):3070-3080.

WANG Shilong,WANG Yankai,YANG Bo,et al. Fog manufacturing:New paradigm of industrial Internet manufacturing based on hierarchical digital twin[J]. Computer Integrated Manufacturing Systems,2019,25(12):3070-3080.

[27] QI Q,TAO F,HU T,et al. Enabling technologies and tools for digital twin[J]. Journal of Manufacturing Systems,2021,58:3-21.

[28] 丁華,楊亮亮,楊兆建,等. 數(shù)字孿生與深度學(xué)習(xí)融合驅(qū)動的采煤機健康狀態(tài)預(yù)測[J]. 中國機械工程,2020,31(7):815-823.

DING Hua,YANG Liangliang,YANG Zhaojian,et al. Health prediction of shearers driven by digital twin and deep learning[J]. China Mechanical Engineering,2020,31(7):815-823.

[29] SUN W,LEI S,WANG L,et al. Adaptive federated learning and digital twin for industrial internet of things [J]. IEEE Transactions on Industrial Informatics,2021,17(8):5605-5614.

[30] JIANG H F,QIN S F,FU J L，et al. How to model and implement connections between physical and virtual models for digital twin application [J]. Journal of Manufacturing Systems,2021,58:36-51.

[31] WANG T,LI J K,KONG Z N，et al. Digital twin improved via visual question answering for vision-language interactive mode in human-machine collaboration [J]. Journal of Manufacturing Systems,2021，58:261-269.

[32] MIN Q F,LU Y G,LIU Z Y，et al. Machine learning based digital twin framework for production optimization in petrochemical industry [J]. International Journal of Information Management,2019，49:502-519.

[33] 孫惠斌,潘軍林,張紀(jì)鐸,等. 面向切削過程的刀具數(shù)字孿生模型[J]. 計算機集成制造系統(tǒng),2019,25(6):1474-1480.

SUN Huibin,PAN Junlin,ZHANG Jiduo，et al. Digital twin model for cutting tool in matching process[J]. Computer Integrated Manufacturing Systems,2019,25(6):1474-1480.

[34] WU C L,ZHOU Y C,MARCUS，et al. Conceptual digital twin modeling based on an integrated five-dimensional framework and TRIZ function model [J],Journal of Manufacturing Systems，2021，58:79-93.

[35] PALAK J,JASON P,JAI P S， et al. Digital Twin-driven smart manufacturing:Connotation,reference model,applications and research issues [J],IEEE Transactions on Power Electrics，2020，35(1):940-955

[36] REN J J,WANG H C,HOU T T,et al. Federated learning-based computation offloading optimization in edge computing-supported internet of things[J]. IEEE Access,2019,7:69194-69201.

[37] 白昱陽,黃彥浩,陳思遠,等. 云邊智能:電力系統(tǒng)運行控制的邊緣計算方法及其應(yīng)用現(xiàn)狀與展望[J]. 自動化學(xué)報,2020,46(3):397-410.

BAI Yuyang,HUANG Yanhao,CHEN Siyuan，et al. Cloud-edge intelligence:Status quo and future prospective of edge computing approaches and applications in power system operation and control[J]. Acta Automatica Sinica,2020,46(3):397-410.

[38] CHEN S L,WEN H,WU J S,et al. Internet of things based smart

grids supported by intelligent edge computing[J]. IEEE Access,2019,7:74089-74102.

[39] 相晨萌,曾四鳴,閆鵬,等. 數(shù)字孿生技術(shù)在電網(wǎng)運行中的典型應(yīng)用與展望[J]. 高電壓技術(shù),2021,47(5):1564-1575.

XIANG Chenmeng,ZENG Siming,YAN Peng，et al. Typical application and prospect of digital twin technology in power grid operation[J]. High Voltage Engineering,2021,47(5):1564-1575.