数字孪生驱动的煤矿多元业务全局动态协同管控.pdf

数字孪生驱动的煤矿多元业务全局动态协同管控邢震1，2（1.中煤科工集团常州研究院有限公司，江苏 常州213015；2.天地（常州）自动化股份有限公司，江苏 常州213015）摘要：煤矿作为典型的多业务协同的复杂生产系统，在动态化销量需求及不确定性生产环境的作用下，存在安全、生产、经营等业务协同性和联动性较差等问题。数字孪生技术可为实现煤矿全局业务系统数据融合、协同管控和智能联动提供技术保障。从专业业务内部的融合、专业业务之间的融合 2 个方面分析了煤矿多元业务的融合及协同管控，其中专业业务内部的融合包括安全监测类业务融合、生产协同类业务融合、经营类业务融合3 个部分。构建了基于数字孪生的业务动态协同管控架构，该架构包括物理对象感知层、虚拟空间仿真层、协同管控决策层。提出了“决策算法前摄性静态规划+孪生模型预测性协同管控+实时数据动态性协同管控”三重驱动的煤矿全局业务动态协同管控模式：在孪生世界构建煤矿“安全生产经营”多元业务虚拟模型，进行安全保障、生产联动、经营管理等前摄性静态规划，制订最优的业务协同管控初始工作计划；采用数值仿真模拟方式，在信息世界中实现虚拟模型的预测性运行，当管控措施效果得到验证后，及时将决策指令下发到物理世界中，从而将扰动由事件发生后的被动处理变成事件发生前的主动管控，提升管控决策的有效性；当煤矿企业业务运行过程中出现孪生世界未预测到的扰动时，根据实时监测数据，借助决策算法判断扰动事件等级，触发对应应急预案，实现企业多元业务的动态性协同管控。关键词：智能矿山；综合管控平台；数字孪生；多元业务融合；协同管控；辅助决策中图分类号：TD67文献标志码：AGlobal dynamic collaborative management and control of diversifiedbusiness in coal mines driven by digital twinsXING Zhen1,2(1.CCTEG Changzhou Research Institute,Changzhou 213015,China；2.Tiandi(Changzhou)Automation Co.,Ltd.,Changzhou 213015,China)Abstract:As a typical complex production system with multi business collaboration,coal mines faceproblems such as poor collaboration and linkage in safety,production,and operation under the dynamic salesdemand and uncertain production environment.Digital twin technology can provide technical support forachieving data fusion,collaborative control,and intelligent linkage in the global business system of coal mines.This article analyzes the integration and collaborative control of diversified businesses in coal mines from twoaspects:internal integration of professional businesses and integration between professional businesses.Theinternal integration of professional businesses includes three parts:safety monitoring business integration,production collaboration business integration,and operational business integration.We have constructed abusiness dynamic collaborative management and control architecture based on digital twins.It includes a physicalobject perception layer,a virtual space simulation layer,and a collaborative management and control decision-收稿日期：2023-06-02；修回日期：2023-07-20；责任编辑：胡娴。基金项目：天地科技股份有限公司科技创新创业资金专项项目（2021-TD-ZD004）。作者简介：邢震（1987），男，山东平邑人，副研究员，硕士，研究方向为智能矿山整体解决方案、生产协同管控及煤矿安全信息化，E-mail：。引用格式：邢震.数字孪生驱动的煤矿多元业务全局动态协同管控J.工矿自动化，2023，49（7）：60-66,82.XING Zhen.Global dynamic collaborative management and control of diversified business in coal mines driven by digital twinsJ.Journal of Mine Automation，2023，49（7）：60-66,82.第 49 卷 第 7 期工矿自动化Vol.49 No.72023 年 7 月Journal of Mine AutomationJul.2023文章编号：1671251X（2023）07006008DOI：10.13272/j.issn.1671-251x.2023060003making layer.A triple-driven dynamic collaborative control model for the coal mine global business has beenproposed.It includes proactive static planning of decision algorithms,predictive collaborative control of twinmodels,and real-time data dynamics collaborative control.In the twin world,the multi-business virtual model forcoal mine safety-production-operation is constructed.The proactive static planning for safety assurance,production linkage,and business management is carried out to formulate the optimal initial work plan for businesscollaborative control.The numerical simulation method is used to achieve the predictive operation of virtualmodels in the information world.After the effectiveness of control measures is verified,decision instructions arepromptly issued to the physical world.Therefore,the disturbances from passive processing after the event aretransformed into active control before the event,improving the effectiveness of control decisions.When there areunforeseen disturbances in the twin world during the operation of coal mining enterprises business,based on real-time monitoring data,decision algorithms are used to determine the level of disturbance events.Thecorresponding emergency plans are triggered.The dynamic collaborative management and control of thediversified business of the enterprise are achieved.Key words:intelligent mine;comprehensive control platform;digital twin;multi-business integration;collaborative control;assisting decision-making 0引言国家发展改革委等八部委于 2020 年 2 月联合印发关于加快煤矿智能化发展的指导意见，提出建设智能化生产、安全保障、经营管理等多系统、多功能融合的一体化平台，实现煤矿产运销业务协同、决策管控、一体化运营等智能化应用1-3。数字矿山时代的各类单一系统可实现独立的环境参数监测、数据存储、数据分析、控制及执行等功能，但仅从单一系统层面来考虑问题是孤立的、静止的、片面的4-6。人工智能、工业物联网、云计算、大数据、机器人、智能装备等新技术的兴起为煤矿决策者从全局层面分析解决问题提供了技术支撑7-11，作为新技术应用载体的智能矿山综合管控平台可为煤矿安全、生产、经营等业务应用中存在的问题提供全新的解决方案。目前，学者们对智能矿山综合管控平台的开发和应用进行了大量研究12-14。陈晓晶15提出基于综合管控平台建立集安全保障、生产协同、机器人集群协同等于一体的协同管控应用。张倍宁等16从集团公司层级提出基于三级管控架构的综合管控平台应用。毛善君等17设计了基于设备层、控制层、生产执行层、经营层与决策层的系统业务架构。智能矿山综合管控平台的建设为煤矿提供了全局实时协同管控的基础，但煤矿作为典型的多业务协同的复杂生产系统18，在动态化销量需求及不确定性生产环境的作用下，其运作过程难免受到干扰，同时受到煤矿企业内部各业务部门纵向信息传递和横向业务影响的限制，使得煤矿安全、生产、经营等业务协同性和联动性较差。数字孪生技术采用数字化建模方式，以实体物理模型为基础建立虚拟模型，通过虚实信息交互实现虚拟世界与物理世界之间数据的互联互通，在虚拟世界中充分利用数据融合分析、多物理量数值仿真、智能决策等手段，为物理世界赋能。数字孪生技术可为实现煤矿全局业务系统数据融合、协同管控和智能联动提供技术保障。目前基于数字孪生技术的智能矿山多元业务融合及协同管控应用研究处于起步阶段19，有必要进行深入研究。本文从专业业务内部的融合、专业业务之间的融合 2 个方面分析了煤矿多元业务的融合及协同管控，构建了基于数字孪生的业务动态协同管控架构，并详细探讨了数字孪生驱动的“安全生产经营”协同管控策略，提出了“决策算法前摄性静态规划+孪生模型预测性协同管控+实时数据动态性协同管控”三重驱动的煤矿全局业务动态协同管控模式。1煤矿多元业务融合及协同管控 1.1专业业务内部的融合及协同管控 1.1.1安全监测类业务融合瓦斯灾害、水害、火灾、顶板冒落、冲击地压等依然是煤矿主流灾害，目前对各类灾害从监测、分析、预警、治理等都进行了充分研究20，各煤矿企业根据实际情况建设了相关子系统。然而矿井灾害往往波及范围广、发生时间短、持续时间长，甚至会产生次生灾害等，如煤矿采空区火灾会引起采空区瓦斯爆炸，矿井外因火灾产生的火风压会导致风流逆转，瓦斯灾害会导致风流下游有害气体超标。因此，仅从单一灾害或单一系统的角度来分析和解决问题是不全面的。智能矿山建设为灾害的融合预警、联2023 年第 7 期邢震：数字孪生驱动的煤矿多元业务全局动态协同管控 61 动控制提供了平台。综合管控平台集成了灾害监测相关子系统，使得决策人员可以从全矿井安全、生产层面分析及治理灾害。以火灾监测为例，安全监测类业务融合如图 1所示。从单一灾害层面，智能矿山综合管控平台融合各安全监测、分析及灾害防治类系统数据，将某一区域或地点内相关的监测系统关键数据作为输入参数，通过单一灾害融合分析预警模型输出预警等级及控制指令，智能控制相关区域内与该灾害有关的防治装备自动采取防治措施，及时将灾害控制在初始阶段。从关联灾害层面，平台接入的其他相关系统数据为关联灾害数据分析提供了基础，关联灾害融合分析预警模型通过分析单一灾害影响的其他区域或地点的监测数据作出控制命令，从而触发关联灾害防治装备及措施。同时，单一灾害及关联灾害融合分析预警结果可触发煤矿生产及辅助系统（如矿井广播、视频监控、人员定位、运输系统、排水系统等）联动控制，实现灾害的综合联动及协同控制。子系统数据分析数据存储信息交互数据交互目标灾害监测子系统数据(以火灾为例)智能矿山综合管控平台单一灾害数据分析单一灾害防治装备及措施关联灾害数据分析关联灾害防治装备及措施控制指令广播、视频、通风、供电等灾害处理辅助装备及措施关键数据控制指令控制指令子系统数据分析数据存储信息交互数据交互关键数据光纤测温束管监测红外成像安全监测安全监控人员定位应急广播调度通信信息发布安全生产辅助系统数据监测关联灾害监测子系统数据监测瓦斯监测粉尘监测风向监测通风机监测注氮系统灌浆系统洒水系统注胶系统瓦斯抽采系统粉尘洒水系统风门风窗控制通风机控制图 1 安全监测类业务融合Fig.1 Security monitoring business integration 1.1.2生产协同类业务融合不同于煤矿灾害之间的相互影响，煤矿生产协同业务的特点在于各生产环节环环相扣。主煤流生产线通常包括生产单元、运输单元、提升单元、洗选单元、运销单元。智能矿山综合管控平台建设之前，各环节的子系统独立运行，通过人工综合调度实现生产线的正常运转。然而实际运行过程中煤矿生产各环节影响因素复杂、各环节之间互相掣肘，导致生产流程频繁中断，仅从各单一环节监测数据考虑问题是滞后的。综合管控平台的建设从整个主煤流生产线乃至全矿井生产、辅助系统的层面为调度人员提供了有力支撑。从单一单元层面，由于各单元内部子系统关联更加紧密，综合管控平台通过本环节及上下游各环节协同管控实现生产协同类业务融合，如图 2 所示。本环节协同管控通过整合单元内相关的监测系统数据，实现单元内部各子系统的协同运转及联动控制。若某一单元发生故障或出现异常情况，综合管控平台通过协同控制算法分析与该环节相关联的前后各环节的监测系统数据，对故障影响时间及影响范围进行预判，并控制关联环节及时采取措施，将目前的事后补救优化为事前预判，从而最大程度地减少损失。同时，关联环节故障时协同控制算法触发控制命令，实现矿井生产、辅助相关的矿井广播、视频监控、人员定位、运输系统等的协同控制。本环节协同管控下游环节协同管控上游环节协同管控异常提升智能矿山综合管控平台采煤运输掘进井底煤仓洗选产品仓销售地面煤仓图 2 生产协同类业务融合Fig.2 Production collaboration business integration 1.1.3经营类业务融合煤矿企业经营类业务融合的目的是从煤矿企业全局考虑，保证企业生产成本最小、资源配置最高效、整体利益最大，因此必须打破部门壁垒，实现跨 62 工矿自动化第 49 卷部门、跨层次的业务融合。煤矿企业经营业务融合层级划分为内部融合和外部融合，如图 3 所示。内部融合包括煤矿企业内部业务群内各业务单元之间的协同、不同业务群的业务单元之间的协同和不同业务群之间的协同。外部融合是指煤矿企业与所属集团公司之间的业务协同。业务单元 a6业务单元 a1业务单元 a2业务群内业务单元协同不同业务群之间业务单元协同业务单元 a5业务单元 a4业务单元 a3业务群与业务群协同业务单元 a7业务单元 b6业务单元 b1业务单元 b2业务单元 b5业务单元 b4业务单业务单元 b3业务单元 b7业务单元 c6业务单元 c1业务单元 c2业务单元 c5业务单元 c4外部业务群协同业务单元 c3业务单元 c7业务群A业务群B业务群C业务单元 d6业务单元 d1业务单元 d2业务单元 d5业务单元 d4业务单元 d3业务单元 d7业务群D集团公司智能矿山综合管控平台图 3 经营类业务融合Fig.3 Business integration of operation and management 1）内部融合。同一业务群内各业务单元相关性强，涉及到的部门人力、财力、物力等资源较类似，具有很强的协同性，可通过资源共享及生产成本分摊实现整体利益最大化。不同业务群中各业务单元的业务流程关联上下游，可通过纵向融合实现协调时间成本、资源成本的最小化。煤矿企业内不同业务群之间可将流程相近的业务单元进行资源共享，提高各业务群之间的密切程度，发挥协同效应。2）外部融合。煤矿企业不是一个独立的个体，通常是受矿业集团公司管理的下级单位，在安全、生产及经营等业务领域需要频繁地与矿业集团公司交互数据，通过综合管控平台可从煤矿主体、业务群和业务单元 3 个层面与上级管理部门协同，实现资源、能力的共享。1.2专业业务之间的融合及协同管控为灵活应对煤炭供需季节性变化，保障紧急情况下的煤炭应急储备，实现煤炭产量的柔性供给，要求煤矿业务深度融合及协同管控，实现煤炭“生产运输存储销售使用”一体化运行模式。以安全、生产和经营为代表的三大业务群是煤炭企业运转的 3 个重要因素，各业务群之间的协同模式直接决定了煤矿企业全局的运转效果。在智能矿山建设之前的独立运行模式下，安全、生产和经营业务分别由多个不同的业务部门承担，不同部门或环节之间无法进行有效协同和信息共享，决策时往往顾此失彼，难以平衡煤矿企业整体的安全状态、生产进度和经济效益。因此，必须从煤矿全局高度优化以安全、生产、经营业务为主体的业务群之间的协同度，从而实现煤矿整体运行的最优化。“安全生产经营”全局业务协同管控如图 4 所示。安全数据生产数据经营数据数据融合数据融合协同管控协同管控智能决策数据治理业务协同决策安全业务生产业务经营业务图 4 “安全生产经营”全局业务协同管控Fig.4 Safety-production-operation globalbusiness collaboration control 2基于数字孪生的多元业务动态协同管控架构数字孪生技术为实现煤矿企业多元业务协同管2023 年第 7 期邢震：数字孪生驱动的煤矿多元业务全局动态协同管控 63 控提供了技术保障：基于工业互联网的数字孪生技术通过感知层获取煤矿全业务流程的灾害监测及防治装备、机械化生产设备、人员、物料等数据，经过煤炭工业大数据中心实现数据治理和提取，基于智能矿山综合管控平台实现数据的融合、决策指令的下发等功能，是物理世界的准确映像。数字孪生技术采用实时动态仿真的方式，以接入的灾害监测数据、设备全生命周期数据等为输入条件，在虚拟世界中实现灾害、设备、生产状态等的预演，从而切实避免可预测的故障、灾害等。在数字孪生虚拟环境下，借助智能决策算法和模拟数据，可实现协同管控算法的演练，经过对比寻找最佳决策方案并应用在现实世界中，大大降低试错成本。为实现煤矿全局业务系统数据融合、协同管控和智能联动，将数字孪生技术应用于智能矿山综合管控平台，构建基于数字孪生的“安全生产经营”协同管控服务架构，如图 5 所示。该服务架构包括物理对象感知层、虚拟空间仿真层、协同管控决策层。物理对象层虚拟世界层协同管控层 矿井三维模型 设备三维模型 灾害场景模型 生产场景模型 经营管理场景模型三维地质模型灾害孪生三维模型协同管控机制智能决策算法 协同管控机制 联动决策模型 动态干扰下重调度算法 智能决策算法 数字孪生设备故障性预测及诊断 灾害预测及治理方案优化安全监测及执行装备生产装备及系统经营管理系统 五大灾害监测及执行装备 掘、采、运、提、洗等生产装备及系统 合同、财务、运销、人力等经营管理系统地形地貌粘土层煤层基岩层H3-1含水层H3-2水S-2工业广场三维通风网络联动决策模型图 5 基于数字孪生的“安全生产经营”协同管控服务架构Fig.5 Safety-production-operation collaborative control service framework based on digital twins 物理对象感知层：该层是智能矿山数据来源基础及指令执行载体。通用感知及执行装备包括传统环境监测传感终端、摄像头、射频卡、井下手机终端等。安全监测及执行装备包括新型智能传感监测装置（如新型光学多参数传感装置、光纤高灵敏风速传感器、低功耗 MEMS 传感器等）、水害监测装备（如电法、微震、化探等监测装备）、火灾监测及防治装备（如气相色谱法、光纤测温、红外成像、灌浆、注氮等装备），以及顶板、矿压、粉尘等监测及治理装备。生产装备及系统包括智能化采掘装备（如采煤机、液压支架、刮板输送机、采煤类机器人、掘进类机器人、运输类机器人等）、智能化生产辅助装备（如智能供电、智能压风、智能供排水装备等）、智能化主煤流运输装备（如驱动装置、张紧装置等）。经营管理系统包括运销、财务、人事、合同等系统。通过对人、机、物、环等多因素实时感知和互联，为智能协同构建基础条件。虚拟空间仿真层：以物理对象感知层的海量多源异构数据为基础，基于“人机料法环”等物理对象，以智能化综合管控平台为依托，通过数字孪生建模技术映射为与物理世界一致的“安全生产经营”虚拟模型，并按与物理层对应的协同关系形成虚拟系统，通过多物理量实时动态仿真技术实现多信息系统业务的高保真映射和实时反馈执行，实现孪生空间中虚拟模型与现实空间中物理模型的数据同步，并通过信息接收调整协同管控策略，以保障煤矿多业务一体化协同管控的智能决策。协同管控决策层：在虚拟空间重塑深度实时动态属性下孪生体的煤矿业务流程，并通过专家模型及自主学习构建最佳调度及控制方案，根据不同应用场景开发订制化应用，如针对安全状态、生产效率、运营效益等多目标优化要素，提供基于实时仿真技术的煤矿“安全生产经营”多业务调度策略，在虚拟空间验证可行性后将优化策略反馈至煤矿企业现实空间对应执行层，实现煤矿企业全过程智能决策和协同管控，塑造全流程闭环交互模式，实现顶层决策和底层执行的标准化、可视化、智能化。64 工矿自动化第 49 卷 3数字孪生驱动的“安全生产经营”协同管控策略煤矿企业“安全生产经营”系统业务之间紧密关联，系统运行过程中避免不了外界因素的动态扰动，静态状态下的协同管控无法满足实际需求，系统高效协同运行需以自主决策、自适应调整为支撑，减弱外界动态因素对系统运行造成的扰动影响。3.1扰动事件类别及等级划分煤矿企业安全、生产、经营业务运行过程中包含多种扰动事件。煤矿安全方面，各种灾害的日常治理及预防工作（如工作面上下隅角的堵漏风工作、CO 超标时的注氮工作、瓦斯治理工作）、灾害监测及治理装备故障及突发性事故均会导致对煤矿生产及经营的影响。生产方面，以掘进、采煤、运输、提升、洗选煤炭流为主线，以辅助运输、通风、压风、供配电、供排水、调度通信、人员定位等为辅线的全流程机械装备突发故障，生产物资材料计划外短缺，车辆故障，调度决策不合理，人工误操作，未探明的地质构造等，均会造成生产流程的延缓甚至中断，产生火灾等安全隐患。经营方面，煤炭企业内部的资金保障因素、外部的季节性变化因素、价格竞争因素、国际煤炭供应因素等均会对煤炭产量造成影响，从而对煤矿企业生产和安全造成影响。根据不同扰动事件对煤矿运营系统的影响时长、影响范围、影响程度、可恢复程度等指标，确定影响指数 F：F=Iper+Isco+Ideg+Irec（1）式中：Iper为影响时长；Isco为影响范围；Ideg为影响程度；Irec为可恢复程度；，分别为各影响因素对应的权重系数。针对每个因素对煤矿业务的影响，将影响因素划分为 4 个等级，划分标准见表 1。表 1 影响因素等级划分Table 1 Classification of different factors等级影响程度Ideg影响范围Isco影响时长Iper可恢复程度Irec级影响很小单一子系统很短容易恢复级影响较小业务单元较短不容易恢复级影响很大业务群较长难以恢复级影响严重煤矿整体很长无法恢复 根据煤矿实际扰动事件的影响情况确定权重，对各影响因素加权求和后得到扰动事件影响指数 F，表示根据实际情况设置扰动事件等级临界点 F1、F2，将 煤 矿 运 行 过 程 的 扰 动 事 件 划 分 为 3 个 等 级：当 0FF1时，扰动事件影响不大，定义为级扰动事件，需要处理。当 F1FF2时，扰动事件影响较大，定义为级扰动事件，需要及时处理。当 FF2时，扰动事件影响很大，定义为级扰动事件，需要立刻处理。3.2动态协同管控机制基于数字孪生赋能的“安全生产经营”协同管控架构，采用定性研究方式，提出“决策算法前摄性静态规划+孪生模型预测性协同管控+实时数据动态性协同管控”三重驱动的煤矿多元业务全局动态协同管控模式，如图 6 所示。实时动态扰动孪生系统预测性动态扰动预测性协同管控机制实时动态协同管控机制指令集输入数据安全业务数据生产业务数据经营业务数据灾害及流程仿真设备全生命周期经营管理预测算法协同控制算法虚拟世界方案优选物理世界优化调整实时数据指令集安全业务数据生产业务数据经营业务数据协同控制算法虚拟世界方案优选物理世界优化调整判断扰动等级时间态势静态规划预测性管控实时管控判断扰动等级图 6 数字孪生驱动的煤矿多元业务全局动态协同管控模式Fig.6 Digital twin driven global dynamic collaborativemanagement and control model for diversified business in coal mines 1）决策算法前摄性静态规划。基于多元业务感知端全要素初始状态及数据，结合云端协同管控决策层多业务联动规划机制等理论算法模型，在孪生世界构建煤矿“安全生产经营”多元业务虚拟模型，以安全状态、生产效率、运营效益等多层级目标作为优化目标，进行安全保障、生产联动、经营管理等前摄性静态规划，制订最优的业务协同管控初始工作计划，为多元业务协同提供理论指导21。2）孪生模型预测性协同管控。依托工业互联网“云管边端”架构，以煤矿业务全流程的孪生精准映像为载体，以各业务实时动态数据为输入条件，采用数值仿真模拟方式，结合设备全生命周期管理系统数据、经营管理预测模型等，在信息世界中实现虚拟模型的预测性运行。孪生体中若出现动态扰动，如灾害仿真结果出现异常、设备全生命周期系统报警或提示设备需要更换、销售预测数据出现销量大幅度波动等，先在虚拟世界中及时采取措施并试运行，当管控措施效果得到验证后，及时将决策指令2023 年第 7 期邢震：数字孪生驱动的煤矿多元业务全局动态协同管控 65 下发到物理世界中，从而将扰动由事件发生后的被动处理变成事件发生前的主动管控，提升管控决策的有效性。3）实时数据动态性协同管控。受数字孪生基础支撑技术的阶段性发展制约（如物理对象感知层短时间内缺少多元业务的全息感知、虚拟对象仿真层模拟软件的精准性、协同管控决策层智能决策算法的科学合理性等）及外部环境不可预知因素等影响，作为辅助性决策运行的孪生世界难以实现全部事件及流程的精准预测，当煤矿企业业务运行过程中出现孪生世界未预测到的扰动时，根据实时监测数据，借助决策算法判断扰动事件等级，触发对应应急预案，实现企业多元业务的动态性协同管控。4结语为切实解决煤矿企业信息孤岛问题，为管理者从煤矿企业全局、整体高度提供辅助决策支撑，在智能矿山综合管控平台基础上，借助数字孪生技术，以安全、生产、经营业务协同管控为目标，从普遍联系的单一业务入手，用全面系统、发展变化的观点深入挖掘单一系统多源异构数据及相关业务之间的关联规则，研究关联环节之间的协同算法，将单一业务层面上升到整体业务数据融合及协同管控层面，为智能矿山建设中管控一体化平台的应用积累了经验。参考文献（References）：王国法，刘峰，孟祥军，等.煤矿智能化（初级阶段）研究与实践J.煤炭科学技术，2019，47（8）：1-36.WANG Guofa，LIU Feng，MENG Xiangjun，et al.Research and practice on intelligent coal mineconstruction（primary stage）J.Coal Science andTechnology，2019，47（8）：1-36.1 李首滨.智能化开采研究进展与发展趋势J.煤炭科学技术，2019，47（10）：102-110.LI Shoubin.Progress and development trend ofintelligent mining technologyJ.Coal Science andTechnology，2019，47（10）：102-110.2 罗香玉，李嘉楠，郎丁.智慧矿山基本内涵、核心问题与关键技术J.工矿自动化，2019，45（9）：61-64.LUO Xiangyu，LI Jianan，LANG Ding.Basicconnotation，core problems and key technologies ofwisdom mineJ.Industry and Mine Automation，2019，45（9）：61-64.3 丁恩杰，廖玉波，张雷，等.煤矿信息化建设回顾与展望J.工矿自动化，2020，46（7）：5-11.DING Enjie，LIAO Yubo，ZHANG Lei，et al.Reviewand prospect of coal mine informatizationconstructionJ.Industry and Mine Automation，2020，4 46（7）：5-11.王国法，任怀伟，赵国瑞，等.煤矿智能化十大“痛点”解析及对策J.工矿自动化，2021，47（6）：1-11.WANG Guofa，REN Huaiwei，ZHAO Guorui，et al.Analysis and countermeasures of ten pain points ofintelligent coal mineJ.Industry and MineAutomation，2021，47（6）：1-11.5 李梅，杨帅伟，孙振明，等.智慧矿山框架与发展前景研究J.煤炭科学技术，2017，45（1）：121-128，134.LI Mei，YANG Shuaiwei，SUN Zhenming，et al.Studyon framework and development prospects of intelligentmineJ.Coal Science and Technology，2017，45（1）：121-128，134.6 王国法，任怀伟，赵国瑞，等.智能化煤矿数据模型及复杂巨系统耦合技术体系J.煤炭学报，2022，47（1）：61-74.WANG Guofa，REN Huaiwei，ZHAO Guorui，et al.Digital model and giant system coupling technologysystem of smart coal mineJ.Journal of China CoalSociety，2022，47（1）：61-74.7 胡青松，钱建生，李世银，等.再论智能煤矿建设路线基于人工智能3.0视角J.煤炭科学技术，2022，50（1）：256-264.HU Qingsong，QIAN Jiansheng，LI Shiyin，et al.Re-discussion on construction route of intelligent coal mine：based on perspective of artificial intelligence 3.0J.Coal Science and Technology，2022，50（1）：256-264.8 王海军，武先利.“互联网+”时代煤矿大数据应用分析J.煤炭科学技术，2016，44（2）：139-143.WANG Haijun，WU Xianli.Analysis on application ofcoal mine big data in age of Internet+J.Coal Scienceand Technology，2016，44（2）：139-143.9 马小平，胡延军，缪燕子.物联网、大数据及云计算技术在煤矿安全生产中的应用研究J.工矿自动化，2014，40（4）：5-9.MA Xiaoping，HU Yanjun，MIAO Yanzi.Applicationresearch of technologies of Internet of things，big dataand cloud computing in coal mine safety productionJ.Industry and Mine Automation，2014，40（4）：5-9.10 王星，武讲，张阳，等.智能露天煤矿信息综合管控平台设计及关键技术研究J.煤炭工程，2022，54（3）：33-39.WANG Xing，WU Jiang，ZHANG Yang，et al.Designand key technology research of information integratedmanagement and control platform for intelligent open-pitcoal mineJ.Coal Engineering，2022，54（3）：33-39.11 徐正国，徐华龙.基于多源异构数据的宁煤公司煤矿协同调度平台J.煤矿安全，2021，52（12）：172-176.XU Zhengguo，XU Hualong.Coal mine collaborativescheduling platform of Ningxia Coal Industry Companybased on multi-source heterogeneous dataJ.Safety inCoal Mines，2021，52（12）：172-176.12（下转第 82 页）66 工矿自动化第 49 卷2013：505-508.WANG F Q，ZHANG X F，WANG F.Root-MUSIC-based joint TOA and DOA estimation in IR-UWBJ.Journal on Communications，2014，35（2）：137-145.18 孙文，高林，魏平，等.多普勒耦合下的声呐系统TOA多目标跟踪J.信号处理，2018，34（7）：757-765.SUN Wen，GAO Lin，WEI Ping.et al.Multiple targettracking for sonar system under range-dopplercouplingJ.Jour