礦山微功耗安全監測物聯網系統的研究與應用

張達，王濟農，冀虎，紀浩，趙云峰

（1.北京礦冶科技集團有限公司，北京 102608；2.北京礦冶研究總院，北京 100160；3.中國-南非礦產資源綜合利用聯合研究中心，北京 102608；4.中國-南非礦產資源可持續開發利用“一帶一路”聯合實驗室，北京 102608；5.國家知識產權局專利局專利審查協作北京中心，北京 100160）

1 引言

目前，我國正在加速工業化建設和基礎設施建設的進程，而這些建設對我國礦產資源行業的供給能力和產品質量提出了越來越高的要求[1]。在新的形勢下，綠色開采、智能開采、深部開采等已成為礦業行業的研究熱點[2-6]。隨著礦山開采強度不斷加大，開采深度日益增加，礦山面臨著更嚴峻的開采安全保障問題，成為制約我國礦業行業發展的瓶頸問題[7-9]。

我國礦山企業大多已建立了人工或者在線安全監測系統，如尾礦庫在線監測系統、露天邊坡監測系統或地壓監測系統等。然而，受高溫潮濕、粉塵侵蝕、爆破沖擊、作業破壞、極端天氣等外界因素影響，或受傳感器質量、頻繁斷電、通信故障、軟件兼容性等內部因素的影響，現有“系統集成式”的礦山安全監測系統往往存在系統結構混亂、運行可靠性差和維護復雜性高等突出問題[10-13]。同時，這些安全監測系統由于建設及運維成本過高，僅適合在小尺度的局部范圍應用，很難實現對礦山大范圍的生產作業區域內潛在隱患的有效監測。另外，現有監測系統大多只是實現了數據的采集、傳輸、存儲和展示等基本功能，并基于相關要求或工程設計參數進行單閾值簡單報警，并未考慮監測對象本身的工藝特性和結構特性，容易造成誤報或漏報，難以保障安全監測系統的預警有效性[14-15]。

經過多學科多年的努力，礦山的總體安全生產水平已得到顯著提高，但重大事故仍時有發生，安全形勢依然嚴峻[16]。物聯網技術強調物物互聯，在微功耗傳感器網絡[17-18]、智能化傳感單元[19-21]、柔性無線通信網絡[22-24]以及邊緣計算技術[25]等方面可以為礦山安全監測提供有益的借鑒，憑借其多學科交叉融合特性為徹底解決礦山安全生產問題提供了全新的途徑[26-27]。

本文針對礦山企業安全監測系統存在的可靠性差、覆蓋面小、成本高昂、維護不力、預警不準等問題，結合物聯網技術領域的最新成果，提出了一種新的礦山微功耗安全監測物聯網系統及成套解決方案。首先，自主研制了微功耗物聯網采集終端，可兼容接入各種標準的礦用監測傳感器，在采用電池供電的情況下可連續工作2 年，也可通過捕獲光能、振動能、溫差能等礦山容易獲取的微能量，實現對礦山監測對象的大范圍、長時間、低成本監測；其次，研究開發了安全監測物聯網系統的故障診斷與自愈技術，可對傳感器、數據采集終端、微能量捕獲系統、無線通信系統等進行健康狀態的在線診斷和故障辨識，一旦出現故障，快速啟動故障信息上報，并根據預設策略嘗試進行系統恢復，從而保障安全監測系統的可靠運行；再次，開發了礦山生產作業區域物聯網節點的節能通信技術，實現了無線智能傳感器網絡的動態路由、候選集選擇策略、能量捕獲預測和能量分配策略，使安全監測系統在電池供電或本地微能量捕獲供電的情況下能夠在低能耗的前提下實現有效的無線組網與數據上傳；最后，建立了基于工業混合云的礦山安全監測分析云服務平臺，結合對礦山監測對象的精細建模與數值模擬構建了專家系統，并結合人工智能算法實現了對礦山監測對象的異構監測數據的在線分析，進而實現了對監測對象潛在隱患的臨災預警。通過上述措施，構建了具有低功耗、低成本、高集成度、易部署、高可靠和云端分析預警等優勢的礦山安全監測物聯網整體解決方案，為礦山生產作業安全提供有效的技術支撐。

2 總體架構設計

礦山微功耗安全監測物聯網系統的主要目標是實現對礦山開采過程中關鍵監測對象的安全狀態的有效管控，需完成安全監測數據的可靠、準確獲取，高效、便捷上報及實時、智能分析。依照功能劃分，該系統總體上可分為感知層、傳輸層、應用層三層架構，如圖1 所示。

2.1 感知層

感知層主要由礦用安全監測傳感器、物聯網采集終端組成，主要完成礦山監測對象的狀態獲取。

1)礦用安全監測傳感器

礦用安全監測傳感器是礦山安全監測物聯網的最前端節點，由于安全監測參數種類眾多，難以實現統一化設計與生產，因此要考慮兼容常見傳感器廠商的接口和通信協議標準。同時，為了實現安全監測系統的微功耗，安全監測傳感器一般選用一次變送的微傳感器或傳感單元，針對礦山工作條件進行二次封裝和專項防護，并強調智能分析和邊緣計算特性。這些傳感器具有體積小、價格低、功耗小的特點，適合大范圍、高密度的監測應用場合，以獲取被監測對象盡可能全面的狀態信息，從而形成多元異構數據，支撐數據分析與智能預警應用。

圖1 礦山微功耗安全監測物聯網典型拓撲結構

2)物聯網采集終端

物聯網采集終端的作用是對礦山安全監測傳感器輸出的物理信號進行采樣，得到標準化的數字信號；同時，結合故障診斷算法，提高安全監測系統的可靠性。根據礦山安全監測傳感器的布設密度及工藝要求，物聯網采集終端一般包括單通道或多通道2 種常見配置。

單通道物聯網采集終端主要用于監測密度較小、在一定范圍內僅需單一監測參數或者相鄰監測點之間不便于布設線纜的應用場景。例如，在中線法筑壩尾礦壩的外坡表面位移監測、浸潤線監測應用中，若物聯網采集終端采用多通道，根據監測臺網布設密度要求，必然需要在多個傳感器與物聯網采集終端之間采用有線連接，這些線纜在不斷放礦沖刷條件下極易被破壞，而采用單通道物聯網采集終端則可將傳感器與物聯網采集終端就近安裝，大大減小工程布線量，提升系統的可靠性，并具有更好的適用性和性價比。與之類似，在尾礦庫庫水位監測或降雨量監測應用中，在特定區域內進行單通道數據采集就可完全滿足監測要求，也比較適合采用單通道物聯網采集終端。

多通道物聯網采集終端適用于多個鄰近傳感器之間具備良好的線纜連接條件，且在終端附近臺網監測密度較大的場合。在這些場合下，單獨為每一個監測點設置獨立的數據采集系統和數據通信系統性價比偏低，且易造成通信系統的過度復雜和低效，增加系統整體功耗。典型的多通道物聯網采集終端應用場景是礦山井下微震監測系統，物聯網采集終端大多置于某一生產中段的工作面附近，如采場脈外巷道內，并在終端附近安裝4～8 個通道的微震傳感器，構成監測臺網。由于各個傳感器處于不同的區域，且常不通視，若每個傳感器均采用獨立的單通道物聯網采集終端，則這些終端之間必然需要通過多跳的無線網絡進行連接，需增加額外的無線網絡中繼基站，一方面損失了網絡帶寬，另一方面也增加了成本和功耗。而采用多通道物聯網采集終端時，各個傳感器均可通過線纜接入終端，再將采樣后得到的數字信號以有線網絡形式就近接入礦山井下以太網絡，或者以無線網絡形式連接到接入點。

礦用安全監測傳感器與物聯網采集終端之間多采用有線連接方式。物聯網采集終端與傳輸層之間優先采用有線連接方式，必要情況下采用單跳或多跳無線通信方式就近接入有線網絡，尾礦庫在線監測、邊坡安全監測等地表應用在有條件的情況下還可借助第三方運營商的蜂窩移動網絡進行通信。

2.2 傳輸層

傳輸層包含了用于數據通信的軟硬件，主要用于感知層和應用層之間的監測數據、狀態數據及控制指令的上傳和下達。

物聯網采集終端具備有線通信和無線通信2 種數據傳輸方式，有線通信支持以太網通信、RS485串行總線通信及CAN（controller area network）總線通信，無線通信支持Wi-Fi、ZigBee、LoRa 及蜂窩移動網絡等。

在典型的井下安全監測場景下，井下安全監測系統設置有多個物聯網采集終端，各終端的無線通信模塊構成了井下MESH 網絡，可進行柔性自組網通信，再通過數據交換網關就近接入井下以太網。針對長距離巷道通信場景，由于井下MESH 網絡大多分布于巷道沿線，常形成鏈式無線通信拓撲進行多跳無線通信，若終端之間距離較遠或通視條件很差，還可能需要補充中繼通信節點以保障通信質量。

在典型的地表安全監測場景下，多個物聯網采集終端常通過光纖進行數據通信，光纖通信具有本質防雷的特性，適合長距離信號傳輸，但容易被極端氣象條件或者人工活動破壞，建設成本和維護成本高。為此，物聯網采集終端支持通過第三方運營商的蜂窩移動網絡實現數據上傳，建站成本低，終端數量增減靈活，運維成本適中。隨著我國4G、5G 等移動通信技術的不斷進步和數據流量資費標準的不斷下調，這種通過運營商網絡進行通信的解決方案逐步得到推廣普及。

2.3 應用層

應用層主要實現安全監測系統的數據分析預警、安全監測系統狀態診斷及針對監測對象的線上增值咨詢服務等，包括礦山本地安全監測軟件平臺、部署在云端的礦山安全監測分析云服務平臺及運行在以上2 個平臺上的多種專業化功能插件，如數據采集插件、故障診斷插件、數據處理插件、三維展示插件、數據庫同步插件、系統發布插件、應急救援插件等。

應用層將感知層收集到的監測對象狀態信息進行自動處理并基于人工智能技術及專家系統進行預警，供安全分析專家或者生產管控人員用于對礦山安全管理和生產調度進行決策。

3 安全監測物聯網系統的開發

本文提出的礦山微功耗安全監測物聯網系統以智能傳感器、物聯網采集終端、無線節能通信模塊為核心硬件基礎，具有高集成度、微功耗等特點，適合礦山安全監測應用需求。

3.1 智能傳感器

本文以礦用智能型微震檢波陣列為例，闡述礦山低功耗安全監測物聯網系統的智能傳感器的技術要點。

礦用智能型微震檢波陣列框架如圖2 所示。相對于常規傳感器，智能傳感器內置了微處理器，可實現波形預處理、在線分析診斷、遠程控制等功能，從而實現邊緣計算。本文研發了智能型微震檢波陣列，它是在常規的三向檢波器的基礎上，通過在每一個方向上疊加傳感器芯體，構成多維檢波器陣列，從而在小體積的情況下保障了傳感器的高信噪比和靈敏度性能。智能傳感器可實現網絡中的智能傳感器自動辨識與ID 分配、自動去噪及傳感器故障診斷、傳感器芯體靈敏度校準等功能。

圖2 礦用智能型微震檢波陣列框架

礦用智能型微震檢波陣列核心模塊包括信號接入與阻抗匹配模塊和嵌入式濾噪模塊。其中，信號接入與阻抗匹配模塊安裝于微震檢波陣列內部；嵌入式濾噪模塊疊加安裝于信號接入與阻抗匹配模塊頂端，該模塊兼具傳感器管理與故障診斷功能，是智能傳感器的控制核心。

礦用智能型微震檢波陣列的降噪原理如下。在檢波器敏感單元最大靈敏度方向上，安裝(n+1)個等靈敏度的檢波器敏感單元，檢波器敏感單元間距為d，同一振動信號依次傳播到1～(n+1)個檢波器敏感單元。假設相鄰2 個檢波器敏感單元接收到振動信號的相對時差為tΔ，則檢波器敏感單元拾取振動信號在時域下疊加后的方程為

對方程進行傅里葉變換，可得頻域下檢波器敏感單元拾取振動信號的方程為

其中，v(ω)為v(t)在頻域下的表達式，j為時域轉換到頻域后的虛數單位，ω為傅里葉變換后的頻域變量。

由此可見，增加檢波器敏感單元后，其拾取振動信號的總振幅比單個檢波器敏感單元的振幅增大了(n+1)倍，與信號的到達時間無關，只與信號的頻率和到達各敏感單元的相對時差有關。

下面，進一步分析經過組合的敏感單元所拾取信號中有效信號與隨機噪聲之間的關系。

已知輸入信號v(t)為有效信號和隨機噪聲的合成，可表示為

其中，s(t)為有效信號，n(t)為隨機噪聲。由于隨機噪聲的瞬時幅值是隨機的，并不確定，因此不能用隨機噪聲的瞬時幅值與有效信號振幅相比。因此選用均方值，通過描述隨機信號偏離其平均值的幅度大小，進行信噪比（SNR）計算。

將信噪比定義為

其中，A為有效信號振幅，σ為隨機噪聲的均方值。

當同一方向上的(n+1)個檢波器敏感單元進行信號疊加后，輸出信號為

其中，疊加前的隨機噪聲均方值為

疊加后的隨機噪聲均方值為

其中，R為相關函數，有

如果有效信號到達各個檢波器敏感單元的震相相同，且檢波器敏感單元收到的隨機噪聲是互不相關的，則，計算疊加后和疊加前的信噪比比值為

可見，由于有效信號存在相關性，而隨機噪聲不相關，通過檢波器敏感單元信號疊加提高了信噪比。

本文基于丹麥B&K 公司的振動校準系統給定有效幅值固定、頻率（30～1 130 Hz）可調的振動激勵，通過分析振動臺上常規檢波器和智能檢波陣列的相關性，在頻域找到給定頻率激勵對應的振幅均方根最大值，并根據最大值設定閾值，提取有效信號，以此分別測試不同頻率下檢波陣列的信噪比。

本文開發的智能傳感器基于檢波器陣列結構和嵌入式信號處理算法，通過通道相關性提取有效信號，有效地抑制隨機噪聲干擾實現降噪，將信噪比提高1.4 倍，分別如表1 和表2 所示。表1 中，幅值閾值為30%，相干系數＞0.6。表2 中，幅值閾值為30%，相干系數＞0.8。

表1 檢波器疊加信噪比分析1

表2 檢波器疊加信噪比分析2

3.2 物聯網采集終端

智能傳感器獲取礦山監測對象的狀態數據后，需要通過物聯網采集終端實現數字化。本文圍繞礦山典型的安全在線監測系統需求及其工藝難點與特點，針對尾礦庫在線監測系統、邊坡監測系統、地壓監測系統、地下礦山安全避險“六大系統”等典型礦山安全監測應用進行概括凝練，提出了適合礦山安全監測要求的新型的低功耗物聯網采集終端。

該終端的硬件結構如圖3 所示，主要包括了核心處理器、外部接口模塊、傳感器及溫度采集模塊、按鍵及指示燈、溫濕度監測模塊、碰撞跌落檢測模塊、無線通信模塊、微能量緩沖及儲能模塊、電量監測模塊等主體功能模塊。

物聯網采集終端支持內部電池供電與外部供電，甚至可通過能量捕獲裝置對礦山常見的光能、熱能、電磁能、溫差能、振動能等微弱雜散能量進行收集，為物聯網采集終端提供電能，大幅簡化了安全監測系統的安裝要求和運行維護要求。

另外，該物聯網采集終端具備完善的故障診斷能力，能夠對智能傳感器、供電線纜、通信系統及自身運行狀態進行在線評估。

圖3 物聯網采集終端硬件結構

物聯網采集終端采用了高集成度的核心電路設計，便于在礦山監測對象中進行大范圍高密度安裝應用，配備內置EEPROM 存儲器，確保在網絡通信失敗的情況下能夠將數據暫存于本地，待網絡恢復后再同步到云端進行處理及分析。

物聯網采集終端針對礦山常用的應力、應變、位移等典型傳感器的工作原理、信號特點、通信協議、狀態特征及常見故障等進行了總結提煉，針對傳感器失效、供電異常、線路損壞等典型故障建立了自檢測模型，如表3 所示。

所提終端采用了微功耗設計，通過能量緩沖管理、智能休眠喚醒及模塊功耗管理等方式，從軟硬件各個細節有效控制和降低了系統功耗。經實測，在供電電壓為3.7 V 時，該裝置的靜態消耗電流僅為8.1 μA；在進行數據采集時，平均電流約為40 mA，完成時間為1.36 s；在監測信息無線上傳時平均電流約為44 mA，完成時間為14.5 ms，其中峰值發送電流為130 mA，發送時間為1.7 ms；在進行指令接收時平均電流約為35 mA，完成時間為3 s。在故障診斷與自愈功能每小時采集并上報一次的策略模式下，平均動態電流消耗低于30 μA，若使用單節2.6 Ah 的14500 規格的鋰電池供電，系統連續運行壽命可達8 年以上，功耗測試的結果如表4所示。

表3 傳感器主要故障自檢模型參數

3.3 無線節能通信模塊

物聯網采集終端獲取的在線監測數據需要傳輸至數據分析與處理服務器進行數據后處理。本文在進行無線通信過程中，充分考慮了各個節點的物聯網采集終端的電能消耗狀態和電能剩余狀態，在電能較充裕時，以較高的壓縮率和傳輸速率進行通信；否則，要相應降低壓縮率和傳輸速率。

基于這一原則，建立無線通信網絡模型，并考慮傳輸節點在接收、轉發、采樣和壓縮數據過程中的能量消耗，動態地在每個時槽內為每個節點最優地分配數據采樣速率并選擇相應的數據壓縮策略，在保持節點電量不耗盡的條件下最大化網絡收集的數據總量。

首先，將每個節點的處理策略進行歸一化建模。假設一個基于數據壓縮的無線傳感網絡包括N個傳感器節點和一個數據收集sink 節點，節點有效通信半徑為R。用pj(t)和Cj(t)分別表示節點j在時槽t內匯聚樹上父節點集合和子節點集合。假設在每個時槽t內，網絡中的各個節點穩定地進行采樣，記節點j的采樣速率為rj(t)，節點j傳送單位比特長度的數據給其父節點p的能耗為，接收單位比特長度的數據的能耗為crx，采樣單位比特長度的數據的能耗為cs。

對于一個節點j，定義其可壓縮的數據流和不可壓縮的數據流分別為，則

設節點j在時槽t下對于其傳輸的數據采用高壓縮比、低壓縮比和不壓縮3 種方式的比例分別為xj(t)、yj(t)和1-xj(t)-yj(t)，則可將壓縮速率和采樣速率的能耗描述為

其中，有

其中，c rlzw和分別為采用S-LZW 算法[27]的壓縮比和單位比特壓縮能耗，crbwt和分別為采用S-LZW-BWT[27]算法的壓縮比和單位比特壓縮能耗。

在這種情況下，可將無線節能通信問題轉化為最大化網絡數據采樣總量問題，表示為

表4 物聯網采集終端功耗測試結果

采用最優化方法對上述問題進行求解，將求解后的最優策略作為物聯網采集終端的通信策略，并在安全監測物聯網云服務平臺上進行各終端通信行為的全局調配，進一步降低監測系統的能耗。

3.4 礦山安全監測物聯網云服務平臺

礦山低功耗安全監測物聯網系統將獲取到的監測對象狀態數據傳輸至數據處理與災害分析預警模塊進行后續處理。本文提出了“專家會診監管、風險分級監管、網絡化閉環監管”多維一體的安全監測分析云服務平臺，全面實現對礦山開采過程各種典型災害隱患的立體監管，具備資料管理、數據報表、風險登記、指標評價、系統運維、異地容災、狀態巡檢、遠程診斷、災害預警、態勢分析、專家評判等功能，也可與情景構建與應急救援相結合，實現深部開采過程地壓災害的演-防-控一體化。

該平臺采用工業混合云架構，以第三方公有云平臺作為載體，實現礦山現場在線監測數據的上傳、存儲、清洗、預處理和轉發服務，云平臺根據安全監測業務的處理量柔性分配網絡資源和計算資源。

當監測數據完成預處理之后，系統將監測數據推送至礦山本地和第三方服務機構的私有云平臺，實現數據的異地容災存儲，也為高效的預警分析和專家評判提供平臺支撐。當礦山網絡出現故障時，監測數據存儲于物聯網采集終端，網絡恢復后，數據自動同步到云端進行處理。

安全監測分析云服務平臺實現全自動的數據分析處理與預警服務，具體算法以組件方式掛載在云服務平臺上進行調用，根據研究開發進度不斷迭代更新。下面以尾礦庫調洪演算預警為例進行闡述。

調洪演算程序的輸入包括洪水計算結果、水位-下泄流量關系和水位-調洪庫容關系，輸出結果為尾礦庫水位過程以及尾礦庫是否安全的提示，如圖4 所示。

圖4 調洪演算及預警流程

具體的調洪演算及預警步驟如下。

Step1用多項式（或其他）函數擬合水位-調洪庫容關系曲線，得到兩者之間的關系式V調=F(Z)。

Step2根據入庫洪水過程線計算第一個時段的入流洪水總量，其中W入單位為m3；Q0和Q1分別為t時刻和t+1 時刻的洪水流量，單位為m3/s；tΔ 為時段長，計算時取為10 min。

Step3輸入起始水位高程Z0，根據V調=F(Z)計算初始水位Z0對應的庫容V0。

Step4根據水位-泄洪函數關系q=f(z)計算Z0對應的泄流量q0。

Step5若，假設時段末水位為Z01=Z0+0.001，計算該水位對應的泄流量q01。

Step6云服務平臺啟動，自動計算出。

Step7根據水位-庫容關系V調=F(Z)，計算Z01對應的庫容V01。

Step8判斷，若符合條件，則Z01即為第一個時段末的水位。

Step9若不符合條件，繼續假設Z02=Z01+0.001，計算q02，重復Step4～Step8 進行計算，直到找到符合條件的時段末水位。

Step10繼續進行下一個時段入流量計算。轉至Step2，計算下個時段入流量。用計算所得上個時段末水位代替Step3 和Step4 中的起始水位Z0進行計算，得到該時段的時段末水位，直到計算完入流的所有時段。

Step11得到時間-水位過程線，從該過程線中讀取最高水位Hmax。

Step12讀取尾礦庫的尾礦壩高程H壩，當前子壩高程H子壩，計算尾礦庫的安全超高H超高=H壩-H子壩-Hmax。

Step13讀取尾礦庫干灘坡比λ，計算尾礦庫干灘長度。

Step14根據尾礦庫安全等級閾值，來判斷尾礦庫是否安全。H閾紅、H閾橙、H閾黃分別為紅色、橙色和黃色預警閾值，L閾紅、L閾橙、L閾黃同理，則

①若H超高＜H閾紅或L灘＜L閾紅發布紅色預警。

② 若H閾紅≤H超高＜H閾橙或L閾紅≤L超高＜L閾橙發布橙色預警。

③若H閾橙≤H超高＜H閾黃或L閾橙≤L超高＜L閾黃發布黃色預警。

④ 若H閾黃＜H超高或L閾黃＜L超高無預警。

Step15顯示判斷結果。

4 現場實驗

基于礦山微動耗安全監測物聯網系統，本文構建了礦山安全監測物聯網云服務平臺框架，如圖5所示，并在20 余家礦山企業上線運行，達到了預期效果。

圖5 礦山安全監測物聯網云服務平臺框架

本文以某銅鎳礦的地壓監測系統和某銅礦尾礦庫在線監測系統為例進行介紹。在銅鎳礦中，曾安裝過國外某知名地壓監測系統，各中段布置的數據采集基站及傳感器數量如下。

20 中段：一個6 通道數據采集基站，3 個單向、一個三向傳感器。

22 中段：2 個6 通道數據采集基站，5 個單向、2 個三向傳感器。

24 中段：一個4 通道、一個6 通道數據采集基站，4 個單向、2 個三向傳感器。

26 中段：一個8 通道數據采集基站，2 個三向傳感器。

因此，共設有6 個數據采集基站和19 個傳感器，共有33 個通道。

本文研制的物聯網采集終端與礦用智能型微震檢波陣列于2018 年10 月在該礦進行安裝實驗，經論證分析，總共安裝4 個物聯網采集終端替換原先的采集基站，每個中段部署一個；16 個智能微震檢波陣列，其中20 中段4 個，22 中段5 個，24中段5 個，26 中段2 個。經實際對比，采集到的數據經處理分析，時間段的地壓事件定位云圖滿足要求，波形拾取效果優于原有地壓監測系統，如圖6 所示。同時應用的傳感器數量大大減少，降低了成本。

圖6 拾取波形質量對比

2019 年3 月16 日，某銅礦尾礦庫因當地電網線路問題停工3 天，但是在現場進行實驗的物聯網采集終端和智能傳感器因為微功耗設計，依靠自身的內部供電以及能量捕獲裝置繼續工作，3 天內采集到的監測數據存儲在采集終端的內置EEPROM里，在尾礦庫控制室電力恢復后將數據同步到云端處理，沒有造成監測數據的缺失。

2019 年5 月27 日，某銅鎳礦因爆破開采作業，原先的地壓監測系統傳感器通信線路受損，失去聯系。此時新安裝的智能微震檢波陣列由于采用基于ZigBee 的局域無線節能通信方式，并未受到現場通信條件影響。同時，采集終端實時進行故障診斷，迅速定位通信故障點，現場人員僅僅花費一個下午就恢復了原監測系統傳感器的通信。

傳統的地壓監測系統數據處理方式需要專家從礦山取得未經處理的監測數據，手動應用軟件進行濾波、P 波S 波拾取、空間定位，再通過聚類分析、應力反演、震源機制等系統分析來對礦山進行生產作業指導。本文研究開發的礦山安全監測分析云服務平臺能夠實時地接收礦山安全監測系統采集到的數據，并自動處理計算，再通過圖表或三維顯示計算結果，如圖7 所示，專家及現場管控人員能夠通過多平臺對云平臺進行訪問、查看、處理計算結果并結合經驗進行分析，極大地提高了信息處理效率，減少了經驗結論的時滯性。

圖7 某銅鎳礦地壓監測系統三維定位

在無人值守的自動計算處理情況下，本文提出的系統微震定位所得圖中也明顯少于原系統，如圖8 所示。

圖8 微震定位結果對標

傳統的尾礦庫監測系統僅針對單一指標進行監測預警，本文建立的包含在云平臺中的尾礦庫在線監測系統以水位、應力、位移等多源信息的融合，建立不同階段、不同量綱之間的綜合評估模型及預警指標，提高風險判斷的可靠性，如圖9 所示。當判斷結果出現災情風險時，在本文研究開發的礦山安全監測分析云服務平臺的首頁進行對應礦山的閃爍預警。

圖9 尾礦庫在線監測平臺多源參數計算曲線

5 結束語

本文針對礦山企業安全監測系統存在的可靠性差、覆蓋面小、成本高昂、維護不力、預警不準等問題，提出了一種新的礦山微功耗物聯網安全監測系統，該系統相對于傳統安全監測系統具有多個優點。

1)一體化設計的物聯網數據采集終端，具有更緊湊的結構和超低功耗，可通過電池實現超長時間工作，也可通過微能量捕獲等方式連續提供能量工作。

2)系統對于智能傳感器、物聯網采集終端以及其他相關模塊進行智能故障診斷，及時發現數據異常和系統故障，并啟動故障上報和自愈流程。

3)通過無線數據節能通信，實現基于ZigBee等方式的低能耗無線局域通信，或者基于第三方供應商實現無線接入，不受現場通信條件限制。

4)可基于礦山安全監測分析云服務平臺實現現場在線數據的高可靠存儲，防止現場采集存儲服務器故障導致數據丟失。

5)通過在線數據分析預警算法，結合專家現場診斷服務，實現真正有效的監測預警和臨災處置。