金屬礦山風險監測物聯網關鍵技術研究現狀與發展趨勢

譚愛平 劉春德 鄧慶緒，2

（1.東北大學計算機科學與工程學院，遼寧沈陽110169；2.航空動力裝備振動及控制教育部重點實驗室，遼寧沈陽110819）

進入21 世紀，我國的經濟體制改革發展到了一個新的時期，隨著城市化進程的不斷加快，作為傳統行業之一的采礦業仍然發揮著巨大作用，特別是鐵、銅、金、鋁等金屬礦產的需求正在逐年增加。根據統計，預計到2020 年，我國將有20 多種礦產出現短缺，其中9 種嚴重短缺，而金屬礦產占了很大比重［1］。因此，進一步提升金屬礦產的產量十分必要。目前，金屬礦的開采方式大多是地下開采，相比于露天開采，地下開采方式具有采空區體積大、重疊貫通性強等特點，給礦山開采帶來了嚴重的安全隱患，施工風險極高，因此，金屬礦山開采的安全性受到了廣泛關注。早在2016 年，國務院安全生產委員會就已經下發了《金屬非金屬地下礦山采空區事故隱患治理工作方案》，隨后幾年在全國范圍內對金屬礦山的相關施工企業進行了整改。

為保障地下礦山安全生產，確保礦山職工及其周邊人民群眾的正常生產生活，《國務院關于進一步加強企業安全生產工作的通知》中明確要求金屬、非金屬地下礦山在相應的時限內建設“六大系統”，即：監測監控系統、井下人員定位系統、緊急避險系統、壓風自救系統、供水施救系統以及井下通信聯絡系統。物聯網技術可以通過信息傳感設備，按約定的協議，將任何物體與網絡相連接，通過信息傳播媒介進行信息交換和通信，以實現智能化識別、定位、跟蹤、監管等功能。“六大系統”實施過程中，其主要的功能是實現環境數據采集、傳輸、分析以及設備自動控制，因此，通過物聯網技術進行礦山安全“六大系統”建設是一個有效的解決方案。當前關于礦山“六大系統”的物聯網技術的研究成果涉及能耗、傳輸、組網、時鐘同步等多個技術層面，但是面向金屬礦山這一特殊應用場景的相關研究成果系統性不強。本研究以物聯網技術為基礎，分析礦山“六大系統”部署和應用中涉及的關鍵技術，重點探討環境監測、監控和人員定位等物聯網應用的關鍵技術，以物聯網標準技術體系為基礎，從數據采集、數據傳輸、數據融合以及數據分析4 個方面對當前國內外的研究進展進行分析，提出當前工作面臨的挑戰，并闡述未來發展的方向。

1 金屬礦山風險監測物聯網技術概況

1.1 體系架構

在金屬礦山“六大系統”中，不同的系統在功能上有所區別，但是在具體的物聯網技術層面，可以劃分為如圖1 所示礦山風險監測物聯網模型。該模型按照分層體系的劃分方法，由下至上可以分為感知層、網絡層、處理層和應用層。

（1）感知層。感知層由各類特殊的專用傳感器、A/D 轉換（Analog to Digital Converter）、無線通信模塊構成，用于采集金屬礦山施工環境中的各類數據，根據應用的不同，可以采集溫度、濕度、氣體、風速等環境數據，也可以采集用于人員定位的標簽數據和用于設備、車輛狀態監測的數據。感知層通過傳感器采集數據，而后進行A/D 轉換，最后根據需要進行無線網絡接入，發送數據。

（2）網絡層。金屬礦山風險監測物聯網應用的網絡層通常指的是無線網絡和相關設備，對于某些特殊匯聚設備，可采用可靠的有線鏈路進行連接。網絡層負責進行網絡的組織和管理，包括網絡啟動、監聽和應答等，與此同時，對于感知層發送的數據，根據需求，可以采用單跳或者多跳的路由方式，將數據傳輸到目的設備進行處理。網絡層主要考慮的是傳輸的可靠性、實時性，此外，還需考慮在金屬礦山的特殊環境下，如何有效的節省能耗。

（3）處理層。處理層主要是由各類匯聚設備來對感知層的數據進行處理，通常來說，處理層主要任務是進行數據融合，包括數據特征提取、冗余數據融合、數據異常檢測等操作，而隨著物聯網技術的發展，在特殊的應用需求下，將某些數據處理任務分別在邊緣端和云端處理，“云、邊”融合已經成為物聯網數據融合的發展方向之一。

（4）應用層。應用層通常是在遠程的設備終端或網絡云端對處理層轉發的數據進行大數據分析和進一步處理。金屬礦山的物聯網應用根據不同需求可以劃分為環境監測、人員定位和現場風險分析等，該類處理需要高性能的處理器和較大的存儲空間，因此應用層一般是由遠程終端的設備來完成。

1.2 關鍵技術

根據物聯網的體系架構，目前金屬礦山風險監測物聯網關鍵技術主要包括數據采集技術、數據傳輸技術、數據融合技術和數據分析技術等幾類。

（1）數據采集技術。數據采集技術包括射頻識別技術、智能傳感器技術等，金屬礦山風險監測需要研發專用的特種傳感器，因此，需要芯片、電路等關鍵技術支持。“六大系統”中通過數據采集來實現原始數據獲取，是所有系統運行的基礎。

（2）數據傳輸技術。數據傳輸技術包括無線傳感網絡的組網、路由、接入等技術，金屬礦山風險監測需要考慮數據傳輸的可靠性、實時性以及能耗，因此，無線MAC層技術是核心技術。“六大系統”中通過數據傳輸技術來實現底層感知數據的上傳。

（3）數據融合技術。數據融合技術是一個廣義上的概念，包括數據特種提取、數據異常檢測等，目前大多數的數據融合技術采用的是單源數據分析技術，數據融合根據應用需求的不同可以在不同的設備上進行協同分析。“六大系統”中通過數據融合技術來完成數據篩選、異常檢測、現場故障預警等功能的設計。

（4）數據分析技術。數據分析技術包括處理層和應用層的關鍵技術，對于金屬礦山風險監測來說，數據分析是核心技術，通過該技術可以進行現場風險分析、人員定位、風險監測及預警等操作。“六大系統”中通過數據分析技術可以遠程實現智能分析、應急調度等操作。

2 研究基礎與發展現狀

近年來，我國很多高新技術企業和科研院校開始從事“六大系統”的理論研究及產品研發工作，如深圳翌日科技、彭旭科技、沙科瑞德、南福深興安科技、中國礦業大學物聯網（感知礦山）研究中心、東北大學等單位已經研發出了符合礦山開采需求的“六大系統”產品。深圳市翌日科技有限公司是全球領先的工業物聯網產品及服務提供商。該企業緊密圍繞礦山、隧道、電力、石化等特種行業客戶的需求，提供成熟的產品解決方案。所研發的礦山高精度定位系統、KJ641礦用車輛管理系統、KJ761煤礦人員管理系統以及綜合通信及監控系統等已經在中煤集團、兗礦集團等企業中廣泛應用，取得了較好的效果。上海彭旭科技有限公司研發的非煤礦山“六大系統”實現了礦山井上和井下人員定位、即時通訊、設備跟蹤、遠程監控、應急控制等功能，通過該系統可以實現井下安全預警、應急救援以及調度指揮。東北大學物聯網實驗室面向金屬礦山地下開采環境，研發了地下礦山安全避險“六大系統”，可以實現礦山井上和井下語音通訊、人員和設備跟蹤定位、井下關鍵設備（如風機等）遠程監控、井下關鍵位置圖像視頻監測監控以及各種環境參數（如CO、NO2等）監測監控等，在此基礎上可以實現統一生產指揮調度和事故預防、預警。在“六大系統”建設需求提出后，我國相當一部分礦山企業紛紛投入相關系統的研發之中。經過調查，目前部署的“六大系統”對于礦山安全開采起到了一定的促進作用，但是在實際應用過程中，由于管理、技術、設備、維護等方面的問題，導致“六大系統”的整體運行效果不太理想。本研究從技術角度，對“六大系統”的物聯網關鍵技術進行分析，對在不同技術層面的國內外研究成果和企業的研發情況進行討論。

2.1 數據采集技術

在數據采集技術中，傳感器技術是基礎技術，特別是在金屬礦山的特殊場景下，傳感器技術起到了重要的支撐作用。目前我國在傳感器產業發展過程中面臨著一些問題，即：缺乏自主創新性、產業結構不合理、研發與應用的投資比例不協調、體制不完善等。由于國產傳感器在性能上大多未能達到國際領先水平，因此在很多工業物聯網應用中，都是采用國外的傳感器，特別是一些特種專用芯片，我國目前的研發能力有限，無法滿足應用需求。為此，我國十分重視傳感器技術的發展，在國務院印發的《“十三五”國家科技創新規劃》中將新型傳感器列為發展新一代信息技術的重點，而早在2017年，工業和信息化部就印發了《促進新一代人工智能產業發展3 a 行動計劃（2018—2020 年）》，將重點發展智能傳感器，夯實人工智能產業發展的硬件基礎［2］。在國外，針對傳感器的相關研發已經引起了科學界的高度關注，例如在2017 年，世界十大科學進展之一就是一個由意念操控的機械假肢，該機械假肢就是通過新型的智能傳感器來實現信息的采集和傳輸［3］。

近年來，中國礦業大學物聯網（感知礦山）研究中心致力于礦山傳感器硬件和物聯網系統的研發，其研發的新型MEMS 甲烷氣體新型傳感元件具有功耗低、靈敏度高、靈敏度穩定性好、壽命高、抗污染等優點，其功耗小于80 mW，靈敏度大于15 mV，可以滿足不大于30 ms 的響應時間。對于礦山開采環境下的甲烷氣體檢測具有極大的應用潛力［4］。

東北大學面向金礦開采物聯網檢測應用，設計了一個款振弦采集儀。該型設備是一種分布式采集基站，能夠用于對礦道工程進行長期、實時、在線安全監測。它能夠同時多路采集振弦式、數字式、電壓電流式、四線差阻式等多種傳感器數據并進行解析，可以通過ZigBee、RS485、TCP/IP 等方式將解析數據實時上傳到服務器。此外，該型采集儀能夠自主設置多種采樣頻率，并且可以在本地存儲超過1 a 的數據，方便在線、本地等多種方式查詢數據。

總體來看，傳感器技術的發展離不開材料科學，因而當前智能傳感器、專用傳感器的研發重點是對材料的相關研究［5］。例如硅基材料在功能化、智能化、微型化、集成化等方面優勢明顯；半導體光電材料精度與靈敏度較高，適用于制造光纖、紅外與激光等傳感器件；納米材料及其制備技術的發展可以改善傳統生物傳感器環境耐受性與穩定性差的不足，由此推動生物傳感進入到一個新的發展階段。石墨烯材料雖然僅被發現十多年，但已經被應用于傳感技術的多個方向。石墨烯的引入有效解決了單純金屬氧化物氣體傳感材料的諸多問題，可以顯著降低工作溫度，提高靈敏度，其在傳感過程中不僅增加了目標氣體吸附表面積，還加快了電子轉移速率。

此外，通過射頻識別技術（Radio Frequency Identification，RFID）進行數據采集也是主要的方法。RFID 技術不僅可以有效降低物聯網數據傳輸成本，而且有助于降低能耗。但是，該技術易受到環境干擾，特別是在金屬礦山地下開采環境中，RFID技術的誤報率較高。

冉霞等［6］在礦山的應用背景下，通過RFID 技術來實現數據采集和智能感知，通過采集的感知數據，設計了基于TD-SCDMA 的通信協議，在保證數據傳輸可靠性的前提下，實現了有效信息采集與感知。該方案將RFID 標簽與TD-SCDMA 的移動終端進行融合，在TD-SCDMA 終端原有功能上添加了RFID 的功能，包含內部融合和外部融合兩種方法。在內部融合方法中，RFID標簽不帶有外部電源，芯片能耗來自于天線，原理是通過射頻能量轉換實現直流電的存儲，保證了在礦山環境中的低能耗需求。在外部融合方法中，RFID 與TD-SCDMA 移動終端相互獨立，不需要復雜的融合及解碼技術，但是體積相對較大，能耗較高。在融合方案中，采用跳頻技術、金屬屏蔽等方法解決信號干擾問題，與此同時，實現了模塊之間的智能通信。該方案可以用于實現礦山定位、調度、通話等功能，適合多礦井的組網應用模式。

為實現在礦井特殊環境中進行數據采集與感知，趙小虎等［6］利用壓縮感知理論提出了一個可以進行海量信息獲取的數據采集方案。該方案基于信號稀疏性的新型采樣理論，利用壓縮感知在礦井特殊應用環境中的優勢，實現高效、可靠的數據采集。

2.2 數據傳輸技術

目前，應用于礦井數據傳輸的通信技術主要有ZigBee、Wi-Fi、LoRa等。

（1）ZigBee 技術。該技術是基于IEEE802.15.4 協議改進而來的無線通信技術，具有低功耗、低速率的特點，非常適合礦井施工環境。經過測試，在礦井平直巷道中，ZigBee 技術在低于50 kbps 的速率情況下可以達到30 m 以上的傳輸距離，并且可以保證一定的可靠性。強云霄等［8］根據礦井環境特點，設計了一個集中于ZigBee 的Mesh 無線網絡，該網絡通過Zig-Bee 協議棧實現組網、傳輸和路由，可以實現較高的可靠性和較大的覆蓋范圍，該方法還具有較好的移動性，可以滿足移動設備的聯網通信需求，對于礦井安全監控及安全事故預防具有較好的指導意義。

（2）Wi-Fi 技術。該技術相比于ZigBee 技術具有高速率的特點，適合于視頻、圖像等大數據的傳輸，通常在礦井用于語音通話、視頻監控等數據的傳輸。李培煊等［9］根據對煤礦事故的研究，提出了一個基于Wi-Fi 的井下應急救援無線系統，該系統充分利用了Wi-Fi 技術高速率的特點，對井下事故現場的環境參數、實時數據、語音數據進行傳輸，具有低延遲、高可靠性的特點。但是由于Wi-Fi技術傳輸距離較遠，并且能耗較高，對于環境監測等物聯網應用來說并非最佳選擇。

（3）LoRa 技術。該技術彌補了ZigBee 技術傳輸距離短的缺點，同時又具有低速率的特點，因此，在礦井物聯網應用中，LoRa技術是一個很好的選擇［10］。例如在井下泵房、變電所等不同區域之間可以通過無線網絡交換數據，這部分數據量較少，且通常實時性要求不高，因而LoRa技術非常適合進行網絡部署。但是，LoRa技術和ZigBee 技術存在類似的問題在于，對于視頻等大數據的傳輸能力較差，并且無法進行高實時性的無線數據傳輸。

金屬礦山礦井因其特殊的環境，使得移動通信系統的抗干擾和抗故障能力差，并且極易形成大量的信號場強盲區或死區，相比于空中射頻通信，土壤中的信號衰減程度較高。針對該問題，一些學者針對礦井整體架構提出了無效傳感器網絡的部署方案，如文獻［11］提出了一種基于無線傳感器網絡的煤礦井下分布式監控系統部署方案，該方案通過研究煤礦井下無線傳感器網絡在整個系統中的布局和功能，為信息中心提供豐富的傳感和監測信息。然而，相比于通信信號的強弱問題，金屬礦山物聯網應用更加關注的是如何通過MAC層協議的改進來保證可靠的、實時的以及低能耗的無線傳輸。此外，金屬礦山礦井中的無線傳感器網絡的實現還會受到容錯性、可擴展性、成本、硬件、拓撲變化、環境等內在因素的制約。

金屬礦山無線傳感器網絡與其它無線網絡不同，對耗盡的電池充電和更換通常較困難，因此工業物聯網中常用的Wireless Hart、WIA-PA 等協議無法直接應用。現階段，目前無線傳感器網絡設計的重要目標是最大化節點和網絡的生命周期［12］。Guo等［13］提出了一種用于管道檢測的無線傳感器電源管理方案。該項研究重點分析了線性傳感器的部署問題，通過一個簡單的等距部署方案，可以最大限度節省電池能耗。通過試驗驗證，該方案可以延長將近30%的電池使用壽命。該方案不僅可以用于石油管道等檢測，也可以用于井下管廊施工的安全監測。Kim 等［14］提出了一種適用于無線網絡的節能多信道MAC 協議Y-MAC，旨在解決網絡中突發數據的傳輸問題，盡管以犧牲吞吐量為代價，但避免了節點偵聽信道的能耗，同時，采用多信道傳輸機制提高了數據傳輸的成功率并且降低了延遲。金昊［15］提出了一種考慮能耗的礦井無線傳感器網絡的數據傳輸方法，該方法通過能量感知，在綜合考慮結點鏈路質量和實時傳輸的基礎上，設計了一個路由質量標準，實現了基于時間的協作轉發機制。經過試驗驗證，該方法能夠有效延長網絡的存貨時間，降低數據傳輸延遲，并且可以滿足可靠性傳輸的需求。

上述研究工作注重于無線傳感器網絡的高能效性，如何實現網絡中的高吞吐量也是研究者所思考的熱點。現有的低功耗MAC協議由于固定的低占空比，只能提供低吞吐量。這常常導致在進行受時間限制的突發通信時性能較差，為此，Zhuo 等［16］提出了一種新的CSMA/TDMA 混合MAC 協議Queue-MAC，該協議可以根據當前網絡流量動態調整占空比。在實際工程應用中，為避免擁塞，實現較高的數據吞吐量，可采用TDMA 的方式，Zhao 等［17］提出了一種新的時分多址協議，該協議能夠有效采集任何網絡流量模式下的傳感器數據，非常適合于動態流量模式下的連續數據采集。與之相似，Alvi等［18］也提出了一種新的TDMA 的無線MAC 協議，稱為位圖輔助的高效可擴展性TDMA MAC（BEST-MAC）。BEST-MAC 的主要貢獻包括：①使用了較小的時隙，并且該類時隙的數目大于成員節點的數目；②采用背包算法進行時隙調度；③提出了一種短節點地址來標識成員節點。

針對現階段無線傳感器網絡中無線MAC的解決方案，基于TDMA的時隙調度可以滿足可靠性和實時性的要求。為了提高吞吐量，目前很多的研究重點開始轉向于多信道時隙的調度方案。Lenka 等［19］提出了一種適用于混合MAC算法的分布式時隙調度算法。Hannachi 等［20］設計了一種基于數據采集樹的低功耗無線傳感器網絡多信道時隙調度的分布式解決方案，該方案在兼顧能耗的前提下，提出了適合多信道無線接入場景的MAC 協議。Tan 等［21］充分分析了井下施工的工業物聯網拓撲結構，提出了一個面向地下施工現場的TDMA 調度算法。該算法主要考慮金屬礦山井下開采環境，將物聯網的無線傳輸系統劃分為基站和傳感器兩個部分，基站負責匯聚、處理和轉發數據，傳感器負責采集和發送數據。將基站與傳感器之間的網絡抽象為一個星型網絡拓撲，將基站與基站之間抽象為一個鏈式拓撲。在這種混合拓撲結構下，采用TDMA 思想進行MAC 層協議設計，建立了每個基站的干擾集合，并對干擾集合內的所有傳感器按照工作量進行時隙分配。經過驗證，該算法可以實現有效的時隙調度，能夠減少丟包率，并且降低延遲。Zhang 等［22］在礦井靜態網絡拓撲的基礎上，提出了面向動態數據流的時隙調度方案。由于礦井施工過程中，人員定位、車輛監測等標簽發送的數據是移動數據，因此某一區域內的網絡調度可能會面臨突發的問題，為了保證關鍵任務完成的實時性和可靠性，該方案根據不同傳感器任務的優先級，有選擇性地保障高優先級數據傳輸的可靠性和實時性。經過試驗分析，該算法能夠在數據量較大的情況下，確保關鍵數據實時、可靠傳輸，并且能夠保證最大的整體吞吐量。

與單信道協議相比，現有的多信道協議顯著提高了總吞吐量。然而，經過研究發現，盡管現有協議在總吞吐量方面有了顯著改進，但在多跳網絡中，現有協議可能會導致流阻塞，這一現象在單信道協議中也會發生。幸運的是，目前大多數的金屬礦山井下物聯網的無線網絡拓撲是單跳的，通常是星型拓撲或者是總線型拓撲。

除了理論研究領域，目前針對礦井實時、可靠的數據傳輸技術也有很多企業級的解決方案問世［23-24］。在國外，西門子等企業很早就提出了面向工業現場的無線傳輸解決方案。在國內，華科電氣、騰遠智拓等科技企業也提出了面向礦井的無線傳輸解決方案。華科電氣多年來經過對當前技術的分析，在大量礦山勘察的基礎上，研制了符合統一標準的工業物聯網系統——KT158 煤礦井下無線通訊系統。該套系統功能完善，主要由井下防爆交換機、防爆基站、調度臺等設備組成。在通信方面，以光纖環網為骨干，保證冗余鏈路，實現可靠的數據傳輸。同時，以基站為中心，通過無線網絡進行通信范圍的延伸，利用傳感器等感知設備進行無線數據發送。除了基本的環境監測外，還實現了位置監測與管理、數字化視頻監控等功能，將監控、傳輸、調度等功能進行有機集成，取得了良好的應用效果。騰遠智拓為山東青島某礦業公司設計了一套礦井無線監控系統，該系統的目標是將軌道電機車的實時運行圖像傳輸到地面監控中心，為后續實現無人駕駛積累經驗。該系統的相關設備均采用自組網設備，為保證通信質量，在井下的巷道拐彎處布設基站，并且根據巷道的距離進行基站部署，以實現無線網絡覆蓋。在移動車等設備上，設置了360°全向天線，向附近基站發送無線信號，再由基站將視頻信號轉發到地面控制系統。為確保基站向地面發送數據的可靠性，采用光纖鋪設方式，以實現視頻數據的高速傳輸。

2.3 數據融合技術

數據融合是一個廣義上的概念，本研究數據融合主要指的是在金屬礦山風險監測物聯網應用中，對于感知層的數據，進行數據特征提取、冗余處理、必要的異常檢測等操作。目前已經有一些關于工業物聯網應用場景的數據融合的研究成果問世。Chen等［25］提出了一種基于圖論的全分布式通用數據融合方法，該方法對工業現場的數據進行異常檢測，在對時間、空間的相關性進行分析后，提出了大規模數據的融合檢測模型，研究表明：該方法在建筑施工和智能電網監測中可以有效實現數據異常檢測。Soydan等［26］以土耳其某礦井為例，采用圖像分析方法對該礦開采過程進行了安全監測，但該方法主要面向礦井下結構，未對環境數據（如氣體、溫度等）進行分析。Rassam 等［27］研究了傳統無線傳感器網絡的異常檢測模型，根據存在的問題，提出了一種新的無線傳感器網絡融合檢測模型，在傳感器數據發送到基站之前，進行局部的傳感器測量值的異常檢測，在保證一定檢測精度的同時，降低了能耗。但是這種檢測方法對于傳感器CPU的要求較高。

綜合當前對于數據融合的相關研究，其中大多數是面向數據異常檢測的，文獻［28-30］對目前數據異常檢測的研究成果進行了分類討論，將目前的研究成果大致分為如下3類。

（1）基于統計的方法。該類方法提出較早，發展也較為成熟。該類方法是一類基于模型的方法，即為數據集創建一個分布模型并對目標數據對象進行擬合，假設無線傳感器網絡采集的正常數據落在模型的高概率區間，而異常值相對處于低概率區間，最后根據目標數據集中的對象是否在模型中占有較高的概率來判斷其是否為異常值。文獻［31］提出了基于無線傳感器網絡的異常檢測模型分類方法，建立了兩種檢測模型，即統計檢測模型和非參數檢測模型。這兩種模型可以應用在不同的場景中，其中統計模型適合于數據類型、采樣周期等預先已知的情形，非參數模型則假設不知道任何信息，僅通過當前數據和相鄰數據的行為來進行檢測。Fei等［32］提出了一種多源數據的無線傳感器網絡異常檢測方法，該方法通過統計方式對多源數據流進行了異常檢測。該方法主要應用在平臺空間，通過二維坐標位置來確定兩個節點之間的關系。Ren 等［33］對基于時間序列的異常檢測方法進行了研究，提出了一種基于概率區間統計的異常檢測方法，該算法能夠比聚合算法具有更高的數據識別度，可有效提高異常檢測精度。

（2）基于距離的方法。基于距離的方法通常建立在同一個基本假設之上，即正常的數據對象彼此之間較為接近而異常數據對象和正常數據對象之間相距較遠。在數據對象的屬性變量連續的情況下，通常用歐式距離來衡量數據對象之間的遠近關系。Bosman 等［34］提出了一個基于鄰居節點信息的無線傳感器網絡數據異常檢測方法，該方法通過分布式處理方式，采用機器學習算法來實現數據異常檢測，可以減少通信開銷。Xie 等［35］提出了一種分布式的無線傳感器網絡的異常檢測方法，該方法對相鄰節點的數據進行分析，采用分布式的全局概率密度估計方法進行相鄰時間的數據值測量。該方法有效解決了傳統單源數據檢測的問題，可以綜合分析相鄰節點的信息進行數據異常檢測。

（3）基于聚類的方法。聚類的定義是將相似的或具有關聯性的數據對象歸入一個簇，如果在歸簇過程中發現某一個數據對象不能被劃入任何一個簇，那么就可以認為該數據對象對于其他對象是異常的。Emadi 等［36］針對無線傳感器網絡中的數據完整性的異常檢測方法進行了分析，通過溫度、濕度和電壓的特征，采用聚類方法進行研究，最終實現了數據異常檢測。研究表明，該方法可以保證較高的檢測精度。Ahmad等［37］提出了一種基于K-Medoid自定義聚類技術的異常檢測方法，該方法主要是對于誤導攻擊等行為進行檢測，通過定義檢測參數，建立一個數據異常檢測模型，通過設置相關閾值來實現動態檢測。

目前，國內部分學者針對礦井應用環境，提出了一些數據融合理論和方法。孫延飛等［38］根據煤礦井下安全監測應用需求，提出了一個多傳感器數據融合模型。該模型與傳統的單一傳感器不同，通過設定閾值來對傳感器的冗余數據進行數據融合分層處理，其中數據級融合采用貝葉斯估計方法實現，決策級融合通過模糊數學理論來實現，最終通過專家知識庫，實現全局融合。該方法保證了監測結果的準確性，并且可以有效降低系統負載。劉凱等［39］同樣針對煤礦開采環境，提出了一個多傳感器分層數據融合模型。該模型目標是提高多個傳感器的預警精度，降低因傳感器故障、外部干擾等因素導致的誤判。在數據級融合方面，通過模糊識別理論，引入了隸屬度和相應權數的概念；在特征級融合方面，通過模糊評價法來實現融合，最后在決策層根據數據類型的不同選擇適宜的算法實現全局融合。研究表明，該方法能夠有效提高檢測精度，使得檢測的準確性提高了8%～29%。

現階段，數據融合技術研究與應用方面已經有了一些成熟的案例，但是面向采礦的數據融合技術相比于其他應用具有很多特殊性。首先，礦井傳感器數量較多，并且分布在不同的區域，該類多源、異構數據如何進行融合是一個亟待解決的問題；其次，井下數據異常檢測需要考慮低延遲的需求，傳統方法是在云端進行異常檢測和分析，無法滿足礦井安全檢測工作有關響應及時性的要求；最后，井下不同地區、不同時間節點獲取的傳感器數據之間具有關聯性，如何有效確定這種關聯性，這對于基于“時”、“空”演變的數據融合算法的研究也是一個挑戰。

2.4 數據分析技術

本研究提及的數據分析技術主要指的是在金屬礦山物聯網監測中，對于數據進行現場風險分析、人員定位等應用層的相關技術，其中，人員定位技術是現階段的一個研究熱點。近年來，包括谷歌、微軟、蘋果等在內的一些科技巨頭，還有一些世界知名的高校也在研究室內定位技術。相比于樓宇等室內場景，金屬礦山地下施工環境更加復雜，對于定位精度的影響也較大。目前主流的定位系統，如GPS 等，無法應用于金屬礦山人員定位。因而利用Wi-Fi 技術等進行定位成為有效選擇。目前基于Wi-Fi 技術進行室內人員和設備的定位取得了一定的研究進展［40-42］。通過Wi-Fi 技術進行定位，可以利用高速率的特點獲得較高的精度，但受限于井下能耗問題，使得實際工程應用效果大打折扣。因此，也有不少學者研究了基于有源RFID、慣性導航、地磁定位等技術實現室內人員定位［43-47］。

基于ZigBee 的定位技術是傳統定位方法之一。由于傳統的RFID 定位方案需要部署定位的網絡架構，對于網絡的依賴性較高，并且在定位過程中受到識別距離限制，導致定位精度較低，通常定位精度都在2 m 以上。嚴大虎等［48］在RFID 室內定位算法的基礎上，基于ZigBee 來組建無線傳感網絡，采用高斯卡爾曼濾波對有限預選參考點的信號強度采樣數據進行預處理；采用信號傳播損耗模型計算虛擬參考標簽的RSS值，使其更接近于真實標簽的值。估算待測標簽位置時引入了動態閾值思想完成定位。經過驗證，該算法精度優于傳統RFID 定位方法，很大程度上提高了室內定位方法的工作效率。

張書建等［49］充分分析了室內定位中常用的RSSI（Received Signal Strength Indication）等方法，根據礦井環境復雜多變的特點，提出了一個避免因信號干擾而導致定位誤差較大的方法。該方法改進了RSSI方法，在數據采集端利用RFID 定位標簽發送信號，并且引入參考標簽，設計了多功率的閱讀器。該定位方法的核心思想是通過RFID 信號來識別定位目標所在區域，屬于區域定位算法。通過仿真，在礦井環境中，該定位算法可以確保至少80%的定位標簽的定位精度在20～80 cm以內。

東北大學物聯網實驗室多年來致力于礦井施工環境的定位算法設計。在早期的定位算法中基于433 MHz 頻率的無線通信，使用RSSI 方法實現了礦山開采等復雜極端環境中的定位。該定位系統由于采用低頻通信，使得其信號的可靠性較高，穿透性較強，在相同通信距離的情況下，功耗更低。Qin 等［50］在此基礎上，對RSSI算法進行了改進，提出了一種相似比例模型，提高了定位算法的抗干擾能力，即便在礦山這類存在復雜多路徑、障礙物干擾的環境中，也能夠達到理想的定位精度，此外，改進算法中還使用了無損卡爾曼濾波，進一步提高了定位精度。目前，該實驗室已經開始使用超寬帶（Ultra Wideband，UWB）技術改進定位算法，實現高精度的定位算法設計。

此外，利用LoRa 技術進行井下人員定位也是一個重要的研究方向。吳畏等［51］對礦井人員定位問題進行了研究，針對有線網絡部署困難、成本高的現狀，提出了一種基于LoRa 的無線通信技術實現人員定位的方法。該方法采用超寬帶（UWB）技術實現讀卡器的數據傳輸，而后在數據匯聚器中通過LoRa 無線通信技術收集信息并上傳到地面。經過驗證：該系統的定位精度為1 m，可在2 km 以內實現誤碼率小于5%的無線數據可靠傳輸，在井下人員失去手動觸發求救按鈕能力時的自動報警率可達93.5%以上。

在現場數據分析方面，目前人工智能理論已經在該領域得到了應用，其中以深度學習和機器學習為代表的相關算法已經解決了數據檢測與分析方面的一些問題。利用人工智能方法，可以通過大數據集訓練來提高數據分析的準確度。近些年，人臉識別、視頻監控等技術在礦井得到了廣泛應用，對生產調度指揮、現場安全管理起到了積極作用。但由于應用場景和設備性能不同，在通用性、人機交互、智能管理方面仍有較大的提升空間。山東蔣莊煤礦充分利用了“智能+”技術，積極探索人工智能（Artificial Intelligence，AI）在礦井安全生產中的應用，與外部某科技公司聯合開發了集調度監控、安全監察、管理監測于一體的新型人工智能監察系統平臺。在具體應用方面，該礦主要通過人工智能視頻監控設備對運輸斜巷、安拆作業區域進行監測，通過智能化自動視頻識別，可以將員工的不規范行為、安全隱患等進行實時抓拍和預警。目前，雖然我國企業（特別是礦山企業）已經開始重視利用人工智能等方法來實現工業現場的安全監測和故障分析，但總體來看，在現場數據分析方面，相當一部分的研究成果仍然是基于統計方法來進行數據分析，這與異常檢測的原理基本相同，對于施工現場的風險分析仍然缺乏行之有效的方法和應用方案。

3 面臨的挑戰與發展趨勢

3.1 困難與挑戰

（1）目前我國傳感器行業發展相對落后于國外，特別是在礦山等特殊場景下的專用傳感器的研發水平不高，無法滿足特殊環境下數據采集的需求。究其原因，首先是我國的行業發展機制不健全，重視應用而對研發的投入不足；其次國產的高性能芯片一直受制于國外，華為等企業雖然一直致力于國產芯片的研發，但是目前距離規模化生產還有一段距離。因此，我國的相關企業和科研機構應進一步投入科研力量，研發具有自主知識產權的傳感器，在可靠性的基礎上，提高安全性。

（2）目前對于礦井環境數據的融合、檢測大多是面向單一傳感器的單源數據，缺乏對于時間、空間等多維度的綜合分析。在金屬礦山復雜的施工環境下，需要將多源、異構的傳感數據置于時空演變的模型中進行分析。

（3）現階段金屬礦山的物聯網應用在無線傳輸上面臨可靠性和實時性的挑戰。其中，可靠性指的是由于復雜的巷道結構和大量數據的相互干擾導致的數據丟失；實時性則是當前大量數據檢測、融合和分析的過程都需要傳輸到云端處理，一些應急預警功能無法在終端實時響應。

（4）目前新技術的應用相對滯后，一些傳統的技術和方法仍然是工程應用的首選，例如在現場風險監測中，人工排查、視頻監控等方法仍然是主要的工作模式，而對于人工智能、邊緣計算等新技術，缺乏切合工程實際的解決方案。

（5）“六大系統”中應急救援和調度指揮的技術體系不夠完善，缺乏一些行之有效的解決方案，例如在應急救援工作中，如何根據井下巷道結構部署可靠的無線通信系統，確保應急救援工作順利開展等，這類技術還需要進一步完善。

3.2 發展趨勢

（1）面向高性能、專用特種傳感器的研發。在礦井復雜環境下，通用的傳感器無法滿足抗干擾、低能耗、高精度等要求。近些年，越來越多的科研工作者傾向于專用綜合傳感器的研發，該類傳感器具有低成本、低功耗、時間的一致性、數據精度一致性等特點。具體來講：①專用綜合傳感器集成了多種類型的傳感器芯片，可以通過多源、異構數據的融合分析，對井下溫度、氣體濃度等數據進行綜合分析，提高傳感器的檢測精度；②專用傳感器通過采用節能技術，可以滿足井下開采及施工過程中的低能耗需求，減少電池更換、頻繁充電等操作，提高工作效率；③專用傳感器可以根據不同的施工環境和應用需求定制芯片，提供高精度定位等服務。

（2）利用人工智能的理論和方法進行礦井施工現場風險監測。金屬礦山井下施工作業現場環境復雜，傳統方法主要通過人工檢測與分析方式對風險進行監測與評估。目前，物聯網技術的應用主要是針對現場環境等進行數據采集、傳輸和分析，但是對施工現場的風險評估，特別是預測性評估仍然需要進一步研究。鑒于人工智能在大數據分析、智能決策領域的廣泛應用，有必要進一步研究人工智能在礦井施工現場的數據分析與智能管控技術，其中需要重點研究信息融合與機器學習技術，大幅提升井下現場數據的融合、檢測技術水平，實現現場施工風險的精確診斷。具體來講：由于目前人工智能技術在圖像、視頻識別方面的應用研究已經取得了較大突破，因而可以利用該類技術實現井下施工現場自動風險識別、預警，提高現場施工的安全性；利用機器學習等方法，通過大數據訓練來對施工現場的傳感數據進行智能分析，構建預測模型，提高井下施工現場安全監測的預判能力。

（3）基于邊緣計算思想，通過云端、邊緣端的協同，實現云邊融合的風險監測。井下風險監測要求相關技術和方法需要考慮應急預警的及時響應。例如，當檢測到施工環境異常時，應及時發出警報，并且啟動相應的應急預案。而目前大多數物聯網技術需要將數據發送到云端（遠程終端）進行分析，如此會加大應急預警的響應延遲。邊緣計算正是為了解決這一問題而提出的，它是實現工業互聯網智能化生產、網絡化協同、個性化定制、服務化轉型等創新應用的重要途徑。但是目前邊緣計算的研究才剛剛起步，邊緣側的嵌入式端缺乏實現感知、分析、決策、控制一體化的高效編程和執行環境。未來在井下風險監測中，可以采用邊緣計算，開發具有終端處理能力的智能傳感節點和匯聚節點（網關），利用如文獻［22］等提出的算法來構建更加實時、可靠的工業網絡，并大幅降低整體網絡的通信負載。邊緣計算的發展離不開對數據的處理、加工和管控，通過對中心控制端任務前移、對異構硬件資源協同工作與虛擬化技術的研究，從而滿足邊緣端設備實時性、可靠性和在傳感器網絡中避免網絡擁塞等要求。邊緣計算的關鍵是開發智能異構網關，該網關支持不同總線網絡接入、協議轉換、網絡配置管理、底層節點管理與調度以及數據融合。

（4）使用超寬帶（UWB）等多種技術融合實現人員高精度定位。礦井施工環境風險監測的主要目標是為了確保施工現場的人員安全，采用人員定位技術可以實時掌握井下施工作業人員的位置信息，對于生產調度、應急疏散、井下救援等工作具有重要意義。目前，井下定位技術由于考慮到能耗等問題，往往導致定位精度不高，因此高精度的定位技術是未來發展的趨勢。首先，可以使用UWB 室內定位技術在井下巷道內實現高精度定位，通過部署定位基站，為井下施工人員佩戴標簽，實時獲取人員的精確位置，定位精度可達到厘米級；其次，在某些特殊環境下，可以利用RFID、ZigBee 等技術實現低能耗的融合定位，既能保證能耗，又能滿足定位精度需求；最后，隨著專用綜合傳感器技術的發展，可以將人員定位標簽、語音呼叫信息進行融合，在出現應急事件時，通過綜合分析，準確判斷人員位置，為井下人員疏散和救援工作開展提供決策依據。

（5）礦山“六大系統”應急調度與現場救援關鍵技術研究。現有的礦山“六大系統”大多數是面向礦井施工安全監測和應急預警方面，現階段，對于礦井事故現場應急救援，特別是應急通信系統的相關研究涉及較少。未來井下事故現場救援方面的研究應重點面向現場人員疏散調度、井下無線應急網絡傳輸等方向。具體來說：①當出現礦井坍塌、施工環境異常等情況時，可以通過部署在施工現場的應急指示標簽及佩戴在施工人員身上的語音對話系統實現人員緊急疏散，此外，為提高應急救援工作效率，遠程終端可以通過井下的巷道結構，以廣播、語音等方式指示井下施工人員按序疏散或到指定地點避險，避免因盲目疏散而導致的擁塞、踩踏等二次事故發生；②當井下災難發生后，可能由于礦井坍塌等原因導致井下通信中斷，從而影響井下應急救援工作有效開展，因此，應在礦井物聯網通信鏈路中提前進行備份鏈路設計，例如通過環網方式部署通信網絡，在適當位置部署中繼設備，設計路由算法，保證應急狀況下井下通信暢通；③當由于某些客觀因素影響導致井下所有通信鏈路無法使用時，可以臨時敷設通信鏈路，并在適當位置部署通信中繼設備，為井下救援工作開展提供便利。

4 結 語

以礦山應急救援“六大系統”為背景，以安全監測和人員定位為重點研究對象，分析了金屬礦山風險監測物聯網關鍵技術，闡述了標準的物聯網技術體系架構，分別從數據采集技術、數據傳輸技術、數據融合技術和數據分析技術等方面對國內外的研究現狀進行了討論。在此基礎上，進一步總結了我國金屬礦山風險監測物聯網應用面臨的主要挑戰以及未來發展趨勢，可為金屬礦山風險監測物聯網應用及相關研究提供參考。