平行礦山:從數字孿生到礦山智能

陳龍 王曉 楊健健 艾云峰 田濱 李宇宸 滕思宇 王健,7 曹東璞,8 葛世榮 王飛躍

礦石是我國重要的戰略資源,對國家的工業化和現代化起著至關重要的作用.我國豐富的礦藏為國民經濟的發展做出了不可磨滅的貢獻[1].目前已探明煤炭資源儲量為17 085.73 億噸,占據所有探明化石資源儲量的99.12%,煤炭的資源潛力為38 800億噸,占據化石資源潛力的91.42%.我國煤炭主要分布在華北地區和西北地區如山西、內蒙古、陜西和新疆等.有數據顯示,煤炭遠景儲量集中在新疆等地.近些年國家對煤炭需求增長率減少,但煤炭依然是最穩定的化石能源,且長期是化石能源消耗中的主要構成部分,我國預計在2030 年達到二氧化碳排放量峰值,彼時化石能源占比75%左右,其中煤炭能源占比50%以上.因此我國“十四五”期間提出“碳達峰”和“碳中和”兩項工作重點,要求綠色化智能化達到排放峰值,并在2060 年前實現二氧化碳零排放.所以如何將煤炭開采智能化、生態化成為當前煤礦行業的重中之重.

國外的露天智能采礦技術發展較早且趨于成熟,如瑞典山特維克礦山工程機械集團在上世紀研制的EDC 系統,當鉆機司機的作業超出設定范圍時,系統會向操作者報警;美國卡特彼勒公司應用現代計算機技術更新了原自動化系統,推出了礦山之星系統(MineStar TM)和鉆孔可編程控制系統(HolePro),通過制導技術,MineStar TM 系統的鉆機地形套件能夠適時并精確地管理礦山作業系統中的鉆孔作業,使得管理信息應用于整個采礦生產中.

相比于世界發達國家,我國智能化礦山建設工作起步較晚.我國露天煤炭開采行業經歷了人工炮采、普通機械化開采、綜合機械化開采和智能化開采四個階段.在上世紀60 年代之前主要是人工炮采階段,上世紀60 年代后采用普通機械化開采,到上世紀80 年代逐漸替換為由挖掘機貨車等重型機械完成露天礦山開采,由此進入綜合機械化開采階段.隨后我國開始礦區的信息化建設,2000 年左右首次實現煤炭行業輸送帶、泵水站等系統的自動化控制,露天礦山開采進入信息化階段,礦山開采效率大幅度提升[2].2010 年左右,物聯網技術的興起使得大數據,人工智能等技術逐步與煤炭行業耦合在一起,礦區開采逐步實現自動爆破、礦山挖卡協同、無人運輸等功能,最終進入智能化階段.

近幾年,隨著國家政策的布局與引導,大數據、人工智能以及5G 技術的發展,國內礦山在智能化方面取得了顯著進展.2018 年1 月,由中國科學院孵化的青島慧拓智能機器有限公司發布“愚公”平行礦山系統,該系統由六大核心子系統構成.這是國內首家自主研發提出的礦山無人化整體解決方案,該方案可同時適用于井工礦與露天礦場景.截止2021 年1 月,慧拓研發的“愚公”系統已經在20多個礦區落地.2019 年5 月,慧拓與中煤平朔集團合作建立了國內首家智慧礦山測試示范基地.基地通過驗證、測試相關無人駕駛設備理論與技術,推動智慧礦山相關技術走向工業級應用,保障經過嚴格標準驗證的產品可規模化的部署于智慧礦山,為智慧礦山無人化行業標準及國家標準的確立提供有力支撐.2020 年4 月,慧拓與華能伊敏合作的無人礦山項目充分發揮伊敏露天礦“煤電一體化”生產優勢,全力開展智能礦山建設工作,打造復雜氣候地區全天候無人駕駛項目;聯合慧拓在電氣化、自動駕駛、智能調度、感知定位、高精度地圖等領域進行技術合作,該無人駕駛項目已經具備全天候環境作業能力,最終將實現礦區的安全、綠色、高效開采.2020 年6 月,慧拓聯合紫金礦業在條件極其惡劣的青海果洛礦區開展作業,通過提供純電動無人寬體車無人駕駛系統,已實現特定銅礦區危險工作面的無人化運營,與挖掘機、云端調度平臺有效協同作業,開啟了安全高效的無人化集群運營新模式[3?4].

2020 年,國家發展和改革委員會等八個部委聯合發布了《關于加快煤礦智能化發展的指導意見》,要求加快推動礦區無人駕駛技術落地,盡早實現無人礦山、智能化礦山.雖然目前礦山開采已初步進入智能化階段,但是智慧礦山建設目前依然存在一些問題.首先智慧程度不夠高,且目前僅實現單一的ADAS(Advanced driving assistance system)功能,如防碰撞、定位校準、偏航提醒等;其次無法做到基于有限數據進行全面學習,無法持續迭代優化智慧決策系統;最后調度中心無法做到各個子系統資源調度最優化的問題.因此本文結合當前露天煤礦發展及其智能化發展情況,提出融合智慧礦山理念、ACP 平行智能理論和新一代智能技術的智能礦山操作系統(Intelligent mine operation system,IMOS)[5],為實現智能化生態礦山提出了一條可行的技術路徑[6].

1 基于平行理論的智慧礦山體系架構

上世紀80 年代末,中國科學院自動化研究所王飛躍研究員與美國國家航空航天局(National Aeronautics and Space Administration,NASA)空間探索智能機器人系統中心(Center for Intelligent Robotic Systems for Space Exploration,CIRSSE)和本地行星資源利用空間工程研究中心(Space Engineering Research Center,SERC)合作,建立了CIRSSE 空間機器人平臺的任務流程和ISRU(In Situation Resources Utilization)火星制氧廠及其相應仿真驗證系統[7?10].當時即面臨無真可仿、通信速度慢、本地(火星)資源極為有限、計算量巨大等問題.對此,王飛躍提出在遠程構建“影子系統”[11]的設想以及“當地簡單,遠程復雜”的設計理念,試圖為此困境提供一條可操作可實現的路徑[12?13].

90 年代,與卡特彼勒聯合研發自動挖掘核心技術時,王飛躍通過整合當地車輛和遠程控制中心計算資源,把代理方法、模糊邏輯和神經網絡有機結合[13?15],利用有限狀態機和Petri 網來模擬人類挖掘策略,將分層智能控制理論和智能挖掘算法用于98T 自動裝載車,使其挖掘效率大幅提升[15?17],后將相關理論與方法原理、技術[18?22]與應用工作發表出版了自動礦山挖掘和車輛智能控制領域的首部著作[23?24].

2004 年,王飛躍發表《平行系統方法與復雜系統的管理和控制》一文,首次正式提出了平行系統的概念[25].它通過一套現實系統與人工系統進行平行交互,為難以實際學習、建模和預測的高復雜問題提供解決方案.2017 年,在平行系統和平行智能的基礎上,王飛躍進一步提出平行礦山和和平行礦山操作系統(Parallel mining operating systems,PMOS)的理念,融人類礦業工作者、數字礦業員工、礦山機器人和無人車等于一體,形成智慧礦業的系統化智能基礎與技術[26].

1.1 平行系統理論體系

平行系統理論體系可以分為理論層、方法層、技術層、平臺層和應用層[27?36].它采用綜合集成研討廳體系對復雜社會物理信息系統(Cyber-Physical-Social systems,CPSS)[31,37?38]構建人工系統模型[28,39],在“不斷探索和改善”的原則下,實時傳感、持續建模并虛實協同計算,人工與實際形成開源閉環反饋[40]和虛實雙向引導[41].理論層構成整個系統的基礎理論,包含建模分析、訓練與測試、決策與引導.方法層是系統的核心,提供了數據流向與環節操作,其核心方法包括聯邦數據[42?43]、平行學習[44]等.技術層是整個系統的關鍵,這里囊括了平行感知[45]、平行控制[46?47]、平行測試[41,48]、平行路徑規劃[49]等.平臺層是物質基礎,在這里每個庫構成了獨立的模塊,不同模塊可以完成不同的任務.應用層則是現實接口,這里可以完成將控制理論嫁接到不同的場景中,完成該場景下的特定任務.

1.2 平行礦山體系架構設計

智能化礦山是一個復雜的綜合性系統[50?53],涉及到多學科的融合、多專業的交叉、各種技術的集成[54?57],因此實現礦山的智能化是一個極其困難且繁雜的工程[58?59].但智慧礦山地落地可以大幅度提升人員和設備的安全程度;降低人力成本、燃油成本、設備與路面維護成本;提升礦山系統的智能化水平,減少操作人員,提高風險管控能力;優化礦山系統的集群管理,提高調度及協同效率,實現產量的增加;減少人為失誤和故意損壞導致的損失.

平行礦山示意如圖1 所示,其核心是平行虛擬礦山[60?63]與現實礦山協同工作,指導經過智能化改裝的車輛通過單車作業系統、多車協同系統和車路協同系統在現實場景下完成各類面向場景的任務.平行虛擬礦山系統通過機器學習算法完成智能車輛虛擬作業并指導現實車輛作業,遠程監控中心監管礦區狀態并提供操控接口.整個系統在各子系統協同工作下完成資源調度,保證礦區合理高效運行.

圖1 平行礦山示意圖Fig.1 The illustration of parallel mining

2 平行智能采礦操作系統設計實現

智能礦山由現實場景、平行管控中心、虛擬礦山、遠程操控平臺構成.如圖2 所示,智能礦山操作系統包括了單車作業系統、多車協同系統、車路協同系統、無人駕駛智能系統、調度管理系統、平行運輸系統、監管系統、遠程接管系統和通信系統九個子系統.全系統由計算平臺提供算力支持,5G 通信作為傳輸通道實現數據實時傳輸.平行系統中建模好的車輛與礦山進行交互,通過單車指令和多車指令下發到無人駕駛智能系統和調度管理系統.經過任務的封裝再由單車作業平臺與多車協同作業系統完成具體的工作,其間由車路協同系統提供超視距感知信息.同時現實中的傳感器回傳誤差信息和執行信息給平行系統進行誤差修正并指引下一時刻決策,而系統的監管子系統和遠程操控子系統分別提供了可視化功能和人為主動控制功能.

圖2 智慧無人礦山操作系統功能示意圖Fig.2 The function diagram of intelligent unmanned mine operation system

2.1 無人駕駛智能系統

無人駕駛智能系統功能如圖3 所示,該系統實現了礦區場景下的自主定位、智能感知、自主避障、路徑規劃和自主決策.

圖3 無人駕駛智能系統功能示意圖Fig.3 The function diagram of unmanned driving intelligent system

自主定位通過礦區車端安裝全球導航衛星系統(Global navigation satellite system,GNSS)接收器實現.但由于礦區環境特殊,往往受到地磁影響或者隧道環境導致單一的衛星導航信號弱,因此融合網絡運營商的基站定位策略、慣性里程計輔助的組合導航定位策略、室外無線載波通信技術的超寬帶(Ultra wide band,UWB)定位策略和激光點云配準定位策略等,通過多種方法的組合實現礦區中車輛的精準定位十分重要.

精準智能感知需要對車輛安裝的激光雷達、毫米波雷達、相機等傳感器捕獲的數據以及平行系統中獲得的增強數據進行融合,通過深度學習算法實現目標的檢測和預測.自主避障則要求系統能夠及時捕獲前方目標的動力學和運動學狀態,并通過算法提供一條平穩、安全、有效的避障路徑.

路徑規劃與自主決策要求平行礦山中的車輛能夠通過定位點和目標點,利用強化學習[64]和遷移學習算法實現最優的路徑選擇,并能夠在虛擬環境和真實場景中根據實時的環境變化做出可靠的自主決策.

2.2 調度管理系統

如圖4 所示,平行礦山調度管理系統實現高精地圖的維護、車隊交通管理、智能調度任務、礦區生產宏觀管理和數據統計分析等功能.

圖4 調度管理系統功能示意圖Fig.4 The function diagram of dispatch management system

整個系統首先利用傳輸網將礦區、車端、路端傳感器捕獲的全部數據傳輸到數據服務器,結合礦區運營計劃在控制系統后臺計算中心推演最優的解決策略并通過控制臺下發指令到車端控制器,統籌全部智能設備的運行.同時可視化數據服務器可以展示調度場景、監控礦區生產狀態,管理系統也可以接入到整個礦區生態,計算礦區生產運行成本.系統的運行流程圖如圖5 所示.

圖5 調度管理系統流程圖Fig.5 The process diagram of dispatch management system

2.3 單車作業系統

單車作業系統如圖6 所示,露天采礦作業包括的工序主要是穿孔、爆破、采裝、運輸和排土.穿孔爆破指的是在露天采場礦的礦巖上開鑿出具有特定直徑和深度的定向爆破孔,填充炸藥隨后爆破,破碎大塊礦巖方便后續的裝采運輸.穿孔設備主要有沖擊式鉆機、潛孔鉆機和牙輪鉆機等.采裝是用機械將爆破后的礦巖碎片裝入運輸設備,常用的設備是挖掘機(有多斗和單斗兩類)、輪斗鏟和前端式裝載機,廣泛采用的為單斗挖掘機.運輸是將露天采場爆破后的礦巖碎片分別運送到卸載點或者排土場,也涉及生產人員、設備和材料在采礦場內的運輸.運輸設備是大載重礦區卡車.排土工作指將爆破點大量表土和巖石運送到專門設置的場地(如排土場或廢石場)進行排棄的作業.排土方法依其排土設備的不同,分為推土犁推土、推土機排土、前裝機排土和拖拉鏟運機或索斗鏟排土等.車輛型號眾多,協同調度與作業關系復雜,傳統管理效率低下.

根據工序不同,單車作業系統實現四個功能分別是鉆機打孔、挖機挖掘、礦卡運輸和推機作業.單車作業系統以無人駕駛智能系統為基礎,在無人化的前提下完成特定工作.單車作業系統的部署要針對不同的設備分別進行智能化改裝.鉆孔設備除了完成無人駕駛的工作還需要融合地質統計學等方法,能夠結合巖石爆破理論和爆破技術,獲取地質參數傳輸到控制中心完成虛擬爆破模擬,修正爆破參數設計.采掘和運輸設備需要通過外部的傳感器和算法的加持能夠自動規劃路徑到采集點,利用組合慣導和其他傳感器聯合定位提供精準位置信息,準確識別作業區域以及運輸車輛.其中挖機在作業過程中確定挖斗的當前位置及目標位置,保證位置精準,控制器準確完成指定步驟,壓力傳感器不斷記錄挖掘的重量和其他信息用以在虛擬礦區完成動態采集,同時安裝相關的地質測量傳感器,記錄采掘區域的測繪數據幫助控制中心動態獲取礦區地質數據,提供安全保障.為了保障車與車和車與控制中心的數據傳輸,在車端安裝網絡接收器保障全域通信暢通.運輸車輛則需要多種外部傳感器實現更為精準的路面感知、自主路徑規劃、避障、安全啟停等功能,安裝壓力傳感器記錄載重,通過網絡傳輸設備發送到虛擬礦區,礦區車輛還需要提供人機控制接口,實現智能切換.推土設備的無人駕駛運行與采掘設備類似.首先需要利用全球定位系統(Global positioning system,GPS)和安裝在工程機械上的傳感器實時掌握推土機自身的位置,完成路徑規劃任務和避障功能;其次安裝地質勘探傳感器記錄挖掘地面的狀態以及地面情況,及時回傳控制中心用于安全評估和決策;最后記錄鏟斗的位置和狀態,有精準的液壓設備和機械機構完成特定操作.

2.4 多車協同系統

礦區的協同作業場景豐富,涉及電鏟與礦卡的挖掘裝載協同作業、礦卡寬體運輸集群作業和運輸車輛與輔助車輛協同作業等,如圖7 所示.這些作業既要保證配合單智能體的運行準確又要保證協同作業時的精確高效.采用虛實結合的方式,平行系統中虛擬的協同作業控制結果經過調度系統下發到現實車輛中,而真實場景中的車輛由多車協同系統完成具體的控制和操作,可以極大地提高多車協同效率.

圖7 多車協同系統功能示意圖Fig.7 The Function diagram of multi-vehicle collaboration system

多車協同系統基于單車作業系統,在單一智能體的智能控制中,增加協作任務的損失計算包括協同定位、速度一致等功能.單一智能體的變化會影響整個協同系統,因此需要不斷地校正從而順利地完成工作.多車協同系統通過外部傳感器的捕獲獲得現實狀態反饋給平行系統,彌補現實和虛擬中作業的誤差.

2.5 車路協同系統

車路協同系統通過聯合作業平臺和路端信息完成車路協同功能,該系統包括單車與路況、氣象、環境之間的協同.

車路協同系統的路側設備可以彌補車輛近程及非可視環境盲區的感知.路側設備可以部署于岔路口、隧道外等盲區較大、事故易發區域、易擁堵路段,實時將路況信息發布到車端使得智能車提前做好決策.路側端不存在車端強烈抖動的情況,不易出現突然強光、炫光的現象,使得檢測結果精度較高.由于路側設備在固定位置感知環境,間接提高了車輛的感受范圍,經過時空同步,將全感知范圍傳給車輛從而做決策.車路協同系統為車輛提供了路端傳感器的感受野,減少單車傳感器所需數量,降低單車智能化成本,同時減少運算中心的計算量.

2.6 平行系統

平行系統涵蓋虛擬礦山的搭建、虛擬數據增強、虛實協同、模型訓練和礦山推演等功能,整體如圖8 所示.3D 虛擬仿真環境是整個平行的基礎,前期礦山的選址,露天礦的開采,后續公路運輸都需要仿真環境的支持.仿真礦山需要通過無人機的掃描完成3D 重建工作,通過礦山測繪和地質勘探完成礦山內部構建,這樣不僅使得礦山具有虛擬空間物理含義,更可以指導開采最優策略.數據增強是搭建礦山后對應現實場景在虛擬空間的數據采集,虛擬空間可以引入極端惡劣氣候條件,未來風險因素等擴充有限的現實數據,使得智能體在虛擬空間學習到的知識更加豐富,有效提高解決高傷亡事件的處理能力.

圖8 平行系統功能示意圖Fig.8 The function diagram of parallel system

虛實協同要求構建的虛擬環境盡可能模擬真實場景的虛擬露天礦區,利用虛擬空間的策略引導現實,同時接收現實的反饋實時調節虛擬礦山.由于是虛擬空間,可以無代價地進行強化學習的訓練與測試,經過不斷地與環境交互獲得模型.

礦山推演從時間的角度考慮,將前期開采、后期填土等一切行為都在虛擬空間進行預先計算,這個行為涉及露天礦三維時空下的動態發展變化,經過多次的推演可以選擇最佳開采策略,該策略不僅考慮了開發成本,更是將勘探、挖掘和后期回填等因素綜合考量下的最優策略.系統支持露天礦歷史生產狀況回溯、模擬無人智能化開采、檢驗生產計劃方案的優劣檢測與評估.從長遠角度可以幫助企業制定可持續性生產計劃,增加收益,助力管理等.平行系統提供三維時空演化的可視化接口,方便工程師觀察數字化動態模型,記錄模型演化.

2.7 監管系統

監管系統功能包含單車狀態監控、車輛駕駛室監控、礦區整體監管、協同作業監管和危險狀態報警等(如圖9).礦區中每一輛車輛的自身狀態都會被實時地顯示與監控,同時車輛駕駛室內的場景也會被實時監控,滿足在有人駕駛時控制中心對駕駛員狀態的監督,礦區整體監管既可以監控整個礦區的運行和狀態,又可以借助平行系統的輸出提前預知下一時刻的礦區狀態.協同監管是在有交互作業時,評估作業完成情況.單車作業和多車協同下遇到緊急情況會發出危險狀態報警,讓監管員第一時間知道險情.

圖9 監管系統功能示意圖Fig.9 The function diagram of supervisory system

2.8 遠程接管系統

監管系統如圖10 所示,主要目的是提高防范.如當故障監測系統發出設備故障報警時設備無法根據原有策略解決故障或者未發出預警行為但采取了錯誤決策行為時,允許管控中心監管員的快速、便捷操作單個或集群設備,來保證整個系統的安全和穩定.

圖10 遠程接管系統功能示意圖Fig.10 The function diagram of remote takeover system

監管員介入操作的權限最高,車輛自身的決策規劃行為需要讓路于監管員的行為,同時其余車輛需要根據監管員的決策進行相應的反應,包括緊急停止或者減速繞行或發出請求操作命令.當監管員控制多車時,多車的控制決策需要讓步于監管員指令,但在保證不發生交通事故的前提下進行,其余車輛應采取減速避讓或者停止等待的行為.同時接口還支持多人多車控制,系統保證在不發生交通事故前提下完成操作員命令.

計算單元記錄操作員命令,結合特定場景盡可能學習人類行為原因,分析人類行為目的,同時快速演算迭代,提供總體代價,尋找最優策略.將新的數據作為訓練數據帶入模型,迭代模型完成智慧采礦系統“數字多胞胎”的最后一環智能引導.

該監管系統支持單車控制、雙車作業控制、集群控制,同時會接收監管系統的危險警報提醒,并結合報警情況給出提示,在人為控制失誤時采用半自動接管,防止危險后果發生.

2.9 通信系統

礦區的通信是上述八個子系統相互數據傳輸以及整體礦山智能操作系統正常運行的前提.通信包括了車與車(路)的通信和車與控制中心的信息交互.

車間的通信用于單車感知決策前的信息補充.礦區是高危多變場景,只是用傳感器仍然不能保證完全的安全有效.車間通信可以實時發送己方車輛的定位、速度等信息,讓對方車輛可以獲得在傳感器感受范圍外的車輛信息.車間信息交互可以協助共同做出決策,防止發生安全事故.車輛與控制平臺的通信涉及上行通信和下行通信.設備不僅可以將車輛的自身信息和感受到的外界信息傳輸到控制中心,也可以接受來自控制平臺的指令或者是人為操控的指令.

由于礦區往往處于低溫多風揚塵以及輻射影響的區域,極端的環境對于礦區的通信平臺提出了極為嚴格的要求.因此使用的礦區5G 技術要無死角全覆蓋礦區,頻段受環境影響小,有繞射能力以繞過礦區地形和特種機械的干擾,同時滿足傳輸速率.

2.10 控制平臺與計算單元

遠程控制平臺是系統運行的硬件支持,平臺需要接受來自礦區的信息,能夠對礦山進行全天候、全方位的監測與管理.這一工作可以半自動化或者全自動化由機器監控,但同時可以配備專員監測礦山和維護平臺,綜合保障無人礦山的安全生產.遠程控制平臺不僅可以監控真實礦山場景,也可以實時顯示對應的虛擬礦山系統,與實際礦山虛實對應、動態演化.控制平臺提供遠程控制接口,可以切換監控場景、人為推演模型、一人控制單車、一人控制多車、多人控制等操作,全方位保障礦區車輛運行安全.

計算平臺是整個框架的大腦,有強大的數據運算和處理能力,不僅可以完成深度學習及強化學習訓練任務,也可以高效地控制多臺機械.它支持數據迭代,當新的數據或者是人的行為意識增加后可以自行推理演繹.另外,搭建礦區云數據存儲器,可以存儲大量的礦區數據,既可以節約計算單元的存儲空間又可以最大化保留記錄的礦區數據,用于后續的知識學習.

3 平行智能采礦操作系統關鍵技術

露天礦智能采礦的關鍵技術包括:平行礦山仿真建模技術、無人駕駛技術、礦區通信技術和協同作業技術.

3.1 平行礦山仿真建模技術

高精度三維地質模型是整個系統的基礎.為了實現平行礦山的描述智能,需要仿真模型具有高精度、快速建模、動態實時修復等功能,但受制于地質探測技術、智能體三維建模技術等技術瓶頸,現有三維建模技術尚不能滿足智能采掘要求.故使用數字四胞胎中的描述智能進行系統仿真建模[60].與傳統的數字雙胞胎[65]不同,實現描述智能需要根據人、機、料、法、環等各個要素,構建基于平行智能的系統仿真系統,其過程如下:

1)智能體建模.包括單一智能體行為建模與多智能體組織行為建模.在個體層次,建模依據在系統中涉及到的智能體的功能和能力,所考慮同類智能體的同質性或異質性以及對單一智能體的典型描述方法[66].多智能體組織層次建模的任務是構建個體之間的關系模型,利用的工具主要是社會網絡和復雜網絡.構建仿真系統定義的礦卡、寬體自卸車、挖機等單智能體,以及由智慧單元、智慧系統和智慧總系統的多級系統組織,實現煤場各智能體、系統、總系統的屬性與行為特征的描述,并最終完成平行礦山描述智能的構建.

2)生產資料建模.對礦石生產過程中產生的煤炭、輔料、廢石等材料進行建模,模型細化到決策端可以根據材料的質地直接對其進行分類并處理.

3)礦山環境建模.對無人礦山整體環境進行精細化建模.建模過程首先要考慮各類地質信息數據并進行有效融合的高精度三維地質建模.其核心技術難點是多種地質信息、工程信息的集成處理,以及生產過程中揭露的地質信息與工程數據的實時獲取及模型的動態更新.隨著三維建模技術的發展,BIM(Building information modeling)技術逐漸被引入煤礦設計生產過程中.基于露天煤礦高精度三維地質模型將開采面智能技術BIM 技術融合,對采掘的工作面進行三維地質與工程建模,將會進一步提高煤礦建設、生產的智能化水平,由于平行信息融合技術的存在,礦山環境模型可以是實時根據物理礦場開采面不同做出實時更新,保證平行管控中心數據穩定性.

在智能礦山系統中,礦山數據模型是實現礦山決策學習自我優化的關鍵,同時也是數字四胞胎描述智能的另一種實現方式.在物理世界中的決策系統可以根據以往發生的事件而做出決策,即“吃一塹,長一智”,但在平行礦山數據模型構建技術的幫助下,可以對以往的事故進行多次學習,即“吃一塹,長多智”,實現智慧礦山操作系統的快速成長.

與平行仿真技術[67]不同,礦山數據模型無需對礦山進行可視化操作,只需通過平行礦山操作系統將礦山中所有要素抽離出來,包括智慧單元與智慧單元,智慧單元與智慧系統,智慧系統與智慧系統的所有關聯元素均抽離出來,組成數字平行世界.因為減少了可視化模型的構建,所以相較于仿真模型,數據模型構建需要極少的資源,故在現有計算機算力的支持下,可以同時建立多個平行數據模型,即平行數據[68]對真實數據進行學習,并獲得所有結果中最好的,真正實現平行系統對物理系統的引導與預測.

3.2 無人駕駛技術

礦區無人駕駛如圖11 所示,包括定位、感知、規劃、決策,與城市場景的不同就是在于礦區的場景復雜性.

圖11 無人駕駛任務劃分示意圖Fig.11 The illustration of unmanned driving task partitioning

礦區感知任務中,不同的礦區設備可能安裝的傳感器類型和型號大不相同,總結起來主要有激光雷達、毫米波雷達、感光相機、超聲波傳感器、紅外傳感器等,不同的傳感器應用不同的處理算法,其主要完成的感知任務包括路面及可行駛區域檢測、動靜態障礙物檢測與跟蹤[69?70]、目標識別[71]以及駕駛員狀態監測[72?73]等.在礦山環境下,沒有明顯的道路標識線,這與廣為熟知的城市道路與快速路不同,并且路面往往崎嶇不平,另外道路與礦山特征不明顯.遇到下雨天氣,礦區路面變得十分泥濘,如何處理多變場景提供安全形勢趨于給算法帶來了巨大的挑戰.

對于障礙物識別,礦區場景單一,如何增強模型泛化能力;可見范圍低時如何感知物體;在劇烈抖動的場景下如何跟蹤目標,這都是在其他場景下難以遇到的問題.礦山機械設備應用多種傳感器對路面及可行駛區域進行檢測.對于目標檢測與跟蹤,通過車間通信,車路協同等方式檢測出障礙物信息,優化算法對動態障礙進行跟蹤.知識自動化的引入使得不同傳感器捕獲的大量數據都可以參與模型的訓練,智能預測目標,其學習的結果可以適應于更為廣泛的場景.

礦區的定位也與其他環境下的定位策略有所差異.由于礦區的復雜地形和地磁干擾,礦區應用的定位技術需要多種技術共同協作.礦用設備的定位技術有:航跡推算定位技術、無線電定位技術、地圖匹配定位技術、視覺定位技術.航跡推算定位技術使用慣性導航設備(Inertial measurement unit,IMU)在給定初始時位置的前提下,通過累計角度偏移和位置偏移推算出車輛在不同時刻的具體位置坐標.無線電定位技術是指利用無線電波的直線恒速傳播特性,通過衛星等設備提供相對某一坐標系下的位置.其中全球定位系統即采用這種工作原理獲得目標的位置信息,該定位策略的問題是在信號弱的區域定位功能不準確或者缺失定位信息.地圖匹配定位技術是指預先獲得地圖信息,利用設備上裝載的圖像采集系統實時獲取設備周圍的環境地圖信息,通過和預先存儲的地圖信息進行匹配,來獲取設備當前的位置信息.

礦山的定位系統會采用多種策略組合,可采用基于差分定位—慣性導航定位系統(Real-time kinematic-inertial—navigation system,RTK-INS)和激光定位(Light detection and ranging—simultaneous localization and mapping,LIDAR-SLAM)的組合定位方案.前者可以在空曠區域,GPS 信號較好的情況下獲得精確的定位,而對于隧道或者低谷GPS 信號較差區域,可以使用配準的方式獲取目標位置.

受益于平行系統仿真環境,通過與深度學習和強化學習結合的決策算法不斷地交互獲得“端到端”決策[41,58].實驗證明深度強化學習有足夠的能力完成智慧礦山決策功能,智慧礦山決策問題類似于單智能體的任務分配和調度問題,強化學習通過多次迭代獲得最優解,利用Q-learning 算法,使多智能體之間處在一個松耦合的分布式環境中,從而解決智慧礦山智能體的調度問題,極大地減少交通擁堵提高智慧系統之間配合的效率.

3.3 礦山網絡通信

礦山地域廣闊,環境惡劣,需要合理地設計和選擇通信設備和通信方式,保證信息傳輸的安全性、可靠性.平行礦山的網絡通信包括礦區設備與控制中心之間的通信和礦區設備之間的通信.在礦區設備交互中,遠距離Wi-Fi 傳輸通信設備分別安裝在礦區道路兩側、挖掘機、礦卡上.為了解決礦區存在的上述問題,可以嘗試部署多通信系統、加大頻帶和帶寬等用來增強通信系統的可靠性,提高系統的抗干擾能力.在礦區車輛與控制中心通信中采用礦區5G 技術,保證控制中心的指令可以實時且準確地下發到每臺礦區車輛,同時車輛的動態屬性和狀態可以及時被控制臺獲取.當通信斷開時,系統能夠及時向控制中心發出告警以通知管理員,車輛設備停止運行以確保安全.

3.4 協同一致性技術

協同一致性包括虛擬礦山和真實礦山在時空的一致和多車協同作業的協同一致.在建立虛擬場景后,如何精確地在虛擬場景中量化礦區的變化是核心問題,例如一段時間后真實運輸礦產的體量與虛擬空間是否一致,當產生較大的偏差時會導致預估的開采策略發生偏移,最終導致生產作業效率低下甚至影響企業業績.

因此,需要顯示場景的傳感器有效且包括多個環節的測量,保障采礦中的每一個環節精確.同時還設計包含矯正功能的采礦設備,當傳感器獲得的數據與預估作業結果不符時,及時調整采礦設備姿態和后續工作步驟.虛擬空間中的給定策略,能否在現實空間中實施,取決于執行機構的準確度,這些需要控制理論的相關知識作為基礎.

協同作業一致是協同作業時步驟的一致,無論是人工模擬空間還是現實場景,都存在挖掘設備與運輸設備的配合以完成礦物的裝載.以挖掘機和礦卡的協同作業為例,在礦物挖掘和裝載區域,由于挖掘機在挖掘過程中的位置會不斷發生變化,礦卡從入場到停車等待裝載的行駛路徑需要不斷進行規劃.在這個過程中,不僅要求虛擬空間可以完成良好的路徑規劃,并且在現實世界執行也能夠準確無誤.

4 總結與展望

智慧礦山是當今礦區發展的重要方向,然而機械自動化的礦區無法勝任全場景的智慧礦區任務.本文提出這一問題的體系化方案,并設計實現了面向平行礦山的智慧礦山操作系統IMOS.此方案解決了礦區在邁向無人化智能化過程中遇到的問題,包括實現高智慧程度的無人駕駛,基于有限數據增強后的全面學習和可持續迭代優化智慧決策系統.另外本文詳細介紹了智慧操作系統的各個組成部分和功能實現,并闡述了系統涉及的關鍵技術.此系統方便遷移,可以快速部署到礦區,助力生產.引入社會效益驅動的智慧礦山系統可以讓整個礦區的管理與運營變得安全、可靠、高效、智能,全礦區智能化不僅可以大幅降低人工成本、減少礦區安全事故,更可以合理規劃礦區,節能減排,增加企業效益.在不遠的將來,智能化采礦流程必將更加成熟、安全、可靠、高效.