基于智能通風的火災和瓦斯突出災變管控系統探討

劉彥武

(山西柳林煤礦有限公司， 山西 呂梁 033399)

長期以來，煤炭一直是我國的主要能源，支撐著我國經濟的高速發展。隨著我國的經濟發展階段由高速發展轉化為高質量發展，煤炭企業依靠資源要素投入、規模擴張的粗放式發展方式已經無以為繼，智能化、無人化生產昭示著未來。在工業化和信息化深度融合浪潮下，煤礦智能化既適應了時代發展趨勢，也為傳統煤炭企業高質量發展提供了前進方向。煤礦智能化指將人工智能、深度學習、工業物聯網、5G技術、大數據、機器人等現代信息技術與煤炭工業技術深度融合，形成實時監測、數據互通、分析決策、提前預測、協同一體的智能生產系統，并具備原有煤炭生產系統的全部功能[1-3].

礦井通風系統作為保障礦井生產系統正常高效運行的生命線，在滿足作業人員呼吸需求的基礎上，同時還承擔著防止有毒有害氣體、粉塵污染、高溫熱害等一系列災害的重擔。隨著掘進技術和開采技術的突破，井下作業環境也變得更加復雜，風路變長、風阻增大、風量分配不當、乏風回流等問題日趨嚴重，甚至開始威脅到礦井的正常生產秩序和工人生命健康。

目前礦井通風系統主要存在以下問題：通風系統無法根據礦井生產情況的變化自動調節風路，無法滿足特定用風地點的臨時用風需求，無法在面對突發安全事故時自動改變風路條件。目前風路調節方式主要依靠人工改變風門、風窗等，且調節方式以增阻調節為主，既浪費能量也不具備即時性。

1 智能通風系統框架

本著“節約資源、高效利用”的原則，提出以模塊化思維來建立智能通風系統，見圖1. 該系統大體上分為4個模塊：感知模塊(Perception Module)、中樞通訊模塊(Central Communication Module)、核心決策模塊(Core Decision Module)和可視化模塊(Visualization Module)。該系統后3個模塊均可重復利用，只需針對不同的災害，增設不同的傳感模塊。

圖1 智能通風系統框架圖

下面對智能通風中的各模塊進行具體分析，介紹相關領域最新的理論和成果，并分析局限性和未來發展方向。

1.1 感知模塊

智能通風系統的任何決策都離不開準確且即時的數據，但數據的準確性和即時性往往難以兼得。以風速傳感器為例，目前主流傳感器類型主要包括：超聲波、壓力變化、熱量變化和光纖光柵4種類型。光纖光柵技術以其高靈敏度、高抗干擾性、本質安全等特性成為近年來研究的熱點方向[4-5]. 但是目前的問題在于上述測風方式均為固定點測風，再結合相關系數，以點風速估算巷道斷面風速。在實際生產過程中，巷道情況不一，生產條件實時變化，甚至還有設備工作的影響，系數并不是一成不變的。基于上述原因，目前主要有兩種方式解決估算誤差：1) 采用計算機高速計算特性，利用機器學習等技術，實時自動修正風速系數，如通過模擬巷道內風流或建立巷道模型等[6]. 2) 采用更嚴謹的測風方法，如斷面多點測風或采用更嚴謹的數學推導來進行結果論證[7-8]. 顯然，在大數據時代的今天，以人工智能方法來自動修正風量系數才是通向智能礦井的道路。

1.1.1 傳感器布設原則

鑒于上述情況，在布置傳感器時，不僅需要考慮到傳感器覆蓋范圍、精確度，更應注意選點的特殊情況，如溫差較大的地點，應增設溫度傳感器等。下面按各監測傳感器的工作地點列出布設原則。

1) 整體網絡監測。在有風流的各分支巷道內均需布設傳感器(主要包括風壓傳感器、溫度傳感器、風速傳感器等)，要求能滿足對整個風路系統的風流狀態做到實時監控，并通過地面數據中心進行實時數據解算，出現風流變化時，能即時在三維仿真圖上表現并通知工作人員。另外，在有熱源場所還應考慮增設溫度傳感器，考慮因溫度變化而改變的空氣密度。

2) 工作面檢測。考慮到掘進和開采過程中有瓦斯涌出的危險，為第一時間監測到異常出現，應考慮將瓦斯監測儀與掘進和采煤設備聯動，確保在異常出現時，第一時間切斷工作設備電源并通知通風管理人員。此外考慮到粉塵的危險，還應設置粉塵濃度傳感器。

在傳感器布置方面，受益于計算機的高速發展，仿真模擬技術的成熟應用，不用再像過去一樣進行復雜繁瑣的實驗來優化傳感器的布置[9].

1.1.2 新型監測儀器

鄒云龍等考慮到井下環境惡劣，傳統風表的機械式結構容易磨損和腐蝕，影響精度，設計出礦用智能多通道風速風向儀[10]. 該智能多通道風速風向儀采用的超聲波技術易受井下環境干擾，工作數據準確性難以保證。此外，目前的風速測量熱點光纖光柵技術也發展較快，但大多還在實驗室階段[4-5].

在測風技術沒有較大突破的情況下，未來應該會采用以計算機仿真為代表的模擬方法估算風速，隨著計算機技術的發展，可以加入越來越多的制約條件，盡可能模擬真實工作情況。

1.2 中樞通訊模塊

中樞通訊模塊是各類傳感器和地面數據中心的傳輸樞紐，在整個智能通風系統中，擔負著承上啟下的作用。數據采集分站是該模塊的核心硬件設施(圖1中的DA1、DA2、DA3等)，各采集分站之間彼此互通，既增加數據的傳輸量，也加強系統的冗余度。

楊劍等人采用CAN總線和工業以太網雙保險方式，既滿足了高抗干擾性要求，也實現了即時數據大帶寬傳輸能力[11]. 采用有線連接方式能在成本相對較低的情況下，極大地提高系統穩定性，這種模式尤其適合沒有大量空余空間來建設無線基站的老舊礦井和經濟條件相對較差、安全環境一般的礦井建設。陳煒等考慮到礦井下傳感器的繁多復雜，有線連接的不便以及后續維護工作的繁瑣，采用無線組網方式極大簡化了巷道布線的施工量[12].

1.3 核心決策模塊

核心決策模塊采用類似人工智能設計中常用的大小腦構架，見圖2. 小腦負責低算力、低時延、實時顯示礦井狀態，大腦負責高算力、高時延、決策事故處置方案，兩者分工不同，但相輔相成，缺一不可。大小腦架構是基于現實生產條件所提出的，全采用低時延高性能服務器固然效果出色，但脫離現實，不具備經濟適用性，也背離節約資源的原則。

圖2 核心決策模塊框架圖

1.3.1 小腦模塊

由于該模塊直接與井下各數據分站連接，數據吞吐量大，計算量一般，但對時延要求較高，故采用低時延、低算力的服務器。該模塊在計算出井下各地點生產狀態后，將數據導出到大腦模塊和可視化模塊。

1.3.2 大腦模塊

大腦模塊不僅擔負著監測全礦實時生產狀態的重擔，還實時運行著各災害預測模型，在有突發事故或有事故發生風險時，提前主動預警，并基于其高算力特性在較短時間內計算出合適的決策方案。

整個決策模塊由“3I”組成：人工智能決策(AI: Artificial Intelligence)、人工干預(MI： Manual Intervention)、可視化表達(VI: Visualization)。在監測到危險來臨時，系統自動生成事故危險性預報、人員撤離路線和災害處理方案，并立刻通知地面監測中心。考慮到系統決策可能出錯，系統預留有人工干預窗口(窗口時間隨災害危險程度縮短)，同時在窗口時間無響應時，會自動跳過執行災害處理方案。

1.3.3 算法優化

大小腦架構從硬件角度說明了決策系統的不同分工方案，軟件層面的改進同樣重要。當事故發生時，大腦每提前一秒鐘計算出系統調整方案，都會減少一分井下工作人員的危險。受硬件性能和經濟條件的限制，算法的優化顯得尤為重要。

魏連江等人基于統計學軟件SPSS分析通風網絡圖中的分支、節點、獨立回路、獨立通路以及角聯分支等參數的內在邏輯關系，簡化了通風網絡結構復雜度的快速評價模型[13]. 李雨成等人通過改善通風網絡數據存儲結構，解決了在優選通風機特性曲線時的“假收斂”問題，優化了系統的復雜度，進一步提高了計算速度和效率[14]. 吳新忠等人提出一種基于多策略融合麻雀搜索算法的礦井風流智能調控方法，極大簡化了風路的調節過程[15].

1.3.4 聯動控制

在大腦模塊發現有事故發生時，便會聯合各類通風構筑物，即時做出調整，將各有毒有害氣體濃度控制在安全生產規程許可范圍內。聯動控制設施包括與地面數據中心相連接的風門、風窗以及防爆井蓋等。

近幾年智能礦井概念大熱，各類聯動通風設施也層出不窮。侯英等人運用PLC技術與原有變頻技術結合，設計出兩種通風機控制方式[16].

1.4 可視化模塊

可視化表達是為進一步降低工作人員負擔，將整個風路系統的實時狀態在三維仿真圖象上表達出來的技術，其包括工作面的實時生產情況，各巷道的風速、溫度，風門和風窗的開閉以及風機和防爆井蓋的狀態等。現有可視化技術在展示風流相關參數方面已經相對完善，但相關通風構筑物等聯動設施的狀態還未有較好的表現[17].

基于出色的視覺化效果和地理分析功能，地理信息系統(GIS)在礦井可視化領域受到不少學者的青睞[18-19]. 此外，還有學者從新型技術出發，利用增強現實技術實現可視化系統[20]. 該系統在井下災變時期能提供更加精準和人性化的引導，但缺憾也十分明顯，受目前硬件性能限制，增強現實的效果并不出色，經濟性較低。

2 災害管控系統

在實際生產實踐中，巷道內發生災害事故后，各類傳感器設施基本失效，修復費用極大，有時甚至無法修復。也就是說，大多數傳感器設備在災害面前都是一次性的，這導致礦方沒有意愿采用成本更高的智能化系統，特別是當前智能化系統的技術還未成熟的情況下。

目前，通風系統作為應用最廣泛的輔助系統，其智能化發展必然領先于其它災害管控系統。若能將災害管控系統的軟件部分部署在通風系統的硬件上，提高硬件的利用率，可以極大縮減建設成本，推進智能化礦井的建設。

本文所提出的基于智能通風的火災和瓦斯突出災變管控系統模式的核心在于：將災害管控系統建立在智能通風系統的框架上。正如圖1所示，只需增設不同的感知模塊，后續在同一套硬件上采用互通的數據傳輸模式即可。

2.1 災害管控系統的現狀

目前煤礦災害相關監測技術和裝備已經相對成熟，各類新型預警方法也時有突破，但各種災害之間的信息交換、集成分析還遠遠不夠。整個礦井的綜合安全平臺沒有形成體系，各類災害的數據傳輸和分析各自獨立，各系統間彼此孤立，造成資源閑置[2]. 尤其是當發生火災和瓦斯突出災害時，現有的通風系統不能第一時間阻斷新風和有毒有害物質的合流，造成井下大面積污染，嚴重威脅到井下作業人員的生命安全。

2.2 火災管控系統

2.2.1 火災預警技術

火災預警技術主要分為兩部分，分別是火災探測技術和火災預測技術。前者主要針對出現熱積聚或已經發生自燃的地點進行探測；后者則針對前者難以探測或可疑的地點進行火災風險度預測。

根據煤炭燃燒過程特性，目前常用的火災探測方法包括：測溫法、指標氣體法。

測溫法作為最直接、最可靠的火災探測方法，其各類傳感器發展迅速。該類型傳感器易聯接到礦井綜合安全系統的工業以太網上，缺點是其效果會受到傳感器布置位置和密度的影響。常用測溫儀器包括熱電偶、測溫電阻、光纖、紅外熱成像等。此外，光纖測溫技術近年來也是測溫法發展的熱點[4-5,21].

指標氣體法目前已經發展的相對完善，但由煤自燃機理可知，該方法檢測火災在理論上具有滯后性。鑒于此，為了能補償該方法在原理上的不足，未來發展應該會致力于提高儀器的精度，力求第一時間發現自燃現象，第一時間采取措施。該方向的傳感器主要以氡氣測量為代表[22-23].

此外，利用圖像識別技術由于其硬件的普適性和經濟性，目前也相對熱門[24-25]. 該技術利用攝像頭即可采集數據，后續再對圖像信息進行賦值比較，便能判斷有無火焰。顯然，圖像識別技術在遇到陰燃時效果會大打折扣。

火災預測技術以火災探測技術基礎數據為起點，采用神經網絡、模糊算法等算法來進行預測預報[26-27]，但大多還在實驗試用階段。

目前，礦井火災預警技術的運用還主要以單參數指標為主，誤報率較高，聯合多因素交叉分析沒有大規模應用實例。此外，還沒有一套綜合的集預警、救災和聯動控制于一體的智能化火災預警系統投入實際生產應用[28].

2.2.2 火災管控策略

隨著國家和人民對煤礦安全生產形勢要求的提高，傳統粗放的火災管控模式已經不能滿足要求，亟需建立一套完備智能的火災管控模式[29]. 煙氣導流是礦井火災的管控重點。火災管控系統需要在探測到火情后，立刻計算最優排煙路徑和人員逃生路線。同時，還要盡可能縮小火區風量，避免助長火勢。

限于實際生產礦井條件的復雜性，關于煙氣導流問題的研究，主要以計算機仿真模擬來開展。郝海清等建立了皮帶巷火災區域網絡模型，分析煙流擴散和調控規律，并提出了兩種調節方法[30]. 周藝婷同樣以皮帶運輸巷為研究對象，采用風流短路法將災變風流引入專用回風巷[31].

2.3 瓦斯突出管控系統

2.3.1 瓦斯突出預警技術

目前常用的瓦斯突出動態監測手段有：微震監測、聲發射、電磁輻射監測和應力監測等。

隨著開采煤層的深入，瓦斯突出變得越來越頻繁，上述單一的地球物理技術手段已經慢慢被替換成耦合多效應監測系統或基于深度學習的模糊監測系統。邱黎明等人結合聲發射、微震監測及瓦斯濃度監測等手段，預測煤與瓦斯突出危險。Li結合微震監測和CT技術進行突出預測，也取得不錯的效果[32-33].

現有的瓦斯突出監測技術還存在需要改進的地方。聲發射和微震監測的監測頻率范圍窄，精度也有所欠缺，應力監測的誤差較大，無法進行多維度同時監測，且兩種方法的抗干擾能力都有限。在現有檢測技術沒有重大突破的情況下，未來應該會更多地依靠大數據分析來提高預測的準確度。除此之外，基于大數據和人工智能算法的瓦斯預測也有不少成果[34-35].

2.3.2 瓦斯突出管控策略

當瓦斯突出后，極短時間內高壓瓦斯便充滿整個巷道空間，直接影響風路的正常運行，嚴重情況下還會造成風路逆流。大量高濃度瓦斯會隨著巷道擴散，極易造成人員窒息事故，伴隨的瓦斯爆炸二次災害會進一步加大事故損失。因此，瓦斯突出所噴射出的高壓瓦斯氣體是管控的重點。管控系統不僅要即時切斷暴露于瓦斯突出區域的設備電源，還應第一時間封鎖高濃度瓦斯氣體。

瓦斯突出后，高壓瓦斯氣團的流動規律主要以計算機仿真來進行研究。孫曉元和余景孝分別研究了瓦斯流在交叉巷道和全巷道地形中的流動規律以及對通風系統的影響[36-37]. 瓦斯突出的重點還是以“預防為主”，但當事故發生后，各系統間的協同調控能力還不完善。

3 結 語

礦井智能化發展既符合時代潮流也契合國家戰略，但現有礦井的智能化技術僅僅局限于各個分系統的智能化、各項技術的智能化，更應該加強各個系統間的智能化，這才是符合國家戰略的新型智能化煤礦。

未來應該建立以通風系統為核心框架，嵌合多種災害預警系統的綜合安全管理系統，即“安全與應急管理系統”，或者說“大安全系統”。該系統旨在解決以下目標：實時動態監測礦井生產狀態，生成礦井實時三維仿真示意圖，預測災害危險程度、發生地點及波及范圍，根據災害危險等級提前主動預警，優選工作人員安全撤離路線，智能決策災害處理方案。

相信隨著智能化示范礦井的建設，相關規范和標準會逐步確立起來，煤礦行業的第二個黃金十年正在到來。