大數據時代下礦山開采的智能化技術研究分析

歐 建

（重慶市安全生產科學研究有限公司，重慶 401331）

礦山行業在大數據時代的大力推動下逐漸向集約化、精細化、智能化方向轉變[1]。而這對礦山開采智能化技術提出了更高的要求。而我國智能化開采技術起步較晚，也面對成套設備穩定性不足，智能化開采技術普遍適用性不強以及智能化開采觀念滯后等系列問題，因此對礦山開采智能化技術予以研究至關重要。

1 礦山工程及其信息化發展的歷程

礦山工程主要是以礦產資源為主要對象，在礦山區域進行資源開發作業的過程[2]。整體工程結構較為復雜，包括井塔、壓風機、通風機、卷揚機等多個地面工程，同時包括硐室、井巷等地下工程。經過多年的技術革新發展，我國的采礦系統應用已涉及采礦工程的多個領域，礦山的地質研究、規劃與設計、生產工藝、管理等多個系統均在礦山工程當中有較大程度地應用，并取得了良好的應用效果[3]。在通常情況下，礦山工程作業區域多選擇于地下深處，有時甚至可達地下千米之處，作業面較為分散，同時受多種因素影響。采礦行業的作業環境較為艱苦，作業管理過程中的危險因素及生產技術短板存在于整個礦山工程管理過程中，影響整體施工進度與質量，因此需在礦山工程中應用信息化技術，實現礦山工程信息化施工管理[4]。

自動化、數字化技術的應用是礦山工程信息化的基礎，通過應用自動化技術，進而實現無人采礦和遙控采礦，以此達到智能礦山的基本需求。智能礦山屬于礦山工程高度信息化、自動化、智能化，以整體礦山開采作業高效、安全為目標，是礦山工程綜合信息化發展的必然方向。而隨著當前社會自動化、數字化信息技術不斷革新發展，礦山工程信息化發展正不斷推進。

2 智能礦山關鍵技術及發展路徑

2.1 大數據、物聯網、人工智能及云計算技術支撐的智慧礦山

智慧礦山概念屬于數字化礦山基礎上的擴展。與數字化礦山開采有所區別的是聯合應用了大數據、物聯網、人工智能及云計算技術等核心技術，不僅解決了各個系統之間的互通、架構問題，同時強化了針對數據的處理及高級運算的問題。智慧礦山是數字化礦山在原有架構基礎之上，對核心技術進行升級，以此完成智慧決策支持平臺的架構。因此，大數據、物聯網、人工智能及云計算技術等核心技術的研究應用程度，對智慧礦山的發展具有直接影響。

2.2 基于“互聯網+”的物聯網平臺

當前社會互聯網應用技術已充分普及，“互聯網+”基礎之上的物聯網平臺應用，為智慧礦山的信息傳輸工作提供了有效保障。應用物聯網平臺對智慧礦山的大數據進行傳輸，精確性可有效提升，同時可以保證數據傳輸工作及時完成，以此保障智慧礦山系統的穩定性及安全性。因此智慧礦山物聯網平臺應用過程中，必須達到統一指揮、精準定位、協調統一，同時可對綜合地理信息進行有效整合[5]。

目前，我國所應用的精確定位技術主要有Wifi定位技術、藍牙定位技術、RFID定位技術、Zig Bee定位技術以及超寬帶定位技術。每一項定位技術在各自應用領域中均具有各自特點，并取得相應的應用效果。而礦山作業過程中，對于定位的精準度和時間分辨率具有較高要求，Zig Bee定位技術和超寬帶定位技術在此方面具有一定優勢，對于礦山開采的井下無線定位就有很大幫助，是未來智慧礦山發展的有效途徑。

2.3 大數據處理及人工智能技術

大數據處理技術是智慧礦山發展的核心技術之一。在智慧礦山應用過程中，為加強對于礦山整體了解，需采用較大數量的傳感器對整個礦山進行整體掃描，由此產生龐大的數據信息流。而找到規模的數據信息。對整個智慧礦山的儲存、管理、分析系統造成了極大壓力，因此加強對于大數據處理技術的應用，利用此類技術挖掘數據背后的規律和知識，為智慧礦山的生產、管理及決策提供有效參考[6]。

人工智能技術屬于近年來發展較為熱門的新核心技術，其應用領域較為廣泛。人工智能是在大數據應用的基礎上進行研發，開發方向為模擬、延伸、擴展人類的智能，進而提升信息科技的應用，人臉識別、智能對話等均屬于人工智能研發領域。人工智能的核心成分是可進行深度學習，進而實現系統的自主更新與升級。智慧礦山應用人工智能技術，可完善對于礦山開采管理系統的自我升級，進而提升整體系統的應用適應性。

2.4 機器人智能化開采系統

機器人開采主要是為了提升礦山開采作業的安全性與效率性，同時實現對于人力資源的解放。機器人開展作業必須具備以下條件，礦產儲備條件精準感知、截割軌跡精準調控、機器人作業群組精準配合以及礦山壓力精準預警[7]。在此類條件均滿足的前提下，機器人智能化開采系統可通過設備擬人化，完成礦產開采作業。機器人截割軌跡精準調控、支撐系統有效調節、礦山壓力預警等系統均是為保證整體礦業開采空間的安全性，同時，對于礦產儲備條件的精準感知、保證工作區域整潔、礦產開采、輸送速度協調統一，均是為了保障。機器人作業群組精準配合，進而提升整體開采效率，確保機器人智能化開采系統的有效應用。

3 大數據時代下數字礦山智能開采技術

近年來，我國數字礦山智能開采技術的發展速度飛快，其實際應用效果取得了有目共睹的成就。數字礦山概念可歸納為在統一框架下，對礦山整體信息數據情況進行數字化、智能化編程，進而實現智能化開采的整體過程，同時屬于先進理念的應用[8]。數字礦山開采技術其核心主要是強化互聯網技術的應用，以此保障礦山開采行為高效、安全化。在實際的應用過程中，數字礦山智能開采技術主要是以礦山資源為中心，建立數字化礦山資源數據庫，在相應的數據資源基礎上建立礦山立體化模型，同時加強對于礦山資源空間信息的收集，利用互聯網技術將礦山資源整體體現出來，以此建立礦山資源網絡智能開采系統。

工業互聯網系統主要是針對礦山的地質情況、地質結構進行分析，進而取得礦山資源內礦產的分布情況。數字礦山智能開采技術則是以工業互聯網應用為基礎，采用先進計算機技術將礦山資源整體情況進行還原，建立礦山實景三維立體模擬模型，是礦山資源開采技術應用的重要基礎。模型的建立有利于礦山開采方式的選擇，同時可通過對礦井建設及開采過程的模擬，進一步提升礦山開采效率和開采質量，降低環境污染，減少資源浪費。

數字礦山智能開采技術應用首先需通過專業人員的資源評估，通過評估過程對礦山整體資源進行初步了解；其次，建立網絡監測點，收集礦產資源開采信息，對礦山情況進行數字化監測；最后應用工業互聯網對所有數據進行整理分析，建立數字礦山智能開采模型，對開采行為進行相應模擬，并確定開采方式進行開采。數字礦山智能開采技術的應用，可綜合考慮礦產資源開采過程中的多種因素，并及時采取有針對性的應對措施，進而對開采現場發布執行命令或對開采過程細節進行調整。

4 智能開采試驗

4.1 參數選擇

數字礦山智能開采試驗中，對信息數據的采集、整理和分析，其首要步驟為參數的選擇。礦山開采的前提需對礦產資源進行評估，而資源評估工作需通過信息采集監測點完成，是整個數字礦山智能開采工作的開始階段。而礦山資源的評估屬于模糊信息獲得，需應用人工實地采集信息，信息數據的精準性較差。因此，在礦山資源信息數據的整理、分析過程中，要將所采集信息進行綜合性考慮，以此提升礦山資源數據采集的準確性。

對礦產資源進行評估過程中，需采集信息種類較多，且在不同的環境、影響因素下需要不斷調整，但基礎參數信息選擇如表1，將所采集數據代入實驗模型中，即可取得數字礦山智能開采實驗結果。

表1 試驗參數選取表

4.2 試驗模型

傳統開采方式與智能開采方式的試驗模型并不相同，將相同參數代入各自模型當中，可得出兩種開采方式的對比結果。在開采試驗的試驗模型對比過程中，需根據礦山實際情況進行具體分析，以此選擇合適的試驗模型。

模型（1）為智能開采技術試驗模型，將所采集試驗參數代入到試驗模型當中，可得出數字礦山智能開采技術試驗結果。

模型（2）為傳統開采技術試驗模型，將所采集試驗參數代入到試驗模型當中，可得出傳統開采技術試驗結果。

4.3 試驗結果

將礦山開采信息數據參數進行整理分析，進而通過工業互聯網當中的試驗模型操作，得出不同開采方式的對比結果。由表2中數據可得出傳統開采方法和智能化開采方法的試驗對比結果。并通過試驗對比結果可發現，相比于傳統開采方法，數字礦山智能開采技術能夠有效地達到預期目標，年采礦量達到最大化，開采回采率可有效提升，預計壓強降低，粘合力提升。主要是由于應用數字礦山智能開采技術，通過礦產資源評估、信息采集、開采技術應用等多個環節的緊密配合，聯合高素質人才的實際操作，可對礦山資源進行高效率、高質量開采，而基于工業互聯網的聯合應用，可保障對于礦山資源最大程度地開發利用。

表2 開采試驗結果對比

5 結論

礦山開采智能化作為大數據時代下工業技術革新的一項重要內容，其不僅是礦山行業產業升級的核心根本內容，而且是現階段我國礦上開采研究的技術重點。在礦山開采規模日益壯大的今天，礦山開采智能化備受關注與重視。數字礦山智能開采技術不僅能夠確保礦產資源開采的安全性，而且能夠提高礦山開采工程的效率和水平。在大數據時代下，應全面推廣數字礦山開采智能化技術，為礦山開采企業提供新技術。