煤礦帶式輸送機運輸火災風險智能監測與早期預警技術研究進展

白光星，陳煒樂，孫 勇，宋雙林，李國芳，王彩萍，王偉峰，康付如

（1.西安科技大學 安全科學與工程學院，陜西 西安 710054；2.陜西省煤火災害防治重點實驗室，陜西 西安 710054；3.中煤科工集團沈陽研究院有限公司，遼寧 撫順 113122；4.煤礦安全技術國家重點實驗室，遼寧 撫順 113122；5.山東新巨龍能源有限責任公司，山東 菏澤 274000）

據統計，目前全國煤礦帶式輸送機膠帶在籍長度超過1 800 萬m，每年遞增約20 萬m。我國煤礦現有帶式輸送機約100 萬臺，是礦井煤炭運輸系統的中樞[1-2]。伴隨礦井生產能力不斷加大，開采深度逐漸增加，機械化程度逐步提升，帶式輸送機輸送系統正向高速化、大型化發展，大幅提升開采效率、降低勞動強度的同時，也使得帶式輸送機火災潛在隱患增大[3]。

國內外煤礦每次死亡10 人以上的重大火災事故中，90%為礦井外因火災造成。如1984 年日本三池煤礦和美國Wilerg 煤礦帶式輸送機火災，分別造成83 人和27 人死亡，三池煤礦被迫采取淹井滅火的措施，損失慘重[4]。據《科技創新導報》統計分析，我國煤礦火災事故中，外因火災占重大惡性事故比例高達90%，死亡人數占總數的65%，帶式輸送機火災尤為突出[3，5-7]。綜上可知，帶式輸送機火災事故發生的主要原因分為3 類：托輥超溫、滾筒打滑及外界火源。托輥超溫是由于粉塵、水分等進入托輥軸承引起軸承損壞卡死后，在發生故障的托輥表面膠帶不斷摩擦，導致大量熱量積聚在托輥表面，溫度逐漸升高，機器停止運行后，靜止的輸送帶與高溫托輥持續接觸進而烤燃輸送帶；滾筒打滑主要是由于滾筒與輸送帶之間發生相對滑動，造成兩者之間發生高速摩擦，從而產生熱量引燃輸送帶；外界火源是由于井下電線短路、變電所著火、自然或人為的明火等外界因素引起的礦井帶式輸送機火災。根據相關資料統計，大多數帶式輸送機火災事故都是由于摩擦產生的高溫熱源或外部明火將膠帶周圍遺煤等易燃物引燃，進而引發帶式輸送機火災事故[8-9]。

T/CCS 001-2020《智能化煤礦（井工）分類、分級技術條件與評價》關于智能安全監控系統技術要求明確提出：“4.10.11 礦井電氣設備、帶式輸送機等易發生火災的場所，應設置火災智能感知裝置，以及防滅火系統，宜實現火災監測與防滅火系統的智能聯動。”為此，結合煤礦帶式輸送機運輸火災實際情況，從方法原理、系統應用和技術特點等方面出發，綜述了近年來帶式輸送機運輸火災風險智能監測與早期預警技術的研究進展，提出了礦井帶式輸送機運輸火災與早期預警的新型智能化監測預警體系：“大（大數據）智（智能化）移（移動互聯網）云（云計算）”帶式輸送機火災監測系統和多方法耦合、立體式、連續性監測體系等，為構建高效現代化的煤礦膠帶運輸火災風險智能監測體系提供理論基礎。

1 帶式輸送機運輸火災風險智能監測方法

近年來，國內外學者圍繞煤礦帶式輸送機運輸火災風險智能監測進行了深入研究，主要包括：基于巡檢、分布式光纖測溫、機器視覺和無線通信網絡的火災風險監測技術。帶式輸送機運輸火災風險智能監測方法如圖1。

圖1 帶式輸送機運輸火災風險智能監測方法Fig.1 Intelligent monitoring method of fire risk in belt transportation

1.1 巡檢技術

現有的帶式輸送機運輸火災巡檢技術主要有人工巡檢和自動巡檢技術。

1）人工巡檢技術。目前，我國煤礦帶式輸送機的巡檢方式絕大多數仍是人工巡檢，人工巡檢主要依據現場工人攜帶的巡檢工具對帶式輸送機的狀態數據進行采集與記錄，并由技術人員對記錄結果進行分析。由于帶式輸送機較長，傳統的帶式輸送機運輸火災人工巡檢方式存在諸多問題[10-11]。巡檢人員主要通過人力在帶式輸送機機頭和機尾之間往返，由于礦山帶式輸送機巷環境復雜，極大增加了巡檢人員的勞動強度和自身風險。同時，由于體力限制，巡檢人員完成1 次巡檢耗時長且速度慢，難以保證巡檢實時性，巡檢項目是否完整、巡檢要求是否標準等都會影響最終的巡檢結果[12]。

2）自動智能巡檢技術。隨著計算機技術的發展，巡檢工作正向智能無人化發展，自動智能巡檢技術已經在國內外開發并上市，并已應用于油田石油管道巡檢、電力線路巡檢和地鐵巡檢等多個領域中，同時也逐步應用于煤礦。由于礦井帶式輸送機工作環境的特殊性和復雜性，帶式輸送機火災自動智能巡檢系統需要滿足諸多條件。例如，射頻和電磁干擾影響的大型機電設備附近，需要考慮智能巡檢系統的抗干擾能力[13]；轉彎空間小并且長度大的帶式輸送機，則需考慮智能巡檢系統的轉彎半徑和控制方式等[14]；工作環境潮濕，要求帶式輸送機智能巡檢系統需要滿足一定的精度和穩定性[15]。帶式輸送機自動智能巡檢系統用于輸入巡檢時間、巡檢人員編號和巡檢數據等信息，并將信息傳輸至上位機進行監測分析。李偉等[16]通過發明懸索式帶式輸送機自動巡檢系統和同步帶牽引帶式輸送機自動巡檢系統，實現了礦井帶式輸送機狀態的自動化智能監測；李偉等[17]發明了一種基于多旋翼無人機的帶式輸送機自動巡檢系統，通過高清攝像頭和圖像處理器自動識別托輥并對其運行狀態進行監測；王彥等[18]針對帶式輸送機存在的漏檢等問題，設計了相應的自動巡檢系統并在現場進行了應用；張永等[19]通過研究由運行軌道、無線基站和本體組成的礦井帶式輸送機智能巡檢機器人，實現了帶式輸送機的全方位監測；朱振[20]則針對帶式輸送機托輥運行狀態在線巡檢機器人關鍵技術進行了研究。帶式輸送機自動化智能巡檢技術不僅具有巡檢質量高、監控面廣等優點，而且可通過無線傳輸與遠程監控平臺，實現對輸送機及其環境的實時連續監控與應急火災報警。就目前而言，礦井帶式輸送機自動化智能巡檢系統尚不成熟，還需進一步研究與探索。

1.2 分布式光纖測溫技術

分布式光纖測溫技術采用單根光纜實現溫度數據的監測和信號輸送，通過光纖拉曼散射效應（Raman Scattering） 和光時域反射測量技術（Optical Time-Domain Reflectometry，簡稱OTDR）獲取空間溫度分布特征，其中前者應用實現溫度的測量，后者應用實現溫度的定位[21]。

分布式光纖溫度監控主要是根據光纖的溫度特性，沿礦井帶式輸送機進行鋪設，對帶式輸送機及各重要測量點（滾筒、驅動電機、托輥、機尾堆煤、軸承等）的溫度進行現場采集，并將采集到的現場溫度數據實時發送到監控主機，通過監控平臺實現溫度曲線分析、定位與預警、數據存儲等功能，實現現場火災的監測預警[22]。煤炭科學研究總院重慶分院于2008 年研制了KGFC-J4 礦用分布式光纖溫度監測系統，實現了對傳感光纖敷設沿線空間溫度變化的實時連續監測[23]；程永新[24]將光纖作為溫度傳感介質，對帶式輸送機沿線的溫度進行監測，實現了礦井帶式輸送機沿線的分布式連續實時監測；郭清華[25]設計了2 種基于光纖測溫的托輥軸溫傳感裝置，該裝置可以適用不同的測量需求。

基于分布式光纖測溫的帶式輸送機監測系統如圖2[22]。分布式光纖測溫系統監測距離長達10 km，監測范圍廣，可準確定位帶式輸送機故障位置，定位精度高，采樣周期短，安裝簡單，運行可靠，可滿足多個設備同時監測，但其只能對靜態物體進行監測，無法滿足對動態物體的監測需求[26]。

圖2 基于分布式光纖測溫的帶式輸送機監測系統Fig.2 Monitoring system of belt conveyor based on distributed optical fiber temperature measurement

1.3 基于機器視覺技術

1）輸送帶火災紅外熱像技術。紅外熱成像檢測主要通過測取物體表面的紅外輻射，獲得可表示目標物體表面溫度的熱圖像。將紅外熱成像技術應用于礦井帶式輸送機難以布線的托輥、電機等關鍵部件，可實現其狀態監測與故障預警。馬宏偉等[27]采用模式識別技術、圖像處理技術和紅外檢測技術，設計了礦井帶式輸送機關鍵部件監測預警系統，通過對實時采集的紅外圖像進行特征提取與分類，實現對滾筒、托輥和電機的自動識別與分類；馮加宇等[28]提出了一種基于紅外熱成像技術的礦井帶式輸送機火災監測預警技術，并確定了紅外熱像儀在礦井巷道中的布置和信息傳輸方式；馬宏偉等[29]提出了一種基于連通分量的礦井輸送機托輥紅外圖像分割與定位算法，該算法可以在采集的紅外圖像上完成帶式輸送機托輥的自動分割與定位。紅外熱成像技術具有測溫范圍廣、速度快、非接觸式等優點，但是其易受背景干擾物與環境溫度、測量距離的影響，影響其測量精度[30-31]。

2）計算機視覺監測技術。目前，國內礦井帶式輸送機視頻監控方法主要通過安裝攝像設備將視頻信息傳輸至監控室進行人工監控，這種方式因為通過人為的經驗判斷礦井帶式輸送機的運轉情況，所以經常存在漏報、誤報的情況。隨著計算機視覺技術的發展，礦井智能視頻監控技術將取代人工監控，實現對礦井帶式輸送機異常狀態的實時動態監測[32-33]。基梅隆大學的Christopher C Fromme[34]于2003 年提出并開發了一種基于圖像處理技術和攝像頭的輸送帶監控系統，該系統主要監測輸送帶接頭的損壞；何倩[35]在礦井智能視頻的基礎上，采用計算機視覺監測技術對礦井帶式輸送機的運動狀態進行監測，并設計了一種適用于礦井視頻圖像的預處理方法，實現了礦井帶式輸送機視頻監測圖像的增強；Zhu 等[36]針對礦井帶式輸送機的跑偏現象，提出了一種基于Canny 算法和小波包的圖像邊緣檢測算法實現對其檢測；祁雋燕等[37]針對帶式輸送機輸送帶的撕裂現象，分析了機器視覺和圖像處理技術在礦井帶式輸送機輸送帶縱向撕裂檢測中的應用；隨后，祁雋燕等[38]又對帶式輸送機輸送帶縱向撕裂檢測作了進一步研究，提出了基于虛擬儀器和計算機視覺技術的帶式輸送機輸送帶縱向撕裂檢測方法；Chen 等[39]提出將支持向量機技術用于礦井帶式輸送機輸送帶檢測；Yang 等[40-41]提出了一種礦井帶式輸送機輸送帶縱向撕裂預警方法，該方法通過紅外攝像頭采集圖像，并采用二值化自動閾值選擇算法分析輸送帶是否應發出警告信號。

基于機器視覺的輸送帶縱向撕裂監測系統如圖3[42]。基于計算機視覺監測技術的礦井帶式輸送機檢測方法不僅減少了工作量，而且實現了對輸送機的遠程實時控制，但同時也易受到環境噪聲等的影響。

圖3 基于機器視覺的輸送帶縱向撕裂監測系統Fig.3 Longitudinal tear monitoring system of belt conveyor based on machine vision

1.4 無線通信網絡技術

無線通信網絡技術在礦井帶式輸送機監測的應用延伸了原有監測系統的控制范圍，是現場總線和有線網絡的有效補充。將有線通信與無線通信結合，無線通信的經濟性、靈活性和有線通信的可靠性、穩定性相互補充，將有效地促進了帶式輸送機監測預警的發展。

施山菁[43]提出了基于GPRS/GSM 通信技術的帶式輸送機無線監測系統，結合射頻通信技術，解決了礦井復雜環境下的布線難題；武斌[44]針對礦井帶式輸送機現場環境，搭建了基于Zigbee 技術的無線通信網絡，實現了基于物聯網的帶式輸送機狀態監測；張長森等[45]設計了基于Web 技術的礦井帶式輸送機實時在線監測系統，該系統通過將采集的信號進行故障診斷、數據實時傳輸與可視化，實現了礦井帶式輸送機的遠程實時在線監測；劉露露[46]針對礦井帶式輸送機存在的抗干擾能力不高、實時性差等問題，設計了基于CAN 現場總線的礦井帶式輸送機監測系統，實現了帶式輸送機運行過程中的煙霧濃度、CO 體積分數、托輥溫度等參數的實時在線監控；李宏偉等[47]將RS485 總線和CAN 現場總線相結合，實現了礦井帶式輸送機故障位置的準確定位；鄧軍等[48]結合無線自組網、束管檢測等多種特征融合技術，對礦用帶式輸送機早期火災進行預警，并分析得到帶式輸送機輸送帶火災的發展規律和預警指標。無線通信網絡技術具有數據利用率高、功能全面、可靠性高、自動化程度高等優點，但目前大多數輸送機監控系統兼容性差，影響系統的功能擴展性[49]。

1.5 4 種帶式輸送機火災風險智能監測方法對比

4 種帶式輸送機火災風險智能監測方法，其監測部位、優勢和弊端對比如下：

1）巡檢技術。①人工巡檢：為帶式輸送機全線監測，優勢為靈活性較強，弊端為實時性差、效率低、存在大量的安全隱患；②自動智能巡檢：為帶式輸送機全線范圍移動巡檢監測，優勢為巡檢質量高、監控面廣、實時連續監控，弊端為自動化智能巡檢系統尚不成熟。

2）分布式光纖測溫技術。為帶式輸送機及各重要測量點（滾筒、驅動電機、托輥、機尾堆煤、軸承等）監測，優勢為監測范圍廣、定位精度高，采樣周期短，安裝簡單，運行可靠，可滿足多個設備同時監測，弊端為只能對靜態物體進行監測，無法滿足動作物體的監測需求。

3）基于機器視覺技術。①紅外熱像：為托輥、電機等關鍵部件監測，優勢為測溫范圍廣、速度快、非接觸式，弊端為易受背景干擾物與環境溫度、測量距離的影響；②計算機視覺監測：為輸送帶打滑、跑偏、撕裂監測，優勢為減少了工作量、遠程實時監控，弊端為信號噪聲影響大。

4）無線通信網絡技術。為帶式輸送機全線監測，優勢為數據利用率高、功能全面、可靠性高、自動化程度高，弊端為監控系統兼容性差，影響系統的功能擴展。

2 帶式輸送機早期預警方法

帶式輸送機早期預警以預測為基礎，進一步量化故障趨勢，現有的礦井帶式輸送機早期預測預警技術主要為基于計算智能的數據驅動預警方法。

計算智能從20 世紀80 年代初興起到至今發展迅速。常見的計算智能方法包括：人工神經網絡（Artificial Neural Network, ANN）、支持向量機（Support Vector Machine, SVM）、粗糙集理論（Rough Set,RS）、群智能算法（Swarm Intelligence, SI）-包括魚群算法、蟻群算法、粒子群算法等[50]。基于計算智能的數據驅動預警方法的思想是通過算法對監測的數據建立數據驅動模型，根據建立的數據驅動模型對檢測的實時數據進行預測。數據驅動預警模型因其只需對監測的數據進行分析處理，因此具有強大的自適應能力。

Zhu A 等[36]針對礦用帶式輸送機跑偏故障，提出了基于Canny 算子的邊緣提取何小波包算法，實現了帶式輸送機膠帶跑偏的檢測；Wang Y 等[51]針對礦井帶式輸送機存在異物導致其損壞的問題，提出一種基于改進SSD 算法的輸送帶表面異物檢測方法，從本質上預防了輸送帶撕裂的問題；樊榮等[52]針對傳統帶式輸送機預測算法存在的誤報率高等問題，提出了一種機器學習和傳統火災預警算法相結合的帶式輸送機火災預測算法，并通過實驗表明該算法可以將樣本數據中的火災預警狀態準確識別；張美金等[53]提出了一種基于粗糙集-支持向量機的礦井帶式輸送機輸送帶火災預測算法，并通過與貝葉斯、RS-SVM、RBF-NN 3 種算法對比驗證得出：該算法具有非線性能力強、速度快、預測精度高等優點，適用于礦井帶式輸送機輸送帶火災預測；Hao等[54]針對帶式輸送機損傷現象，提出了一種基于視覺顯著性的多類支持向量機檢測系統，并檢測了干濕2 種情況下該系統檢測的輸送帶損傷準確率；韓濤等[55]采用多任務卷積神經網絡方法檢測礦用帶式輸送機的輸煤量和跑偏現象，實現了帶式輸送機輸煤量和跑偏的同時檢測。

計算智能的方法具有計算步驟簡單、節約時間、自適應、自組織、自學習、通用等優點，計算智能理論和技術在帶式輸送機早期預警領域中具有廣闊的應用前景，但當前尚處于起步階段，研究如何充分發揮各種計算智能算法的優勢，進而提高帶式輸送機早期預測模型的準確性具有理論和實際意義。

3 結 語

煤礦帶式輸送機運輸火災是威脅煤礦安全的主要災害之一。從方法原理、系統應用和技術特點等方面出發，系統地論述了近年來帶式輸送機運輸火災風險智能監測與早期預警技術的研究進展。展望未來，煤礦膠帶運輸火災與早期預警將有以下發展熱點和趨勢：

1）建立基于“大智移云”的煤礦膠帶運輸火災監測系統。利用“大（大數據）智（智能化）移（移動互聯網）云（云計算）”分析煤礦帶式輸送機運輸火災監測數據。隨著5G 時代的到來，“大智移云”等高科技領域的快速發展，將有助于推進礦井帶式輸送機運輸火災監測技術的變革。可在礦井運輸巷道部署5G網絡，將傳感器采集的煙氣信息通過5G 基站傳輸至礦用遠端匯聚站進行匯聚，最終將采集到的煤礦帶式輸送機運輸火災隱患信息實時動態發送到地面監控中心監測預警系統軟件，實現煤礦帶式輸送機運輸火災信息的動態感知預警及主動防控。

2）構筑多方法耦合、立體式、連續性監測體系。煤礦帶式輸送機輸運不僅需要火災早期風險監測研究，還需考慮發生火災時的人員撤離和火災撲滅等問題。構筑多方法耦合立體式監測體系，可將4G/5G、人工智能、邊緣計算方法相結合，運用到煤礦帶式輸送機運輸火災火焰與煙霧高清視頻智能識別技術中，通過視頻圖像采集與智能識別技術，有效地協助現場救護人員處理火災危機，最大限度降低誤報和漏報率，實現煤礦帶式輸送機運輸火災風險防控打早滅小的目的，為礦井安全生產保駕護航。