基于工業互聯網的露天礦數字孿生建模系統和方法

姚 江 王智強 侯衛鋼 毛明革 王 潤 李 璐

(1.東北大學資源與土木工程學院,遼寧 沈陽 110819;2.沈陽中科奧維科技股份有限公司,遼寧 沈陽 110179;3.鞍鋼集團礦業設計研究院有限公司,遼寧 鞍山 114001;4.鞍鋼集團礦業有限公司,遼寧 鞍山 114001)

礦山信息化發展經歷了單機自動化、綜合自動化、數字礦山階段,近年來礦山物聯網和礦山智能化技術得到了快速發展和應用,礦山信息化技術正朝著智慧礦山的目標發展[1],在礦山生產中不斷融合新技術,提高礦山生產的智能化水平,從而實現礦山少人化或無人化[2-3]。PLC在礦山設備上的成功應用將礦山帶入了單機自動化時代,提升了礦用設備控制的可靠性,減少了設備的停機時間[4]。但是此時的單機自動化模式造成多個上位機共存,形成了信息孤島,導致信息不能共享[5-6]。2000年以后,隨著無線傳感器網絡及工業以太網技術的飛速發展,為實現各礦山系統之間的互聯互通奠定了基礎[7],得益于此,我國礦山進入了綜合自動化時代。而后,在礦山固有生產工藝環節、裝備水平的前提下,以網絡為手段,實現了信息存儲、傳輸、表達和深加工,能夠為生產優化、決策提供依據[8],礦山進入了數字礦山階段。礦山物聯網是綜合實時感知、網絡通信和動態控制等技術來實現礦山物與物、人與物之間的信息傳遞與控制。礦山物聯網將物聯網技術應用到礦山生產中,進一步提高礦山開采的自動化和無人化水平[9]。礦山智能化是智慧礦山的中級階段。礦用機器人技術和通信技術正在普及應用,以人工智能和大數據為代表的新技術也融入其中,推動礦山向智能化、智慧化方向發展[10]。

數字孿生、大數據與人工智能等新一代高新技術的發展,豐富了工業互聯網的關鍵技術和應用場景,使工業互聯網更好地為工業企業服務[11]。文獻[12]提出并行推進、融合發展是中國推進智能制造的技術路線,云技術和工業互聯網是支撐新一代智能制造的基礎[13-16]。近年來,工業互聯網技術和數字孿生技術的融合應用在不同行業和場景都取得了顯著進展。張國政[17]構建了工業互聯網數字孿生綜合管控平臺,對用戶實現了智能化管理;李連浩[18]面向工業互聯網,圍繞設備數字孿生系統的設計與實現開展了系列研究;薛旭升等[19]提出了一種基于數字孿生的煤礦掘進機器人糾偏控制系統;葛世榮等[20]采用基于仿真的數字孿生建模方法,提出了綜采工作面數字孿生系統架構;葛虎勝等[21]提出了基于雙5G網絡的露天礦山通信系統,通過建設智能采礦管控、綜合生產執行和三維可視化管控的三大平臺,進一步融合礦山安全監測監控系統,進而構建了露天智能礦山的建設架構和體系;李國清等[22]從宏觀戰略引導和礦山建設實踐兩個層面梳理和總結了國內外地下金屬礦山智能化建設的目標、理念、建設經驗、關鍵技術以及所取得的成果;王國法等[23]結合煤礦智能化建設經驗與階段性成果,提出了我國智慧礦山實現高質量發展的主要技術路徑。但總體上,目前針對露天礦數字孿生建模系統和方法的研究存在的不足主要有:① 我國露天礦采礦生產大多生產工藝流程長、管理環節多、工程復雜性高,各個層級之間信息傳遞具有滯后性,現有的數字孿生建模方法難以實現實時、準確的露天礦生產指揮調度,也無法有效改變現有的生產組織方式;② 對于露天礦采礦生產中最核心的礦體模型,現有的數字孿生建模方法無法實現礦山地質三維實體建模,無法精準描述地質分布,不能有效滿足露天礦生產配礦要求;③ 現有的數字孿生建模方法無法實現采礦生產中的“五品聯動”[24]。

為此,本研究提出了基于工業互聯網的露天礦數字孿生建模系統和方法,能夠實現采礦一塊屏,對地質、測量、設計、到采礦生產環節的生產管控、安全管控、設備能耗管控、鐵運生產管控等方面進行一體化集成,所有采礦生產過程都可以通過露天礦數字孿生模型完成,最終形成智慧礦山整體解決方案。

1 露天礦數字孿生建模系統結構

露天礦數字孿生是以工業互聯網為基礎、基于現實世界露天礦采場而創建的虛擬世界模型,結合采場基礎設施、采礦設備以及生產運行數據與三維數字地質系統,呈現三維露天礦采場。本研究提出的露天礦數字孿生建模系統包括端、邊、網、云4層系統,結果如圖1所示。

圖1 露天礦數字孿生建模系統整體結構Fig.1 Overall structure of open-pit mine digital twin modeling system

端層用于露天礦現場自動化控制、單體設備控制及數據采集、現場視頻監控、通信指揮調度;用于實時獲取露天礦中的實體設備運行數據,同時將實體設備的運行數據發送至邊層,以及將實體設備的實際位置發送至云層。端層包括單體設備、生產設施、傳感器、定位裝置和視頻監控。

邊層用于獲取端層中實體設備的運行數據,并結合AI算法對該數據進行邊緣計算,將獲取的帶有作業動作的分析結果和報警、預測數據發送至云層,以通過云層實現對應的數字孿生實體設備模型的動作控制和報警預警,其最終的主要功能是與端層進行互聯互通。邊層系統包括邊緣計算裝置、數據緩存裝置、數據匯集裝置和人工交互裝置。

網層用于構建現場的工控、生產、公網融合的網絡體系,以實現層之間的數據傳輸以及與公共網絡的數據傳輸。網層包括工控網、辦公網、公共網和數傳電臺。

云層用于構建露天礦環境數字孿生模型,并接收端層中實體設備的實際位置,創建對應的數字孿生實體設備模型,以及根據露天礦采場的地質數據建立地質模型,并將數字孿生實體設備模型和地質模型加入露天礦環境數字孿生模型中,形成露天礦數字孿生模型。同時,接收邊層獲取的帶有作業動作的分析結果,根據分析結果控制端層實體設備執行相應的作業動作,并通過三維形式展示。云層以標準的云3層服務體系作為基礎,構建礦業的云體系,包括基礎設施層IaaS、平臺服務層PaaS和應用層SaaS。應用層SaaS包括露天礦生產管理模塊、露天礦生產執行模塊、露天礦安全管理模塊和露天礦數字孿生模塊。

1.1 端層系統結構

端層系統包括單體設備、生產設施、傳感器、定位裝置和視頻監控,系統結構如圖2所示。單體設備指露天礦生產中直接或間接用于采礦生產的移動設備,包括牙輪鉆、礦用電鏟、礦用卡車、灑水車、撒鹽車;生產設施指露天礦生產中直接或間接用于采礦生產的固定設施,包括卸礦點、爆破警戒、鉆孔、邊坡監控;傳感器是指為了提高采礦生產自動化程度或人工智能程度而安裝在設備和裝備上的傳感器,包括電能表、礦用卡車油箱液位計、礦用卡車防碰撞雷達傳感器、礦用電鏟姿態傳感器、牙輪鉆孔深傳感器、卸礦點蓬料傳感器;定位裝置包括安裝在各種移動設備上的北斗定位模塊、工作人員佩戴的定位腕表;視頻監控指安裝在露天采場固定位置的鷹眼視頻裝置和生產設備駕駛室內或室外的視頻監控。

圖2 端層系統結構Fig.2 Device-layer system structure

1.2 邊層系統結構

邊層系統包括邊緣計算裝置、數據緩存裝置、數據匯集裝置、人工交互裝置,系統結構如圖3所示。邊緣計算裝置包括電鏟鏟齒脫落識別裝置、卸礦點蓬料識別裝置等;數據緩存裝置包括安裝在各個移動設備上,用于在網絡覆蓋不足無法實現數據上傳時暫時將數據緩存在本地,待設備進入網絡覆蓋區域時將數據一次性上傳;數據匯集裝置是指安裝在移動設備上的智能網關和串口服務器,用于將設備上的多源異構數據進行匯集,并且轉換為統一協議、格式數據的裝置;人工交互裝置指安裝在生產設備上的前置終端,用于接收從遠程調度中心下發到各單體設備的實時調度信息和上傳設備操作人員的反饋信息,實現實時、準確的露天礦生產指揮調度,改變現有的生產組織方式為扁平化管理模式。

圖3 邊層系統結構Fig.3 Edge-layer system structure

1.3 網層系統結構

網層系統包括工控網、辦公網、公共網、數傳電臺,系統結構如圖4所示。工控網具體包括WIAPA/FA網和工業以太網,用于實現工控設備的控制和監控;辦公網包括WIFI、5G/4G專網、萬兆環網,用于完成露天礦企業的日常管理活動;公共網包括4G和5G,用于個人移動設備訪問因特網或語音通話;數傳電臺包括數傳電臺主站和中繼站,作為工控網和公共網的補充,保證露天礦生產數據傳輸的實時性和完整性。

圖4 網層系統結構Fig.4 Network-layer system structure

1.4 云層系統結構

云層系統包括基礎設施層IaaS、平臺服務層PaaS和應用層SaaS。其中,應用層SaaS包括露天礦生產管理模塊、露天礦生產執行模塊、露天礦安全管理模塊和露天礦數字孿生模塊。云層系統結構如圖5所示。基礎設施層IaaS實現虛擬化、存儲、擴容、容災和負載的功能,平臺服務層PaaS實現ETL、數據建倉、數據總線、礦業建模、科學計算、大數據分析功能,應用層SaaS實現露天礦生產各具體應用的部署。

圖5 云層系統結構Fig.5 Cloud-layer system structure

露天礦生產管理模塊包括數據管理、計劃管理、生產管理、質量管理、設備管理、能源管理、績效考核、統計分析和移動應用,從露天礦整體生產管理角度,提供基礎數據、計劃分解、生產調度下發、績效考核、統計分析等流程管理,分解下發任務到達生產執行模塊進行采礦作業執行。數據管理是對系統的基礎數據進行維護,包括增加、刪除、修改、查詢等主要功能;計劃管理是根據企業制定的年生產計劃確定季度生產計劃、月生產計劃,采用基于業務需求的算法實現對生產計劃的聯動排產;生產管理實現對露天礦采場相關鉆孔、鏟裝、汽運設備的調度功能;質量管理是針對礦石品位的管理;設備管理是針對采礦活動中直接和間接用于生產的設備進行管理;能源管理實現對采場能源的智能管理,能夠精確采集單機臺、單工序的能耗信息;績效考核通過系統中各環節的數據串聯,結合指標信息,形成對作業人員的績效與考核;統計分析是對生產過程數據進行統計分析形成報表,從不同方面以不同角度向用戶展示生產過程的統計信息;移動應用是指用戶可以通過移動設備查看自己關注的數據。

露天礦生產執行模塊包括三維地質、爆破管理、穿孔管理、配礦管理、鏟裝管理、運輸管理、卡車調度、模型更新和驗收管理,對自身生產環節數據進行采集監控,在生產管理模塊中完成生產追蹤,形成生產管理數據閉環。三維地質是實現礦山地質三維實體建模,精準描述地質分布;爆破管理是實現先進的3D爆破設計和建模功能,實現爆破數據的可視化;穿孔管理實現牙輪鉆生產的計算機布孔操作;配礦管理是有計劃地按比例搭配不同品位、不同品種的礦石,混合均勻,在確保達到選廠要求的質量標準情況下綜合利用礦產資源;鏟裝管理實現鏟裝信息的實時采集、生產信息的自動匯總分析,記錄電鏟工作區域的運動軌跡并上傳,實現鏟裝的優化指揮調度;運輸管理實現鐵運環節的調度管理、智能報表、決策分析;卡車調度實現對采裝設備移動運輸設備卸料點及生產現場進行實時監控和優化管理的智能指揮調度;模型更新是隨著采礦生產的進行自動更新地質模型,具備模型修改與管理功能;驗收管理是隨著采礦生產的進行能夠計算出本月驗收結存量,并得出本月礦石與巖石的生產量。

露天礦安全管理模塊包括邊坡監控、人員管理、車輛管理、卡車安全、電鏟健康和巡檢管理,將露天礦生產中與安全相關的數據進行管理。邊坡監控是用于露天礦邊坡穩定性測量和監測;人員管理是對設備操作人員進行健康狀態監視,確保生產安全以及周圍人員安全;車輛管理是對車輛實行定位管理,監控車輛位置狀況,具有向已經超出電子圍欄范圍的車輛司機提供報警功能;卡車安全是對卡車運礦過程的碰撞危險提供示警;電鏟健康是監控生產中電鏟鏟斗的健康狀態,包括護套、鏟齒脫落等;巡檢管理是按照國家相關法律法規和企業制度,制定危險源鑒別方法、危險源巡檢內容、安全應急預案、各級危險源的巡檢計劃要求,并自動生成巡檢計劃。露天礦數字孿生模塊在三維露天采場模型的基礎上,對地質模型、單體設備進行建模,將所有獲取的數據進行整體集成展示,方便采場直觀地調度、管理,并通過三維形式展示給用戶。

2 露天礦數字孿生數據流

本研究露天礦數字孿生數據流以卡車調度功能為例分析數據在各層之間的傳輸方法,如圖6所示。具體流程為:① 由云層的卡車調度功能模塊將調度指令數據發送給網層的工控網;② 網層的工控網接收到卡車調度發來的數據后,轉發給邊層的人工交互裝置;③ 邊層的人工交互裝置將數據轉發給端層的礦用卡車單體設備;④ 作業人員獲得調度數據后操控礦用卡車開始作業;⑤ 將礦用卡車作業過程數據以及位置數據傳輸給邊層的數據匯集裝置;⑥ 邊層的數據匯集裝置接收到數據后將其轉發給網層的工控網;⑦ 通過工控網將數據發送給卡車調度系統,調度人員可以根據實時的數據反饋決定下一步的調度指令。

圖6 數字孿生數據流示意Fig.6 Schematic of the data flow of digital twin

3 露天礦數字孿生建模方法

將整個露天礦生產過程和業務融合在一起形成了露天礦數字孿生模型,如圖7所示。露天礦數字孿生建模方法包括采場實景建模、構建礦體模型、模型結合、創建設施模型、還原單體設備模型、數據接入、WEB還原生產現場7個步驟。

圖7 露天礦數字孿生建模方法流程Fig.7 Flow of digital twin modeling method for open-pit mine

3.1 采場實景建模

利用無人機傾斜攝影技術對露天礦采場進行實景建模,獲取詳細的影像數據,經過計算獲得二進制存儲的、帶有嵌入式鏈接紋理數據(.jpg)的OSGB格式模型。采用精確的控制測量技術及等高線測量技術,保證空三精度、確定地物目標在空間中的絕對位置,控制模型整體誤差在10 cm以內。經過地形修正,去除采場中無關機械設備(如牙輪鉆、電鏟、卡車等)對地形的影響,最終得到精確的露天礦采場數字孿生模型。

3.2 構建礦體模型

露天礦生產執行模塊中的三維地質系統基于礦山勘探的鉆孔、化驗、巖性等地質數據,構建地質數據庫,在三維空間顯示勘探線各剖面的鉆孔巖性、品位數據,不同地質巖性按照不同顏色進行顯示,根據鉆孔巖性、品位圖像進行礦體解譯,判斷礦體走向,進而構建礦體模型。

3.3 模型結合

將構建的地質模型添加至露天礦采場數字孿生模型,不僅可以查看露天礦采場地表模型,還可以直觀地獲取隱藏在地下的礦體、礦脈分布信息。通過對不同種類礦體進行顏色區分,可呈現出不同種類、不同顏色的礦體交織在一起的孿生影像。

3.4 創建設施模型

根據露天礦參與采礦作業設施的實際位置和實際三維尺寸,創建對應的數字孿生生產設施模型,定義每類生產設施物理實體和與數字孿生生產設施模型之間的數據接口,使得數字孿生生產設施模型能夠顯示實時的業務數據,具體設施及對應的數據如表1所示。

表1 生產設施模型及對應數據Table 1 Production facility model and its corresponding data

3.5 還原單體設備模型

根據露天礦生產現場每類單體設備的實際三維尺寸、相關數據和作業動作,1∶1還原單體設備模型。定義每類單體設備物理實體與數字孿生單體設備模型之間的數據接口,使得數字孿生單體設備模型能夠與實時的業務數據相結合。采用亞米級定位裝置對設備位置信息以秒為單位的頻率進行實時采集。具體設備和對應的數據及作業動作如表2所示。

表2 單體設備模型和對應數據及作業動作Table 2 Single equipment model,corresponding data and operation action

露天礦數字孿生模塊中,創建對應的數字孿生生產設施模型以及單體設備模型,將數字孿生生產設施模型與單體設備模型構成數字孿生實體設備模型,加入露天礦環境數字孿生模型中,得到露天礦數字孿生模型。最終通過Web3D動畫技術,以業務數據及定位數據為支撐孿生控制各單體設備,展示孿生動畫。

3.6 數據接入

本研究以人員管理為例分析數據接入方法。

露天礦安全管理模塊通過實體設備中的定位裝置以及視頻監控設備,接收邊層定位裝置和傳感器獲取的數據,對露天礦現場作業人員進行健康監控及位置監控,接受邊層處理后得到的報警、預測數據,以實現報警預警。

通過智能健康腕表及人員定位卡扣,對露天礦現場作業人員進行健康監控及位置監控。將人員健康腕表及定位卡扣反饋的健康信息,顯示在露天礦采場數字孿生模型上,健康信息包括人員位置、血壓、血氧、心率、體溫、步數。同時系統設定了人員健康預警上下限值,當健康監控數據超過預警范圍時,系統將產生預警信息并將其發送給該人員所在作業區的作業長及安全員。

3.7 WEB還原生產現場

將上述步驟生成的模型和定義的數據,基于WEB進行開發,采用WebGL三維動畫技術,以整體礦山傾斜攝影模型為基礎,以露天礦生產業務數據及衛星定位數據為支撐,對設施模型、設備模型進行孿生動畫控制,真實還原露天礦采礦作業生產現場。

4 結果與分析

本研究提出的基于工業互聯網的露天礦數字孿生建模系統和方法,在鞍鋼礦業齊大山鐵礦進行了應用。礦山所有單元、模塊中的設備運轉信息、生產過程信息、圖像信息都能夠與三維模型進行聯動,并在三維模型上進行動態仿真展示,實現生產過程的可視化管理、全方位立體管控,以及集中優化指揮調度。露天礦數字孿生可視化展示結果如圖8所示。綠色標簽代表的是邊坡位移傳感器,點擊該標簽可以顯示對應邊坡的位移傳感器數據;橙色標簽代表的是工作人員,點擊該標簽可以顯示對應工作人員的健康數據;紫色標簽代表的是鷹眼攝像頭,點擊該標簽可以查看對應攝像頭的視頻數據;藍色標簽代表的是生產設備,點擊該標簽可以顯示對應設備的生產數據;灰色標簽代表的是離線設備,代表該設備未通電處于待機狀態。邵安林院士提出了“五品聯動”的概念,即礦冶工程中,地質品位、采出品位、入選品位、精礦品位、入爐品位是互為條件、相互聯系的[24],通過應用本研究提出的露天礦數字孿生系統,可以讓生產指揮人員在遠程調度中心整體上實時把握整個露天礦的生產狀態,包括地質品位、采出品位、入選品位都可以實時監控,對于“五品聯動”中的“三品”實現了聯動,后續的精礦品位和入爐品位涉及到選礦、球團和冶煉工藝,不在本文闡述。

圖8 露天礦數字孿生WEB展示Fig.8 Digital twin WEB display for open-pit mine

露天礦數字孿生系統主要功能分析如下:

(1)地下礦體查看。如圖9所示,可以通過旋轉地圖從不同視角查看地下礦體。

圖9 地下礦體查看Fig.9 View of underground orebody

(2)數據統計。如圖10右側所示,可以統計露天采場中當前在線車輛/人員,車輛類型包括電動輪、電鏟、牙輪、機車、工程車輛、外委車輛、臨時車輛;統計運鏟量,包括當班運鏟量、當班運距、當班運次,可切換白班/夜班的數據;統計本月生產進度,包括計劃產量、剩余量、生產比;統計報警數據,包括今日報警、今日處理報警;統計耗油耗電量,包括牙輪、電鏟、電動輪、工程車。

(3)巡航設定。定義巡航路線,大地圖視角會沿著預設的點位飛行,從空中俯瞰整個露天采場當前的生產現狀。

(4)車輛詳情查看。雙擊露天礦數字孿生系統上的“電動輪”,可以查看電動輪詳情(圖10),包括司機信息、車輛名稱、當前物料、礦石載量、累計重載運距、累計運次、近七日白班/夜班運量、近七日礦石/巖石產量等信息;雙擊露天礦數字孿生系統上的“電鏟”,可以查看電鏟詳情(圖11),包括司機信息、車輛名稱、鏟斗容量、鏟數、裝車數、近七日白班/夜班運量、近七日礦石/巖石產量等信息;雙擊露天礦數字孿生系統上的“牙輪鉆”,可以查看牙輪鉆詳情(圖12),包括司機信息、車輛名稱、用電量、巖道、礦道、電流、電壓、成孔數、廢孔數、補孔數、廢孔率等信息。

圖10 統計數據和電動輪詳情Fig.10 Statistical data and electric wheel details

圖11 電鏟詳情Fig.11 Shovel details

圖12 牙輪鉆詳情Fig.12 Details for rotary drilling

(5)攝像頭視頻查看。雙擊露天礦數字孿生系統上的“攝像頭”,可以查看車載視頻監控或鷹眼視頻監控數據,如圖13所示。

圖13 鷹眼視頻監控界面Fig.13 Interface of hawk-eye video surveillance

(6)邊坡監測查看。雙擊露天礦數字孿生系統上的“邊坡設備”,可以顯示對應設備的監測數據,深部位移監測數據如圖14所示,表面位移監測數據如圖15所示。

圖14 深部位移數據Fig.14 Deep displacement data

圖15 表面位移數據Fig.15 Surface displacement data

本研究提出的建模方法構建了支撐制造資源泛在連接、彈性供給、高效配置的露天礦數字孿生平臺。以采礦業務管理為基礎,以“礦石流”為主線,整合了生產過程中物質流、能量流、工藝流、信息流,實現了采場的智能卡車調度、三維數字地質、智能爆破與配礦管理等系統,攻克了“端、邊、網、云”的工業互聯網平臺架構技術難點,助力礦山企業建設成為以自動化、信息化、數字化、智能化為基礎的全流程的少人化、無人化生產的本質安全管理和智能決策于一體的綠色、安全、高效的智能礦山。

5 討 論

通過在齊大山鐵礦為期1 a的示范應用,推動了礦山管理體制變革,突破了傳統層級管理架構,實現了垂直管理,提高了管理效率,在生產組織環節,實現了數據融合應用、業務融合系統,生產管理效率提升了30%以上,直接經濟效益明顯增加。具體來說:① 提高了礦石資源利用率,實現了科學質量配礦,降低了貧化率0.5%,提高了回收率1.2%。② 人力資源優化,減少定員69人。③ 設備效率提升明顯,鉆機由5.09萬m/(臺·a)提升至5.60萬m/(臺·a),效率提升了約10%;電鏟由449.7萬t/(臺·a)提升到500萬t/(臺·a),效率提升了約11%;汽車由379萬km/(臺·a)提升到400萬km/(臺·a),效率提升約5.5%;破碎由1 806 t/h提升到2 003 t/h,效率提升了約11%。④ 能耗方面,電單耗由1.13 kWh/t降低到1.08 kWh/t,汽車油耗由1 416kg/(萬t·km)降低到1 350 kg/(萬t·km)。創造了直接經濟效益2 920萬元,為增強企業競爭力提供了有力支撐。

6 結 論

本研究提出了基于工業互聯網的露天礦數字孿生建模系統和方法,能夠實現采礦一塊屏,對地質、測量、設計到采礦生產環節的生產管控、安全管控、設備能耗管控、鐵運生產管控等方面進行一體化集成,所有采礦生產過程都可以通過露天礦數字孿生模型完成,最終形成智慧礦山整體解決方案。主要取得如下結論:

(1)以工業互聯網平臺為基礎支撐,根據PaaS、SaaS理念,構建了強平臺、高智能、多應用的服務體系,解決了采礦全流程互聯互通難題。

(2)以“五品聯動”理論為指導,以數字地質為核心,以生產成本、國際礦價為指數,以礦種、品位為依據,建立了露天礦數字孿生系統,實現了各工序協同。

(3)以“端、邊、網、云”的技術架構,提供囊括硬件與軟件的完整解決方案,提供跨平臺、多語言的數據接口,去除數據孤島,使系統具有很高的擴展性、移植性,對于露天礦生產相關的所有設備、人員、工藝、計劃等都可以找到對應的位置融入本系統。

(4)融合大數據、人工智能、邊緣計算、數字孿生等前沿技術,創新性地將先進的信息技術與礦山工程緊密結合起來,在采礦過程精益管控、全工藝流程在線優化等方面發揮支撐作用。

本研究的不足之處在于:

(1)露天采場實景模型無法隨著采掘的進行自動更新,需要定期利用無人機傾斜攝影技術對露天礦采場進行實景建模。

(2)無人駕駛作為未來智慧礦山建設的主攻方向,本研究未包含在內,后續需要將無人駕駛內容融入本建模系統。