礦井智能通風系統關鍵技術研究

張富凱，孫一冉，孫君頂，袁 冠，張海燕

（1.河南理工大學 軟件學院，河南 焦作 454000；2.河南理工大學 計算機科學與技術學院，河南 焦作 454000；3.中國礦業大學 計算機科學與技術學院，江蘇 徐州 221116）

我國煤礦大部分為地下開采，煤層賦存條件復雜，隨著開采深度增加，對通風安全的要求越來越嚴格，礦井智能通風系統的研究與設計已經成為煤礦安全生產的重要保障[1-3]。

隨著計算機技術、通信技術以及傳感器技術的發展，許多學者對煤礦通風系統開展了深入研究，楊杰等[4]依據工業4.0 理念提出一種基于現場總線技術的智能通風系統設計方案；張慶華等[5]總結我國礦井通風技術及裝備的研究成果，指出智能通風需要解決的難題并提出實現通風智能化的3 個重點研究方向，即：智能感知、智能決策和智能控制；李偉宏等[6]對礦井智能通風控制系統進行了研究，分析了系統的邏輯框架和功能結構，實現了風速測量、三維建模、通風仿真及網絡解算；邢永亮等[7]對通風網絡優化的按需通風、災變通風決策的智能化、智能通風輔助決策平臺等技術進行探討，提出了礦井通風設計與決策的綜合集成研究方向。

然而，三維通風模擬、通風網絡優化、反風演練等關鍵技術是煤礦智能通風系統研究的重點。周福寶等[8]對礦井智能通風原理、關鍵技術及其系統組成進行了研究，在煤礦現場開展了相關試驗；邵良杉等[9]分析了煤礦智能通風系統的5 個關鍵技術：參數精確獲取、通風網絡優化、通風網絡仿真實時解算、智能優化算法、風阻風機調節決策系統，并以冀中能源峰峰集團羊東礦8272 工作面為試驗對象，驗證了以上關鍵技術的可靠性；盧新明等[10]對自然分風算法、按需分風計算、風阻調節優化等關鍵技術進行了深入研究；劉劍[11]從實時礦井通風網絡解算、災變時期智能控風、通風參數高精度快速測試、智能網絡與智能裝備4 個方面論述了礦井智能通風亟需解決的關鍵科學技術問題；李冠華[12]分析了煤礦通風安全數據的類型、監測與整合方法，在陽泉某礦建立了煤礦通風安全動態數據平臺；張珂等[13]以煤礦工程平面圖為基礎數據，基于巷道間的拓撲關系，采用中心線加載斷面算法構建了礦井三維巷道模型，實現了礦井通風系統二維圖到三維圖的快速轉換；遲煥磊等[14]提出了一種基于數字孿生技術的多元信息驅動智能化工作面三維可視化監控方法，在鄂爾多斯中煤某礦實現了對工作面成套設備的實時三維動態監測、數據和模型三維融合展示；王斌等[15]、孫凱[16]、趙賀[17]分別在不同的煤礦深入研究了通風系統優化模型及系統調整方案；張馳等[18]根據現場條件研發了一套智能反風系統，實現了反風全過程自動化，為主要通風機風機房無人化建設打下堅實基礎。

基于以上研究，提出了一種礦井智能通風系統建設方案；論述了系統的組成架構和研究內容，研究了通風監測大數據庫、三維通風模擬、AI 視頻智能識別、預警及輔助決策、系統聯動控制等關鍵技術；基于MVC4.0+WebAPI+EasyUI+Knockout 技術架構設計并開發了礦井智能通風軟件系統，實現了三維通風建模以及人工智能圖像識別在煤礦的應用。

1 礦井智能通風系統總體方案

1.1 系統組成

礦井智能通風系統由井下監控設備和地面控制中心組成，礦井智能通風系統架構如圖1。

圖1 礦井智能通風系統架構Fig.1 Mine intelligent ventilation system architecture

井下監控設備主要包括傳感器、攝像頭以及工業以太環網。具體包括：①井下安裝瓦斯傳感器、風門開關傳感器、風速傳感器、風速風向傳感器、風機開停傳感器及其他通風相關傳感器，傳感器實時監測井下通風環境并采集數據，數據由通信分站匯聚到井下交換機；②井下安裝AI 智能本安攝像頭，配套相應的本安型視頻分析邊緣計算盒子，攝像頭實時監測井下風門、風窗、風機等通風設施與設備，采集視頻圖像數據，視頻分析邊緣計算盒子內置人工智能識別算法，在邊緣端實時理解、分析視頻數據；③匯聚到交換機的傳感器數據以及邊緣計算盒子識別的視頻數據通過井下工業以太環網上傳至地面控制中心。

地面控制中心負責數據的分析與存儲，應用系統的管理與展示。應用服務器用于部署礦井智能通風應用系統，同時與礦井安全監測監控系統、井下人員定位系統、廣播系統實現聯動控制；數據服務器存儲多種傳感器采集得到的通風監測大數據；AI 視頻分析服務器部署人工智能算法，對井下的視頻圖像內容進行識別、分析，發現人員的異常行為和設施設備的異常狀態；調度室大屏用于數字、圖形、視頻等信息的展示。

1.2 研究內容

礦井智能通風系統以動態監測大數據為驅動，建立三維通風模擬與隱患智能識別平臺，實現礦井通風數據實時動態分析、三維可視化展現以及有效的安全預警與輔助決策。主要研究內容包括：

1）動態監測大數據庫。整合瓦斯、CO、風速、風向、風機負壓、風門、風筒、主要通風機、局部通風機等傳感器數據，建立通風系統大數據庫。

2）三維通風模擬與隱患智能分析平臺。將傳感器監測數據、攝像頭監測視頻圖像、人工智能圖像識別算法、三維可視化通風模擬、通風報表設計、預警報警及輔助決策、BI 大屏展示、歷史數據查詢等模塊融合在1 個軟件平臺上，形成閉合的通風管理系統。

礦井智能通風系統功能結構如圖2。

圖2 礦井智能通風系統功能結構Fig.2 Functional structure of mine intelligent ventilation system

通過系統的建設，形成一體化的綜合管理平臺，提高和完善煤礦通風管理的信息化水平，及時掌握通風系統的運行狀態，提早發現安全隱患，做好預防工作，為礦井通風系統調度指揮提供輔助決策依據。

2 智能通風系統關鍵技術

實現煤礦通風系統智能化管理，為井下生產作業發生變化時，提供輔助決策，防止安全事故的發生與擴大，建立礦井智能通風系統，關鍵技術包括：通風監測大數據庫、三維通風模擬、AI 視頻智能識別、預警及輔助決策、系統聯動控制。

2.1 通風監測大數據庫

礦井通風監測數據包括傳感器采集的數值數據和攝像頭采集的圖像數據，是智能通風系統進行數據分析、三維模擬仿真、AI 智能識別、預警報警以及系統聯動的基礎數據來源，通過在井下安裝多種類型的傳感器設備（如瓦斯傳感器、風速傳感器、風速風向傳感器、風機負壓傳感器、風門傳感器、風筒傳感器、攝像頭等）監測獲取數據，數據類型包括分站號、點號、傳感器類型、安裝地點、單位、量程下限、量程上限、報警下限、報警上限、斷電值、復電值、斷電區域、是否調校、監測數值、更新時間等。

設計時，傳感器每30 s 采集1 次現場數據，匯聚到通信分站通過工業環網上傳至地面數據服務器；假設某礦井已安裝并且正常工作1 400 個傳感器，該礦井每天將產生403.2 萬條通風監測數據，這些數據可以通過曲線波動觀察其變化規律，并服務于智能通風系統的其他功能模塊。攝像頭實時監測現場環境，經過邊緣計算盒子分析后由工業環網上傳至AI 視頻分析服務器。實時通風監測數據與圖像具有動態性與連續性，通風監測大數據庫建立過程如圖3。

圖3 通風監測大數據庫建立過程Fig.3 Process of establishing a large database of ventilation monitoring

2.2 三維通風模擬

1）基于CAD 圖紙的礦井三維通風建模過程如圖4。具體步驟如下：①將CAD 圖紙轉換為矢量數據格式，對其中的點數據、線條數據，文本數據進行讀取、存儲、分析、格式化處理，得到三維圖形基礎數據；②利用圖形引擎渲染三維圖形基礎數據得到三維巷道模型；③構建圖形編輯器，實現對三維場景的編輯。

圖4 基于CAD 圖紙的礦井三維通風建模過程Fig.4 Mine 3D ventilation modeling process based on CAD drawings

2）澳大利亞Howden Ventsim 公司開發的Ventsim三維可視化礦井通風模擬軟件是當今世界上最主流的通風模擬軟件之一，目前已廣泛應用于煤礦的通風系統構建與優化。Ventsim 軟件通過導入巷道中心線的方法建立礦井三維通風模型，具體實現步驟為：①基于帶有標高的采掘工程平面圖繪制其巷道中心線；將巷道中心線文件導入Ventsim 軟件中，并轉化為實體巷道，得到三維通風系統初步模型；②檢測并修正三維初步模型中巷道的連通性；③設置井筒，設置風筒，設置風機，編輯巷道通風參數；④修正、完善礦井三維模型。Ventsim 軟件建立的三維通風模型的過程如圖5。

圖5 三維通風模擬效果圖Fig.5 Rendering of 3D ventilation simulation

2.3 AI 視頻智能識別

應國家礦山安全監察局要求，各煤礦已經裝備了各種各樣的監測監控系統、視頻安防監控系統，并極大改善了煤礦安全生產狀況。但是，這些系統只是對監控視頻進行實時監視和事后對錄像進行分析，很難在事故尚未發生或正在發生時，就對相關人員進行警示，從而達到預防不安全事件發生的目的。

若要實時監視并追蹤不安全事件的發生，如風門長時間打開、沒關嚴實，風機運轉異常等，則需要工作人員全天全時同時對多個監控視頻進行監視。這不僅不合理，也會消耗大量的人工成本。圖像和視頻已經成為煤礦安全生產不可缺少的部分，由于缺乏有效的人工智能算法，這些圖像和視頻不能很好地服務于通風系統的智能化。因此，提出人工智能技術助力礦井智能通風系統建設，通過有效預防安全事故的發生，降低通風管理成本。

基于深度學習的目標檢測算法已經取得巨大成功，并在不同的場景下實現了工業落地。這些目標檢測算法包括R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD、R-FCN、YOLO9000、RetinaNet、Mask RCNN、YOLOv3、Cascade R-CNN、ExtremeNet、YOLOv4、YOLOv5、YOLOS、YOLOX、Poly-YOLO 等。

井下智能攝像頭實時檢測并識別風門、風窗的開關狀態、風機的運轉狀態，當監控視頻中出現安全隱患事件時，如風門長時間打開、未關緊，風機運轉異常等，平臺前端會立刻分析、保存數據、發出警報，在第一時間通知相關工作人員進行現場勘查，并及時采取相應處理措施，有效預防安全事故的發生。

2.4 預警及輔助決策

根據實時實測、推演和解算數據，第一時間發現風量、風速、風向等異常，及時預警和報警；建立預警機制，關聯應急預案，提供必要的輔助決策能力，進而提高通風系統的安全性和通風管理的科學性。

2.4.1 建立預警機制

根據風險源的預警百分比梯度，結合風險源的梯度預警指標規則，開發特定的分析服務程序進行風險源的黃色預警與紅色預警。

井巷中允許的風流速度見表1。預警臨界值符合《煤礦安全規程》相關要求，如井巷中的風流速度應當符合要求。

表1 井巷中允許的風流速度Table 1 Allowable airflow speed in the shaft

基于完善的風險預警機制，設計風險預警的詳細流程，風險預警流程如圖6。

圖6 風險預警流程Fig.6 Process of risk warning

2.4.2 多種預警形式

1）單測點預警。對井下巷道內某個傳感器布點監測值進行走勢曲線分析，查看一段時間內的數據波動情況，包括基準值、預警上限及下限值、最大值、最小值、平均值等，分析井下單點的通風狀況。

2）多測點預警。對井下巷道中具有相關聯屬性的傳感器，對其監測值同時進行走勢分析，當通風網絡發生變化時，查看多點曲線是否相應同時發生變化，以此判斷井下通風狀況。

3）多測點組合預警。通風網絡主要分為并聯、串聯和角聯3 種基本結構以及3 種結構互相結合形成的混合式結構。對各監控點之間的數據關系與現場各類通風事故下參數特征數據庫進行綜合分析，開發特定的分析服務程序進行通風紊亂原因的判定。

4）系統聯動預警。智能通風系統具備數據聯動交互功能，聯動規則可由用戶設定，根據規則，可以實現與井下人員定位系統、廣播系統、安全監測監控系統、應急預案等系統聯動預警。

2.4.3 提供輔助決策

將《煤礦生產安全事故應急預案》相關內容融入智能通風系統中，與預警機制相結合，為煤礦通風類事故提供有效預警與相應的輔助決策。煤礦通風事故專項應急預案中預設明確的應急指揮機構及相應職責，其通風專項應急救援組織機構如圖7。

圖7 通風專項應急救援組織機構Fig.7 Ventilation special emergency rescue organization

當系統發出預警或報警，系統根據現場數據智能分析危險程度，匹配預案信息并初步做出輔助決策信息，組織機構中的專業小組根據其職責實施相應的應急救援工作。

3 智能通風系統平臺

礦井智能通風系統平臺主要由智能通風軟件、三維通風建模軟件和人工智能圖像識別模型3 部分構成。

3.1 智能通風軟件

礦井智能通風軟件基于ASP.NET 軟件平臺，SQL Server2012 數據庫開發。系統在邏輯上分為數據接口、數據處理、業務處理、系統UI 等部分。智能通風軟件邏輯框架如圖8。

圖8 智能通風軟件邏輯框架Fig.8 Logical framework of intelligent ventilation software

礦井智能通風軟件基于MVC4.0+WebAPI+EasyUI+Knockout 技術架構設計開發，其特點如下：

1）MVC 的框架模式。具有耦合性低、重用性高、生命周期成本低、可維護性高、有利軟件工程化管理等優點。

2）采用WebAPI。客戶端可以完全擺脫代理和管道來直接進行交互。

3）采用EasyUI 前臺UI 界面插件。可呈現功能豐富并且美觀的UI 界面。

4）采用Knockout。提供1 個數據模型與用戶UI界面進行關聯的高層次交互方式。

5）數據訪問層采用強大的Fluentdata 支持多數據庫操作。

3.2 三維通風模型

通過建立礦井三維通風模型，將復雜的通風參數和通風過程以三維動態圖形的方式簡單、直觀地展現出來，可從任意角度觀察和調整通風系統，實現巷道實時風量三維展現、風量分配的實時解算和分析，提高礦井通風決策人員的科學決策水平，幫助煤礦實現實時、動態、合理和科學的通風管理。礦井三維通風模型具有以下功能：

1）風流動態模擬。

2）任意風路固定風量、固定風壓、網絡風流按需分配仿真。

3）模擬風門、風窗、密閉等通風構筑物設置和風量調節效果。

4）輔助進行短期和長期通風系統規劃。

5）在風網優化設計的基礎上進行風機選型、風機運行工況點分析。

6）風機調速、反風模擬。

7）輔助進行災害預案制定和緊急情況處理。

礦井通風三維可視化仿真模擬及通風網絡優化效果如圖9。

圖9 礦井通風三維可視化效果圖Fig.9 Mine ventilation 3D visualization rendering

3.3 人工智能圖像識別模型

將YOLOv5 算法應用于煤礦通風AI 智能視頻識別，用于檢測煤礦井下風門開閉、風窗開閉、風機異常等狀態。YOLOv5 算法是1 種一階段目標檢測器，具有計算量小、識別速度快等優點。

人工智能算法在煤礦通風場景下的應用數據非常復雜，受到各種客觀因素的影響，如異常狀態下的圖像少且獲取困難、圖像光照不均勻、成像質量差等。因此，煤礦通風相關視頻數據的獲取與處理是人工智能應用需要關注的重點工作。

4 結 語

礦井智能通風系統涉及通風、計算機、傳感器、通信以及人工智能等多個領域的知識體系，是智能礦山建設的重要組成部分。通風監測專業大數據庫為通風系統運行、調整、優化提供數據支撐；建立三維通風可視化模型，實現通風網絡和主要通風機工況模擬解算、通風系統動態優化、全礦井按需分風，是通風系統建設的核心組成部分；將人工智能圖像識別技術引入通風系統，實現風門、風窗、風機等通風設施異常狀態的自動識別，落實減員增效目標，是通風系統建設的主要創新點；將報警預警與應急預案相結合，為通風系統管理及事故應急響應提供支撐；通風系統與人員定位系統、廣播系統等其他系統的聯動，當事故發生時，能夠及時部署應急預案、制定避災路線、廣播指揮撤離，有效防止事故擴大。在實際應用中，融合多項關鍵技術，建設符合礦井生產需要的智能化通風管理系統，是智能礦山建設的必然選擇。