当前，我国国民经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、新旧动能转换的攻关期。在“两化”深度融合的大形势下，工业领域正迎来产业发展的巨大变革。21世纪的前15年，互联网、人工智能技术飞速发展，给许多传统行业都带来了颠覆性变革。将高新技术与传统技术装备、管理融合，实现产业转型升级正成为越来越重要的发展趋势[1]。智慧矿山正是在这样的背景下提出和快速发展起来的。
煤炭资源开采是人类在地下进行的生产活动。矿山地质条件复杂多变，为创建适于设备运行与人员工作的安全可靠的开采环境，井下需同时运行探测、通风、排水、防火、供电、工作面开采装备、运输等多达90多个子系统[2]。这些子系统就像人体的器官，共同形成了一个大规模复杂运行体系。经过多年发展，这一体系先后经历了机械化、单机自动化、综合自动化、数字化等阶段。目前，煤矿安全高效矿井系统的机械化程度达到90%以上，单机自动化也日趋完善，建成了一批千万吨级矿井群，并开发了初级的多系统数字矿山综合自动化系统[3]。然而，目前煤矿总体的信息化程度还有待进一步提高，生产过程中的各种数据和信息还无法实现有效关联，还缺乏“智慧的大脑”对所有子系统实施协调、联控，因而生产的过程控制、设备健康管理、安全风险防控、生态环保等都还没有实现最优化的管控。
智慧化是矿山技术发展的最高形式，只有实现了智慧化才能从根本上实现最优的生产方式、最佳的运行效率和最安全的生产保障。那么，什么是智慧呢？智慧矿山又该如何定义、智慧矿山的构成框架以及发展目标又是什么？学者们对此开展了大量的研究，不单单是煤炭领域相关学者及企业积极投身于智慧矿山的研究与应用，大量的非煤矿山企业和研究者也都加入智慧化建设之中。他们各自都根据自身的理解及研究基础、特长提出了智慧矿山的各种定义和架构[4-10]，但未达成统一认识。
随着技术和实践的飞速发展，若没有对智慧矿山统一、完整及科学一致的认识，则无法规划煤矿未来的发展方向，必然直接影响煤炭产业转型升级，并可能使我们错过一次产业大发展、大提升的良机。因此，迫切需要深入研究智慧矿山的定义、情景目标及发展路径，规范概念、引领方向，推动煤炭行业由数字煤矿向智慧煤矿方向发展，引领地下工程、深地资源开采、绿色开发与利用等领域的科技发展。
1 智慧矿山概念、内涵及组成
1.1 智慧矿山定义及内涵
数字矿山是基于信息数字化、生产过程虚拟化、管理控制一体化、决策处理集成化为一体，将采矿科学、信息科学、计算机技术、3S(遥感技术、地理信息系统、全球定位系统)技术发展高度结合的产物。于润沧院士[11]将数字化矿山分为3个层次:第1个层次是矿山数字化信息管理系统，这是初级阶段；第2个层次是虚拟矿山，是把真实矿山的整体以及和它相关的现象整合起来，以数字的形式表现出来，从而了解整个矿山动态的运作和发展情况；第3个层次是远程遥控和自动化采矿的阶段。
数字化矿山主要是从信息表现形式角度，强调人类从事矿产资源开采的各种动态、静态的信息都能够数字化，目前国内比较先进的矿井正走在实现第2层次虚拟矿山的路上。智慧矿山的提出主要是从信息相互关联性的角度，强调矿山系统自主功能的实现程度。
在定义智慧矿山概念之前，首先需要明确什么是智慧？对于人类，智慧是大脑深刻地理解人、事、物、社会、现状、过去、将来，是思考、分析、探求真理的能力，是智力器官的终极功能;而对于一个生产系统而言，智慧可定义为:通过不断地收集、学习和分析数据、知识和经验，具有自动运行、自我分析和决策、自学习能力，使系统的人、机、环境处在高度协调的统一体中运行;可以不断吸取最新的知识，实现自我更新和自我升级，使系统不断优化、更加强大。
基于对生产系统智慧的理解，给出智慧矿山的定义:智慧矿山是基于现代智慧理念，将物联网、云计算、大数据、人工智能、自动控制、移动互联网、机器人化装备等与现代矿山开发技术融合，形成矿山感知、互联、分析、自学习、预测、决策、控制的完整智能系统，实现矿井开拓、采掘、运通、洗选、安全保障、生态保护、生产管理等全过程智能化运行。
智慧矿山的技术内涵是将现代信息、控制技术与采矿技术融合，在纷繁复杂的资源开采信息背后找出最高效、最安全、最环保的生产路径，对矿井系统进行最佳的协同运行控制，并根据地质环境及生产要求变化自动创造全新的控制流程。与数字矿山相比，智慧矿山不仅仅是数据采集、数据处理和自动系统的集成，更多的是大数据、人工智能技术的运用，需要智能化地响应生产过程中的各种变化和需求，做到智能决策支持、安全生产和绿色开采。这里需要明确的是，智慧矿山并非是云计算、物联网、人工智能、大数据等技术的简单堆积，而是如何采用这些技术手段解决煤矿开采中的效率问题、安全问题和效益问题[4]。
智慧矿山的技术特征是建立在矿井数字化基础上，如图1所示，采用现代智慧理念完成矿山企业所有信息的精准适时采集、网络化传输、规范化集成、可视化展现、自动化运行和智能化服务的智慧体。
图1 智慧矿山技术特征
Fig.1 Technical features of intelligent mines
1.2 智慧煤矿构成
智慧矿山的理念和技术应用于煤矿，形成智慧煤矿。智慧煤矿涉及到90多个子系统，可以分为3部分:智慧生产系统、智慧职业健康与安全系统、智慧技术与后勤保障系统。
(1)智慧生产系统。
包括主要生产系统和辅助生产系统。主要生产系统包括采煤工作面的智慧化和掘进工作面的智慧化，主要包括以无人值守为主要特征的采煤工作面和掘进工作面系统[12-15]。辅助生产系统就是以无人值守为主要特征的智慧运输系统(含胶带运输、辅助运输)智慧提升系统、智慧供电系统、智慧排水系统、智慧压风系统、智慧通风系统、智慧调度指挥系统、智慧通讯系统等。
(2)智慧职业健康与安全系统。
包含了环境、防火、防水等多个方面，子系统众多包含如下子系统:智慧职业健康安全环境系统，智慧防灭火系统、智慧爆破监控系统、智慧洁净生产监控系统、智慧冲击地压监控系统、智慧人员监控系统，智慧通风系统、智慧水害监控系统、智慧视频监控系统，智慧应急救援系统，智慧污水处理系统等等。
(3)智慧后勤保障系统。
保障系统分为技术保障系统、管理和后勤保障系统。技术保障系统是指地、测、采、掘、机、运、通、调度、计划、设计等的信息化、智慧化系统等。管理和后勤保障系统，是指针对矿山的智慧化ERP系统、办公自动化系统、物流系统、生活管理、考勤系统等。
2 2025年智慧煤矿目标及情景描述
2.1 智慧煤矿目标
智慧煤矿的发展是一个不断进步的过程，随着科技水平的提高，智慧化的程度也将不断提升，目前正处于数字煤矿向智慧煤矿的过渡期。
智慧煤矿的发展目标可分为3阶段。
智慧煤矿第1阶段目标:构建一个初步智慧煤矿系统框架，实现采掘运主要环节单个系统、单项技术的智能化决策和自动化运行，即实现一个系统、一个岗位的“点上的无人作业”;目前一些先进矿井已实现第1阶段目标。
智慧煤矿第2阶段目标:构建一个多系统信息融合的智慧煤矿综合架构，实现工作面开采、主煤流运输等系统的区域化智能决策和自动协同运行，达到“面上无人作业”。
智慧煤矿第3阶段目标:构建整个煤矿及全矿区多单元、多产业链、多系统集成的智慧煤矿体系，全面实现生产要素和管理信息的数字化精准实时采集、网络化实时传输、可视化展现，采、掘、运、通、洗选等全部主要生产环节的智能决策和自动运行，达到“全矿井一线无人化作业”。
在未来5～10年，即到2025年左右，在单个系统的智能化取得突破的基础上，实现智慧煤矿第2阶段目标，即实现区域化智能决策和自动协同运行。在达到技术目标的同时，开采效率、安全和效益也随之大幅提升。到2025年，通过智慧矿山建设，使全国煤炭科学先进产能大幅度提高，煤炭产业从业人员总数下降一半、工效提高一倍以上，资源开发利用水平显著提高，煤矿职业健康和工作环境得到根本改善，矿山生态恢复和保护全面实施。
2.2 2025年智慧矿山情景
依据智慧矿山2025年的发展目标，给出2025年智慧矿山情景描述，如图2所示。到2025年，智慧煤矿可以实现单个系统智能化，开始向多系统智慧化方向发展，建立“感知→互联→分析→自学习→预测→决策→控制”的基本运行框架，初步形成空间数字化、信息集成化、设备互联化、虚实一体化和控制网络化的智慧矿山第2阶段目标。其中，安全系统对生产的支持、以及保障系统对生产的支持基本可以实现，但保障系统与安全系统的结合还需要人工智能技术的支持，将在智慧矿山的第3阶段完成。此外，智能化管控平台在大数据技术的支持下可以对整个矿山运行的状况进行分析，并通过互联网上传到云平台，但真正做到云计算、达到为生产决策和管理服务还需进一步突破数据结构优化、分布式计算等核心技术。
图2 2025年智慧矿山情景逻辑
Fig.2 Logic map of intelligent mine in 2025
3 智慧煤矿关键技术及发展路径
3.1 物联网、大数据及人工智能、云计算技术支撑的智慧矿山
如前所述，智慧煤矿是在数字化煤矿基础上提出来的，智慧煤矿与数字化煤矿的区别就在于它应用了物联网、大数据及人工智能、云计算3项关键技术解决系统架构和互通、数据处理决策及高级计算问题。智慧煤矿在数字化煤矿的DCS、MES和ERP 3层架构基础上，升级为基于云计算和物联网为核心的智慧决策支持平台。3项技术的研究及应用程度直接影响智慧煤矿的发展水平。
3.1.1 基于互联网+的物联网平台
基于互联网+的物联网是智慧煤矿的信息高速公路，将承担大数据的稳定、可靠传输任务，起到了精确、及时上传下达的作用，决定了智慧煤矿系统整体的稳定性和可靠性。因此，智慧煤矿的物联网平台必须具有精确定位、协同管控、综合管控与地理信息一体化的特点。
目前的精确定位技术有RFID定位技术、Wifi定位技术、蓝牙定位技术、ZigBee定位技术和超宽带定位技术等[16]。每种定位技术各有优缺点，ZigBee定位技术和超宽带定位技术以各自在定位精度和时间分辨率方面的优势将会是未来井下无线定位的发展方向。
在协同管控方面，将实现物联网和传感网的融合，实现井下的智能感知。传统的传感网均是被动接收数据，各感知点之间没有相互协调关系。智慧矿山下将传感网与物联网相融合，将传统各自独立的监测控制系统进行关联和集成，主动发送井下危险区域的监测和控制信息，实现煤矿危险源和空间对象状态(如水、火、瓦斯、顶板、地表沉降、人员位置等)的实时数据诊断和预测预警。
智慧煤矿将综合管控数据和地理信息GIS平台进行融合，形成基于真实地理信息的综合自动化管控平台。将所有的生产、监测和控制信息在矿井采掘地理位置图上以虚拟现实的方式实时显示、交互，实现集中控制、数据管理分析，为生产决策提供数据依据。
3.1.2 大数据处理及人工智能技术
智慧煤矿的核心技术之一便是大数据的挖掘与知识发现。大量传感器的应用必将产生海量的数据，数据的规模效应给存储、管理及分析带来了极大的挑战。需要充分利用大数据处理技术挖掘数据背后的规律和知识，为安全、生产、管理及决策提供及时有效的依据。例如，在矿山安全管理领域，安全监控系统及其监测联网已经相当普遍，构建了完善的灾害监控和预测预警体系，达到了对矿井瓦斯、水害、火灾、冲击地压等事故的防控[17]。
人工智能是近年来发展最为迅速和最为热门的科技领域之一，它是在大数据处理的基础上研究、开发用于模拟、延伸和扩展人的智能的理论、方法和技术。从原来的自动规划、语音识别到最近的谷歌人工智能ALPHAGO、人脸识别等都属于这一范畴。深度学习是人工智能(智慧化)的核心;能够实现系统自主更新和升级是其显著特征。智慧矿山要成为一个数字化智慧体就必须要有深度学习能力。
未来，在云平台和大数据平台上，融合多源在线监测数据、专家决策知识库进行数据挖掘与知识发现，采用人工智能技术进行计算、模拟仿真及自学习决策，基于GIS的空间分析技术实现设备、环境、人员及资源的协调优化，实现开采模式的自动生成和动态更新。
3.1.3 云计算技术
智慧煤矿物联网使得物和物之间建立起连接，伴随着互联网覆盖范围的增大，整个信息网络中的信源和信宿也越来越多;信源和信宿数目的增长，必然使网络中的信息越来越多，即在网络中产生大数据;大数据处理技术广泛而深入的应用将数据所隐含的内在关系揭示的也越清晰、越及时。而这些大数据内在价值的提取、利用则需要用超大规模、高可扩展的云计算技术来支撑。特别是对煤矿井下环境、生产、灾害、人员活动高度耦合的大系统而言，数据越多，系统模型维数也就更高，监测控制也就越准确。而高维的智慧煤矿模型需要计算能力高且具有弹性的云计算技术。
3.2 建立智慧煤矿八大系统
将上述物联网、大数据及人工智能、云计算技术与生产、安全及保障系统的现有技术装备结合，共同发展和建立智慧煤矿的八大系统。
3.2.1 基于北斗系统的精准地质信息系统
煤矿地质信息是一种随着采掘活动在时间与空间不断发生变化的四维动态资料，随着信息技术、遥感技术、网络技术等数据采集、储存、管理与传输技术的发展，以北斗系统定位导航、GIS、三维地质建模、虚拟现实等为基础的实时空间-地质信息技术将形成天地一体化的智能信息传感网，从而实现矿山地质信息的实时智能采集、存储与应用，如图3所示。
图3 基于北斗系统的精准地质信息系统
Fig.3 Accurate geological information system based on the Beidou System
北斗卫星导航系统(简称北斗系统，BDS)是我国自主研发的全球卫星导航系统，通过5颗静止轨道卫星、3颗倾斜同步轨道卫星和27颗中圆轨道卫星实现准确导航与精准定位[18]。利用北斗系统定位导航技术可以实现煤矿地表地质信息的准确定位与实时监测，充分结合遥感、数字影像、地面物探、井下钻探及三维地震勘探等立体化地质勘探技术，可以实现对煤矿井上、井下地质信息的实时、精准获取。利用GIS对煤矿地质信息等资料进行采集、分析、查询与存储管理，将矿井所有的基础信息呈现于一张图中，并将煤矿井上、井下的地质信息进行可视化、图形化管理，实现宏观信息到微观信息的快速切换。结合三维地质建模技术与虚拟现实技术将矿井的采掘信息、煤矿地质、水文地质、瓦斯、矿山压力等多源地质信息进行有效融合，并以图、文、声、数字影像等方式在地面实时展现，实现对煤矿多种资源环境信息的实时智能管理。
3.2.2 智能矿井通风排运系统
智能通风系统主要是利用现代通信技术、监测监控技术及自动化控制技术进行矿井通风网络、实施方案的优化及风量、风速的智能实时控制。通过布设矿井环境、风阻、风压、风量等智能监测传感器，实现对矿井不同区域通风环境与通风状态的全面在线实时感知。基于煤矿安全规程中矿井环境的参数指标要求，对矿井各风点处的需求风量进行超前计算，利用风量智能调控系统对矿井风量进行实时调节，实现矿井通风系统的智能调控。
智能排水系统主要是通过建立矿井排水网络的三维智能管控平台，绘制各排水节点的三维坐标图，在排水点安设摄像头及水位、水量、水压监测传感器，对各排水点的水量、水位等进行实时监测，当水位、水量达到预设值时，自动开启一台或多台水泵进行排水;当水位、水量超出警戒值时，进行声光报警并启动应急设备;当水泵工作参数出现异常时，进行智能报警;当发生水害时，自动启动应急设备，进行声光报警，并对排水量、水仓容量等进行智能解析，智能显示应急救灾预案。
智能运输系统主要是对带式输送机的带速、运量、滚筒温度、胶带状态等进行远程集中智能控制。通过在带式输送机上安装智能激光煤量扫描仪，对带式输送机的煤量进行实时监测，根据上一级带式输送机煤量的实时监测结果，实现下一级带式输送机运量、带速的智能控制;对带式输送机的运行参数、状态进行实时监测，当带式输送机出现故障、胶带撕裂、烟雾等问题时，带式输送机自动停机并进行声光报警;具备带式输送机主要结构件运行参数的智能统计与分析，对主要结构件的使用寿命进行分析预测，并对主要结构件的更换进行预警提示;能够实现对带式输送机运量进行数据采集、上传、统计与智能分析决策，并具有各种统计数据查询、图表展示等功能。
3.2.3 危险源智能预警和消灾系统
根据危险源的致灾机理与致灾因素不同，可以将煤矿井下的危险源分为3类[19]:① 煤矿系统中存在且有可能发生突然释放的物质或能量，如冲击地压、煤与瓦斯突出等;② 由于约束、限制能量的措施失效或破坏等不安全因素导致灾害性事故，如液压支架压架、顶板冒顶等;③ 由于组织管理失误、人员违章等人为因素导致灾害性事故，如作业规程不符合要求、工人违规操作等。
危险源智能预警和消灾系统是以风险预警为核心，通过对上述不同类型的危险源进行实时在线监测，利用危险源风险指数评价算法对矿井各区域发生灾害的风险性进行实时在线评估，确定风险类型、等级及解决方案。通过对井下易发生能量释放型、约束失效型危险源的区域布设各类传感器，实现对各种危险源的致灾指标进行实时监测、分析与上传，利用已经掌握的危险源致灾机理、触发条件判据、矿井工况及致灾因素监测指标值等对危险源的风险等级进行实时智能分析，判断风险类型、等级，并进行井下声光报警，井上在线预警。对于第3类危险源建立井下人员电子监控体系，利用人员精确定位系统对井下人员、车辆的位置及行进轨迹进行精确定位，当人员、车辆进入风险指数较高的区域时，进行声光预警，当工人进行风险性指数较高的作业时，进行预警。
3.2.4 智能快速掘进和采准系统
实现智能快速掘进是解决采掘接续矛盾、快速形成采准系统和智能化开采的先决条件，智能快速掘进需要解决“掘-行统一”、“掘-支一体”和“掘-运连续”三大核心难题。通过在掘进机机身增加环境、位置等感知元器件和执行元器件，基于智能远程遥控系统实现掘进机的远程及就地可视化控制、防撞、智能定位、行走速度调节、故障告警并与带式输送机、局部通风机等实现联动闭锁控制[20]。
智能化快速掘进的指挥系统即主控单元是智能快速掘进和采准系统的大脑。负责掘进工艺编制、遥控指挥控制、逻辑关系协调控制、协同指挥调度和就地显示等;在主控大脑的协同指挥调度之下，基于自动驾驶技术、测绘与导航技术，通过感知单元、定位单元、防撞单元、遥控单元、通讯单元和集控单元等六大单元系统协同配合，实现“掘-行统一”、“掘-支一体”和“掘-运连续”，满足智能快速掘进的各项要求，保证采准系统的高效快速形成，解决采掘接替矛盾。
3.2.5 机器人化智能开采系统
机器人化开采是建立在煤炭赋存条件精准感知、截割轨迹精准调控、机器人群组精准配合和矿山压力精准预警的“四精准”基础之上的。机器人化智能开采系统通过装备的拟人化完成工作面的破煤、装煤、运煤、顶板支护和采空区处理等5个关键环节的无人智能生产，采煤机截割轨迹和截割高度自动调整，液压支架自动调整初撑力及安全阀开启压力满足开采空间的安全维护，刮板输送机自动调直保证工作面平整，采煤机和带式输送机运输速度协调统一，实现机器人群组的智能感知、精准控制和群组协调。
开采机器人工作条件的透明化和可视化是机器人化智能开采系统自适应运行的基础，基于GIS建立“透明工作面”，将煤层厚度、起伏变化、构造等煤层赋存条件嵌入采煤机自主导航系统，基于自动驾驶技术，实现采煤机截割高度、截割角度、截割轨迹等精准调整。
机器人化智能开采系统多工种机器人协同工作，机器人群组的控制、联动及协同是智能开采的核心。通过构建物联网系统，保证采-装-运-支等工序环节各机器人群组的无人操作、群组协同和自动化运行，实现煤矿无人值守、远程监视、自主决策的机器人智能开采。
3.2.6 矿井全工位设备设施健康智能管理系统
设备预测与健康管理(Prognostics and Health Management，PHM)技术近年来得到广泛关注，主要在军工、航空航天等领域开始展开具体研究[21]。针对煤矿大型机电设备，目前主要是对于一些较为简单的故障进行了特征研究，其复杂故障特征，整个机电系统的全寿命管理还仅仅是雏形阶段。健康管理的主要过程和内容是对大型机械系统全生命周期各阶段的管理和健康维护，主要包括对系统健康指标的建立、检查检测、健康评价和健康恢复等。开展大型机械系统健康管理的主要方法和手段包括各种检查检测、状态监测、故障诊断、健康评估、剩余寿命预测等技术方法，以及维护、保养、修理和改造等手段。
煤矿机电设备健康管理的核心是实现健康特征检测、健康评价以及健康恢复及维修。对于智慧煤矿“矿井全工位设备设施健康智能管理系统”，由现场监测终端与远程监测中心共同组成。如图4所示。
现场监测终端对矿井设备关键部件布置传感器，提取关键特征，并在现场计算提出维护维修提醒与指导建议;远程监测中心对于现场状态监测的特征数据进行健康评估与诊断，对比特征数据库，模拟设备失效机理，提出维修维护的建议。
图4 矿井全工位设备设施健康智能管理系统
Fig.4 Intelligent management system for the mine equipment and facilities health
对于整个矿井全工位设备设施健康智能管理系统，其基础是实现对于整个机电系统健康的表征、健康演化规律及不同健康状态下使用与维修管理策略。如图5所示，对于煤矿机电设备，多数以电机旋转带动设备实现生产，其机械故障部位主要集中在轴承、齿轮、泵等，根据其典型故障部位及故障类型，确定其系统监测参数集，实现故障机理分析，从而得到监测参数、故障模式及其形象的关联矩阵[22]。
在典型煤矿机电系统故障分析诊断的基础上，对于整个机电系统的健康状况进行特征表征和健康度评价，从而对系统健康进行等级划分，构建系统健康特征数据库及健康标尺。
图5 典型煤矿机电系统故障诊断
Fig.5 Fault diagnosis for typical coal mine mechanical and electrical system
在机电系统健康表征方法建立的基础上，实现机电系统特征提取算法工具箱、故障诊断与评估算法工具箱、健康状态/典型部件剩余寿命预测与维修决策工具箱及算法辅助选择工具箱的开发，并构建机电系统综合维修决策数据库，如图6所示。
可对整个煤矿机电设备全寿命过程的健康状况进行管理与预测，并根据设备健康特征对于维修策略进行决策并给出合理维修建议，从而实现对于煤矿全工位机电设备健康智能管理。
3.2.7 矿山绿色开发与生态再造系统
矿山绿色开发主要是指在煤炭开采过程中，最大程度的开发煤炭资源与伴生资源，并且将煤炭开采对地表生态环境、地下水资源等的影响、破坏降至最低，实现资源效益、生态效益、经济效益和社会效益的协调统一，如采用充填开采、煤与瓦斯共采、循环经济园区建设、分布式地下水库等[23]。为了实现矿井绿色开发，针对不同的煤层赋存条件采用资源条件适应型开采技术与设备，即充分考虑煤层赋存条件及开采技术条件的影响，综合考虑矿井的技术因素和经济管理因素，在确保煤炭安全生产的前提下，采用最适宜的开采方法，最大限度的采出煤炭资源，并有效的降低工人劳动强度，减少煤炭开采对环境的影响，增加收益。
图6 机电系统综合维修决策数据库
Fig.6 Comprehensive maintenance decision database of mechanical and electrical system
为了最大限度降低煤炭开采对地表生态环境的影响，提出了矿山生态再造系统，即采前防治、采中控制、采后治理、重复采动二次修复的生态系统再造技术[24]。在煤层开采之前，对地表生态环境进行防风、固沙等提高生态环境抵抗煤层采动影响的能力，增强矿山生态环境自我保护功能;在煤层开采过程中创新基于煤炭资源条件适应型开采技术的矿山绿色开发技术，最大程度降低煤炭资源开采对地表生态环境的影响;在煤层开采后进行土地复垦，恢复、增强地表生态环境;当下部煤层开采对地表生态环境造成重复采动影响时，对地表生态环境进行适时修补，防治煤层重复采动对地表生态造成破坏。
3.2.8 智慧煤矿集中管理系统
集成研究成果，建设以云计算数据中心为基础，以安全管控平台和四维综合管理平台为核心的智慧煤矿系统，对矿井各个子系统进行有效整合、集中管控，及时处理、指导和调节各生产系统和环节的运行，建设智慧煤矿集中管理系统。其中主要包括生产计划管理系统、矿山能耗管理系统、供电及动力系统控制系统等[25]，如图7～9所示。
图7 智慧煤矿生产计划管理系统
Fig.7 Management system of intelligent coal mine production plan
图8 智慧煤矿能耗管理系统
Fig.8 Intelligent coal mine energy management system
图9 供电及动力系统
Fig.9 Power supply system of intelligent coal mine
生产计划管理工具运用生动而明确的图形和数据显示运营的关键性指标，其主要目的在于使决策层最直观地了解当前主要指标运行情况，生产计划安排情况，为科学、合理、及时地制定和调整企业的运行计划提供依据。
能耗管理系统通过数据采集系统对电、水、风、冷、热等多个系统用能情况进行监测，随后在MES平台上完成能耗分析、负荷管理、用能分配、能耗预测等功能，从而优化整个智慧煤矿系统的能量分配，在完成系统运行前提下最大限度的节约能源。
供电及动力系统通过远程计量装置对电、水、风的消耗情况进行监测，随后通过工业环网上传至MES平台，完成能源供应质量分析、能耗计算、用能分配等功能，从而优化整个智慧煤矿系统的供电及动力系统，保障各个系统用能的持续性、安全性及稳定性。
上述八大系统形成了基于四维多变量的“透明开采”系统，各个运行的子系统在矿井的所有空间剖面和时间剖面上都能够实现信息的相互关联、控制的相互协同;不但能够掌控生产过程的状态，而且可实现对开采各个系统变化的全要素“透视”，进而执行下一步控制策略，真正实现矿山信息化和智能化控制的深度融合。
3.3 智慧煤矿评价和技术标准体系
目前，有关产学研用各单位纷纷投入到数字化、智慧煤矿的研究和建设中，开发建设了各类自动化监测和控制子系统、工业网络、信息化管理平台等分类项目，取得了初步的成效[25]。但由于缺乏统一的理解和认识，尤其是缺乏统一的评价和技术标准体系，建设目标和标准相差甚远。为了推动智慧煤矿健康有序发展，实现智慧煤矿2025情景目标，需对智慧煤矿进行统一评价，建立相应的评价指标体系，从而更好地推动智慧煤矿建设，引领煤矿行业的智能化发展方向。
基于上述智慧煤矿构成分析，将智慧煤矿细分为智慧生产系统、智慧职业健康与安全系统、智慧技术与后勤保障系统三大子系统，提出了以矿山智慧程度为核心的评价指标体系，如图10所示。
图10 智慧煤矿评价指标体系
Fig.10 Evaluation index system of intelligent coal mine
根据矿井煤层赋存条件、建设条件、生产目标、效益要求等，提出被评价矿井的合理智慧煤矿建设标准。基于该标准对上述评价指标体系的各评价指标值进行优先度排序，结合层次分析法确定各评价指标的权重值。采用模糊系统理论建立智慧煤矿系统的评价因素集、权重集及评价结果集，采用模糊综合评判方法对矿井的智慧程度进行综合评判，确定矿井的综合智慧程度。
4 结 论
(1)给出智慧矿山的定义:基于现代智慧理念，将物联网、云计算、大数据、人工智能、自动控制、移动互联网、机器人化装备等与现代矿山开发技术融合，形成矿山感知、互联、分析、自学习、预测、决策、控制的完整智能系统，实现矿井开拓、采掘、运通、洗选、安全保障、生态保护、生产管理等全过程智能化运行。
(2)智慧煤矿的发展是一个不断进步的过程，将智慧煤矿总体目标划分为3个阶段，并提出2025年智慧煤矿的目标情景描述:到2025年，构建一个多系统信息融合的智慧煤矿综合架构，实现工作面开采、主煤流运输等系统的区域化智能决策和自动协同运行，达到“面上无人作业”。
(3)物联网、大数据及人工智能、云计算是智慧煤矿的三大支撑，在数字煤矿的DCS、MES和ERP 3层架构基础上升级为基于云计算和物联网为核心的人工智能决策支持平台。在此平台上开发应用智能化技术和装备，是智慧煤矿建设的首要任务。
(4)智慧煤矿建设要坚持科学的设计和评价方法，建立规范的指标体系和标准，实现多要素、多产业链、多信息、多系统融合，智能化决策与自动化运行的未来煤矿新模式。
参考文献(References):
[1] 徐静,谭章禄.智慧矿山系统工程与关键技术探讨[J].煤炭科学技术,2014,42(4):79-82.
XU Jing,TAN Zhanglu.Smart mine systemengineering and discussion of its key technology[J].Coal Science and Technology,2014,42(4):79-82.
[2] 张申,丁恩杰,徐钊,等.物联网与感知矿山专题讲座之一—物联网基本概念及典型应用[J].工矿自动化,2010,36(10):104-108.
ZHANG Shen,DING Enjie,XU Zhao,et al.PartⅠof lecture of Internet of things and sensor mine-basic concept of Internet of things and its typical application[J].Industry and Mine Automation,2010,36(10):104-108.
[3] 张申,丁恩杰,徐钊,等.物联网与感知矿山专题讲座之二——感知矿山与数字矿山、矿山综合自动化[J].工矿自动化,2010,36(11):129-132.
ZHANG Shen,DING Enjie,XU Zhao,et al.PartⅡof lecture of Internet of things and sensor mine-sensor mine,digital mine and integrated automation of mine[J].Industry and Mine Automation,2010,36(11):129-132.
[4] 卢新明,尹红.数字矿山的定义、内涵与进展[J].煤炭科学技术,2010,38(1):48-52.
LU Xinming,YIN Hong.Definition,connotations and progress of digital mine[J].Coal Science and Technology,2010,38(1):48-52.
[5] 张旭平,赵甫胤,孙彦景.基于物联网的智慧矿山安全生产模型研究[J].煤炭工程,2012,44(10):123-125.
HANG Xuping,ZHAO Fuyin,SUN Yanjing.Study on safety production model of intelligent mine base on Internet of things[J].Coal Engineering,2012,44(10):123-125.
[6] 谭章禄,韩茜,任超.面向智慧矿山的综合调度指挥集成平台的设计与应用研究[J].中国煤炭,2014(9):59-63.
TAN Zhanglu,HAN Qian,REN Chao.Design and applied research,integrated dispatching platform for intelligent mine[J].China Coal,2014(9):59-63.
[7] 李梅,杨帅伟,孙振明,等.智慧矿山框架与发展前景研究[J].煤炭科学技术,2017,45(1):121-128.
LI Mei,YANG Shuaiwei,SUN Zhenming,et al.Study on framework and development prospects of intelligent mine[J].Coal Science and Technology,2017,45(1):121-128.
[8] 吴立新,殷作如,邓智毅,等.论21 世纪的矿山:数字矿山[J].煤炭学报,2000,25(4):337-342.
WU Lixin,YIN Zuoru,DENG Zhiyi,et al.Research to the mine in the 21st century:digital mine[J].Journal of China Coal Society,2000,25(4):337-342.
[9] 吴立新,殷作如,钟亚平.再论数字矿山:特征、框架与关键技术[J].煤炭学报,2003,28(1):1-7.
WU Lixin,YIN Zuoru,ZHONG Yaping.Restudy on digital mine:characteristics,framework and key technologies[J].Journal of China Coal Society,2003,28(1):1-7.
[10] 毛善君,刘桥喜,马蔼乃,等.“数字煤矿”框架体系及其应用研究[J].地理与地理信息科学,2003,19(4):56-59.
MAO Shanjun,LIU Qiaoxi,MA Ainai,et al.Study on frame and application of digital coal mine[J].Geography and Geo-Information Science,2003,19(4):56-59.
[11] 于润沧.中国矿业现代化的战略思考[J].中国工程科学,2012,14(3):27-36.
YU Runcang.Strategic thinking on the modernization of China’s mining industry[J].Engineering Science in China,2012,14(3):27-36.
[12] 王国法.综采自动化智能化无人化成套技术与装备发展方向[J].煤炭科学技术，2014，42(9):30-34,39.
WANG Guofa.Development orientation of complete fully-mechanized automation,intelligent and unmanned mining technology and equipment[J].Coal Science and Technology，2014，42(9):30-34，39.
[13] 王国法,李占平,张金虎.互联网+大采高工作面智能化升级关键技术[J].煤炭科学技术,2016,44(7):15-21.
WANG Guofa，LI Zhanping，ZHANG Jinhu.Key technology of intelligent upgrading reconstruction of internet plus high cutting coal mining face[J].Coal Science and Technology,2016,44(7):15-21.
[14] 王国法,庞义辉,张传昌,等.超大采高智能化综采成套技术与装备研发及适应性研究[J].煤炭工程,2016,48(9):6-10.
WANG Guofa,PANG Yihui，ZHANG Chuanchang,et al.Intelligent longwall mining technology and equipment and adaptability in super large mining height working face[J].Coal Engineering,2016,48(9):6-10.
[15] 张良,李首滨,黄曾华,等.煤矿综采工作面无人化开采的内涵与实现[J].煤炭科学技术，2014，42(9):26-29,51.
ZHANG Liang,LI Shoubin，HUANG Zenghua,et al.Definition and realization of unmanned mining in fully-mechanized coal mining face[J].Coal Science and Technology,2014,42(9):26-29,51.
[16] 霍振龙.矿井定位技术现状和发展趋势[J].工矿自动化,2018,44(2):51-55.
HUO Zhenlong.Status and development trend of mine positioning technology[J].Industry and Mine Automation,2018,44(2):51-55.
[17] 毛善君.“高科技煤矿”信息化建设的战略思考及关键技术[J].煤炭学报，2014，39(8) :1572-1583．
MAO Shanjun.Strategic thinking and key technology of informatization construction of high-tech coal mine[J].Journal of China Coal Society,2014,39( 8):1572-1583.
[18] 杨元喜.北斗卫星导航系统的进展、贡献与挑战[J].测绘学报,2010,39(1):1-6.
YANG Yuanxi.Progress,contribution and challenges of compass/Beidou Satellite Navigation System[J].Acta Geodaetica et Cartographica Sinica,2010,39(1):1-6.
[19] 孙继平.煤矿事故分析与煤矿大数据和物联网[J].工矿自动化,2015,41(3):1-5.
SUN Jiping.Accident analysis and big data and Internet of Things in coal mine[J].Industry and Mine Automation,2015,41(3):1-5.
[20] 王苏彧,杜毅博,薛光辉,等.掘进机远程控制技术及监测系统研究与应用[J].中国煤炭,2013,39(4):63-67.
WANG Suyu,DU Yibo,XUE Guanghui,et al.Research and application of remote system for control techniques and monitoring roadheader[J].China Coal,2013,39(4):63-67.
[21] 吕琛,马剑,王自力.PHM技术国内外发展情况综述[J].计算机测量与控制,2016,24(9):1-4.
LÜ Chen,MA Jian,WANG Zili.A State of the art review on PHM technology[J].Computer Measurement & Control,2016,24(9):1-4.
[22] 刘大伟,陶来发,吕琛,等.飞机机电系统PHM的综合诊断推理机设计[J].南京航空航天大学学报,2011,43(S1):114-118.
LIU Dawei,TAO Laifa,LÜ Chen,et al.Design for integrated diagnosis inference engine for PHM of aircraft electromechanical system[J].Journal of Nanjing University of Aeronautics & Astronautics,2011,43(S1):114-118.
[23] 王国法.煤炭安全高效绿色开采技术与装备的创新和发展[J].煤矿开采,2013,18(5):1-5.
WANG Guofa.Innovation and development of safe，high-efficiency and green coal mining technology and equipments[J].Coal Mining Technology,2013,18(5):1-5.
[24] 杨俊哲,陈苏社,王义,等.神东矿区绿色开采技术[J].煤炭科学技术,2013,41(9):34-39.
YANG Junzhe,CHEN Sushe,WANG Yi,et al.Green mining technology of Shendong mining area[J].Coal Science and Technology,2013,41(9):34-39.
[25] 吕鹏飞,郭军.我国煤矿数字化矿山发展现状及关键技术探讨[J].工矿自动化,2009,35(9):16-20.LÜ Pengfei,Guojun.Discussion on development situation and key technologies of digital mine in China[J].Industry and Mine Automation,2009,35(9):16-20.
12