当前，新一代信息技术与制造业的深度融合正在全球范围内飞速推进，各国参与工业互联网发展的国际竞争日趋激烈。为抢抓新一轮工业革命机遇，许多国家正在围绕核心标准、技术和平台加速布局工业互联网，构建数字驱动的工业新生态。2017年底，国务院在《关于深化“互联网+先进制造业”发展工业互联网的指导意见》中指出“要加快工业互联网在工业现场的应用，强化复杂生产过程中设备联网与数据采集能力，实现企业各层级数据资源的端到端集成，形成一批面向不同工业场景的工业数据分析软件与系统以及具有深度学习等人工智能技术的工业智能软件和解决方案”。
工业互联网应用分支之一的煤炭行业，经过30多年的发展已经迈入了信息化、自动化、智能化的发展进程，目前正在以“智慧矿山”的名义形成煤炭工业领域智能化解决方案，从而落地工业互联网的相关先进技术。煤炭行业领域内的专家学者们已经针对智慧矿山关键技术、架构体系和平台设计等方面进行了长期的研究[1-7]，并在一些示范矿井取得了较为显著的成绩[8]，同时王国法院士还指出了智慧煤矿2025的情景目标和发展路径[9]。
然而目前智慧矿山建设过程中，在数据采集和数据治理方面就会遇到不少问题[10-13]，如:① 数据融合分析问题:由于各系统独立设计，数据独立处理，底层融合困难，系统间联动困难形成数据孤岛，无法进行跨维度、跨系统的关联及数据分析，直接导致大数据分析和人工智能方面的投入和研究不足，缺乏有效的模型与算法;② 数据传输问题:矿山网络链路和网络传输协议复杂，普遍存在数据传输实时性差、误码率高、传输环节多、网络利用率低等问题。难以实现设备的远程强实时控制和网络传输的可管可控等现象;③ 网络安全问题:由于目前煤炭行业普遍侧重于人员生命和重大设备安全，对网络安全重视程度不够，导致大部分矿井未考虑网络防护措施或防护措施较弱，同时更没有全面的安全态势感知手段，不能对网络中的病毒、木马、恶意代码以及违规操作等进行准确定位、追溯和防控等，存在着巨大的安全隐患，无法保障各类智能化系统的可靠运行。
在未来智慧矿山建设过程中，为了遏制以上现象的继续出现，从顶层设计一个兼顾业务需求且能让IT(Information Technology)数据与OT(Operation Technology)数据的高效融合的基础技术架构将会是智慧矿山建设过程中面临的首要课题。
1 智慧矿山基础架构的进展
在过去数字矿山系统建设阶段，系统架构已经逐步从调用本地文件的单机结构过渡到了局域网内使用数据库服务器的数据仓库阶段，如图1所示。各系统分别部署在独立的计算机中，而数据存储在数据库服务器中，系统主要以统一传输网络平台和统一数据仓库平台从硬件结构和软件配置上保证数字矿山中的各子系统模块具有统一的传输模式、统一的数据描述形式和统一的数据处理格式[14-15]。
图1 矿山统一数据库系统
Fig.1 Unified database system for mines
在这种架构应用过程暴露出一些问题后，有学者又针对煤矿安全监察中存在的任务繁重、人员力量薄弱、信息化水平偏低等问题，提出了一种基于云计算的一体化煤矿安全监管信息系统。提议方案基于云计算和管理型SaaS(Software as a Service)架构，形成一套煤矿安全监察指挥系统整体解决方案，即相关服务是在数据库服务器之外，系统安装在煤矿安全监察局的云计算中心的服务器上[16]。如图2所示，用户直接通过浏览器访问该应用服务器提供的服务，而无需在矿山客户端分别部署系统。这种模式按需提供低成本的基础设施服务以应对业务负载变化，同时为相关部门提供大数据挖掘、分析和管理海量数据的决策能力，目前一些智慧矿山建设过程中，也沿用了该架构。
图2 矿山云系统
Fig.2 Mine cloud system
随着智慧矿山建设的深入推进，未来将有更多场景如煤矿机器人应用、视频安全行为识别、大数据AI(Artificial Intelligence)灾害预警、基于AR(Augmented Reality)的远程智能控制或基于高精度物探的透明工作面自动开采等应用场景[17-20]逐步落地，这类场景中工业系统的智能检测、控制、执行对实延的要求均达到了毫秒级，同时设备安全、网络安全、数据安全与应用安全的防护难度也大幅增加。传统集中式数据处理的云计算架构，即通过将数据传输到远端的云中心进行分析处理后，再将结果传输回用户端的模式，将会面临三大主要问题，如:① 随着应用场景的逐步增加，面对海量数据的回传，核心网的带宽将不堪重负;② 海量数据回传集中处理造成拥堵形成的时延，将大幅降低现场智能控制的可靠性和稳定性;③ 工控数据传输的安全可靠问题难以解决。
传统云端架构将难以解决以上问题，而部署在近数据源一侧的边缘计算作为融合网络、计算、存储和应用的新网络架构，可实现敏捷联接、就近服务发布、实时分析计算和安全隐私保护等关键需求，对云计算进行补充。通过边缘计算[21-22]，尽可能少的将数据回传云端则可降低响应时延和带宽消耗，减轻云中心压力，但是单一的边缘计算无法满足矿井各系统全覆盖、与云端协同处理和高安全性等需求。
目前阿里云与中国电子技术标准化研究院等多家单位提出了边缘云计算技术[23]，该技术基于云计算技术的核心和边缘计算的能力通过分布在网络边缘侧，提供实时数处理、分析决策的小规模云数据中心，形成边缘位置的计算、网络、存储、安全等能力全面的技术架构，通过将网络转发、存储、计算，智能化数据分析等工作放在边缘处理，降低响应时延、减轻云端压力、降低带宽成本，并提供全网调度、算力分发等云服务。该技术结合煤矿智能化建设现状可成为智慧矿山基础架构的一个有效解决方案。
2 智慧矿山的业务数据特点
科学设计边缘云协同架构的关键在于根据整体的智能化业务中的系统交互数据进行科学分类治理，目前按照智慧矿山的建设框架，普遍将智慧矿山业务应用划分为智慧感知、生产执行、安全保障、生产经营、综合决策5个业务域[5]，如图3所示。其中的数据通过大数据分析、人工智能处理后面向各级部门提供开放、共享的应用服务。
五大业务域中智慧感知业务域一般包括矿井安全监控、人员定位、矿压监测、粉尘监控、煤与瓦斯突出监测、防灭火监测、水环境监测、大气环境监测、声环境监测、固体废物处置监测、危险废物储存与处置、生态环境监测等方面的相关系统[24-26];生产执行业务域一般包括智能工作面、智能掘进工作面、智能主、辅运输系统等生产过程系统，按照“集中管理、分散控制”的原则，建设集采集、处理、控制、协调、综合智能判断于一体的综合自动化控制系统;安全保障业务域一般包括危险源管理、隐患排查管理、违章监督管理、矿井协同设计、精准地质信息等系统;生产经营业务域一般包括 OA 办公、人力资源管理、财务管理、成本管理、物资供应管理、运销管理、仓储和物流管理、合同管理等系统;综合决策业务域一般包括安全生产调度指挥系统、应急救援指挥系统和应用大数据分析、机器学习和案例推演等技术建立的各类智能决策系统等。
图3 工业互联网平台技术架构[27]
Fig.3 Technology architecture of industrial Internet platform[27]
然而以上5个业务域虽然将智慧矿山的业务类型涵盖完整，但是要将其各个层级业务数据有效利用起来还需要根据其特性进行科学分类。传统的分类方式在IT类数据和OT类数据不能有效融合的条件下，简单的将这两类数据统一在云计算架构下进行处理，将直接导致由于安全性要求，工控数据无法上云和由于实时性要求，云服务无法支撑瞬息万变的工业场景、数据可靠性差和利用程度低等现象出现。为了走出数据治理的误区，可将智慧矿山的业务数据根据云计算和边缘计算的技术特点进行分类。由于云计算处理数据量大但数据交互时延长，适合集中处理海量非实时、长周期的数据;边缘计算时延低，存储小适合分布式处理实时性、短周期数据。因此可将智慧矿山所有业务数据分为“非实时、长周期数据、业务决策型数据”和“实时性、短周期数据、本地决策数据”两种。
对于智慧矿山业务体系来讲，“非实时、长周期数据、业务决策型数据”主要集中在煤矿的设计管理、安全管理、客户关系管理、供应链管理、生产计划制定、外销管理、成本分析、绩效分析资产管理、智能物流、能源管理、环保健康、应急指挥与运维保障等领域，这类数据适合利用不同的云服务对其进行集中处理分析可满足要求。而“实时性、短周期数据、本地决策数据”则主要集中在智能化工作面、智能化掘进工作面和基于视频识别的联动控制等生产系统领域，这类场景对数据实时性要求很苛刻，以智能工作面为例，为了实现综采工作面装备的智能协调推进，综采工作面的液压支架的位移传感器、压力传感器、倾角传感器等各类传感器数据、采煤机、刮板输送机等设备的位置、姿态及围岩的控制状态等数据都要进行毫秒级的实时交互才能实现无人化作业，对于这类数据来讲，统一在云端进行分析处理是不切实际的，其边缘计算的需求是不可替代的。
因此，建设智慧矿山的第1步就是要构建一个边缘计算与云计算在网络传输、智能分析服务和业务应用方面协同计算的技术架构来合理处理这两类数据。
3 智慧矿山边缘云协同计算技术架构
传统基于云计算的智慧矿山的技术架构一般分为设备层、传输层、服务层与应用层4层，试图基于一套标准体系、一张全面感知网络、一条高速数据传输通道、一个大数据应用中心、一个业务云服务平台，面向不同业务部门实现按需服务。然而在传统4层架构中，由于上云安全性、实时性没保障，导致设备层的数据处理没有效的往上延伸;同时由于数据处理的需求并不明确，基于云计算的服务也难以下沉处理，各层级相对独立，直接导致煤矿智能化的基础条件薄弱，各系统独立，智能化改造难度大。
在工业互联网层面，随着2017年11月，国务院印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》后，工信部指导发布的《工业互联网平台白皮书》中也提出了边缘层、IaaS(Infrastructure as a Service)，PaaS(Platform as a Service)和SaaS四层技术架构，如图3所示。
结合目前工业互联网主流架构和煤矿两类业务数据特点，可形成智慧矿山边缘云协同计算技术架构，如图4所示。该架构将“非实时、长周期数据、业务决策数据”和“实时性、短周期数据、本地决策”两类数据从架构层面进行分类处理，在保证工控数据的安全性、实时性的同时又有效利用了云计算可伸缩、弹性、共享的物理和虚拟资源池以按需自服务的优点，同时下沉部分云服务，形成新的边缘云协同计算体系，从顶层设计层面保证了智慧矿山的建设基础。
图4 智慧矿山边缘云协同计算技术架构
Fig.4 Technology architecture of Edge-Cloud collaborative computing for intelligent mines
在智慧矿山边缘云协同计算技术架构中，采用边缘计算和云计算进行的两类数据交互，通过工业安全防护进行分层逐级安全保护，层级从下到上仍然分为设备层、传输层、服务层和应用层4层结构。与传统架构不同的是云计算中处理实时数据的服务被下沉到边缘计算体系中，为了保证控制安全，边缘计算从底层一直上升到了应用层，可保证不借助外部云服务的基础上获得智能化服务支持。因此，该架构可在边界搭建完善的工业安全防护基础上，既保证所有数据能汇聚云中心进行长周期分析，同时也保证了实时性智能化服务的安全应用。
4 智慧矿山边缘云协同计算的基础保障关键技术
从智慧矿山边缘云协同计算技术的特点可以看出，边缘侧数据是整个智慧矿山场景智能化的核心所在，在工业互联网架构中，边缘侧需要支持多种网络接口、协议与拓扑，业务实时处理与确定性时延，数据处理与分析，分布式智能和安全保护。因此，为了保证该架构的落地，实现边缘计算数据和云计算数据跨层级交互的融合性、保证边缘计算层设备控制实时运算的实时性和保障数据安全交互的安全性将成为该架构落地的基础保障特性。
4.1 融合性解决方案
融合性是边缘计算的基础，设备层所联接物理对象的多样性及应用场景的多样性，需要通过数据优化实现数据的聚合和统一呈现，才能构建所有数据融合的一体化煤矿智能操作系统，实现灵活高效地服务各类煤矿智能化应用[28-29]，如图5所示。
在传统的煤矿控制系统中，一般数据信息只会在固定的设备间流动。而智能化的应用对数据的处理更加广泛化，例如采用大数据分析进行设备故障诊断，进而实现设备的全生命周期的管理等解决方案，都需要数据上云进行大数据分析。同时，煤矿智能化进程中，长期以来存在的大量异构的总线联接，多种制式的工业以太网并存，如何兼容多种联接也是必须要解决的现实问题。
为了解决融合性的问题，就需要跨层级的对数据进行分析和集成，不管上层架构如何进行智能分析与优化，如果缺乏统一的标准与信息模型，都无法进行，
图5 煤矿智能操作系统应用
Fig.5 Application of intelligent operating syste
这就要求所有数据都采用通用化与标准化的存储与传输方式。OPC UA(OLE for Process Control Unified Architecture)提供了一个具有统一性、跨层安全性和可扩展的架构正好满足了数据融合互通的需求[22]。同时该技术也定义了一种集成的地址空间和信息模型，不再基于分布式组件对象模型(DCOM，Distributed Component Object Model)，而是以面向服务的架构(SOA，Service-Oriented Architecture)为基础，同时支持基于TCP的二进制协议，可有效的通过防火墙，任何消息都可以通过HTTP(Hyper Text Transfer Protocol)或任何其他端口转发，从而实现跨层级交互，全面覆盖从设备层到云上的应用层，如图6所示。OPC UA还有一个关键特性是独立于制造商，开发者可以用不同编程语言进行开发，支持不同的操作系统，可促进整个系统纵向集成，实现工业以太网、工业总线等不同协议的转换，可有效解决智慧矿山系统内部的信息孤岛问题。
图6 OPC UA部署情况
Fig.6 Deployment of OPC UA
目前，在贵州省煤矿智能化机械化升级改造进程中，已有部分矿井采用新的可靠的OPC UA采集技术，所有的底层通讯在条件许可下全部采用以太网硬件模块通讯，全方位保证了系统数据融合稳定可靠性。
4.2 实时性解决方案
由于IT与OT数据的不同，也使得网络实时性的需求不同，对于长周期的IT网络，秒级甚至更长的延迟是可以接受的，但是，对于煤矿生产过程的OT数据来讲，毫秒级甚至更低的延迟是必要的。过长的延迟可能会导致设备碰撞出现故障，甚至导致设备对人身的伤害，因此这类数据要求网络必须要非常低的时延与抖动。当前工业互联网领域满足该要求的通常做法是，修改内部网络的以太网协议或者在关键生产流程部署独立的专用以太网络。然而，这类方式存在互通性、扩展性和兼容性不够的问题，未来在煤矿智能化进程中仍将面对此类问题，而时间敏感网络为解决这个难题提供了一个有效的解决方案。
时间敏感网络(Time-Sensitive Network,简称 TSN)是一种具有有界传输时延、低传输抖动和极低数据丢失率的高质量实时传输网络。TSN基于标准以太网，凭借时间同步、数据调度、负载整形等多种优化机制，来保证对时间敏感数据的实时、高效、稳定、安全传输。利用该网络技术，可确保时间敏感的OT数据流传输延迟具有确定的时延上限;其次，通过抢占机制、流量整形机制等能保证时间敏感的OT数据流和非时间敏感IT数据流能够无干扰的在同一个网络中混合传输;最后，在时间敏感网络内，交换设备可对接收到的突发负载进行整形，能确保时间敏感数据的端到端传输延迟，平滑的提供稳定的数据传输。
时间敏感网络将基于通用的以太网标准来建设，具备确定性网络的属性，能够满足工业网络对于定时、安全和可靠性等方面的要求，现有的专有煤矿控制网络也可以通过网关来连接到时间敏感网络，并实现互联，尤其是当TSN与OPC UA配合，可将OPC UA的数据采集延伸到设备端，实现生产环境全方位实时数据实时汇集，能确保传输网络的实时性满足煤矿数字孪生等未来新的智能化需求，如图7所示。
图7 数字孪生工作面情境
Fig.7 Scenario of workface using digital twin technology
目前大部分煤矿从井上下达控制指令到井下设备执行该指令的时延一般为都接近或者超过秒级，如果再叠加视频传输的时延，将严重制约移动设备远程控制的应用。目前，华为等设备商的相关TSN交换机[29-30]性能已经达到单跳时延小于10 μs，抖动小于500 ns，时间同步精度20 ns，如果大面积应用于煤矿智能化领域，将完全满足实时性需求。
4.3 安全性解决方案
数据交互的安全性一直是智能化系统的基础保障之一，上述架构中边缘侧与云端的网络环境存在着明显的差异，各自保障的目标也有不同。其中，边缘侧网络更关注的是业务的连续性，对延迟、终端非常敏感，因此在安全设计时，生产业务保障是第1位的，其次才是数据保密性等因素。其中防护手段主要是:使用独立的网络设备组网，在物理层面上实现与其它数据网及外部公共信息网的安全隔离，在云端进行控制指令或相关数据交换的应采用加密认证技术手段实现身份认证、访问控制和数据加密传输。而云端更关注所有部署在云上的信息化系统的平稳运行，安全设计首要目标是防止最常用的攻击手段，提高整个系统的“安全最低点”的安全性能，其次是在满足安全需求的前提下应该尽可能简化使用者的安全环境，尤其是云租户的安全操作环境。云端的安全防护手段主要是按照等级保护2.0要求[31]，部署防火墙、抗DDoS(Distributed Denial of Service)、数据防泄漏系统、入侵检测系统、APT(Advanced Persistent Threat)检测系统、准入控制、监控与审计系统等。而在本架构中，安全防护的核心体现在边缘侧与云端之间的边界防护上，基于煤矿智能化建设现状，在数据加密、访问控制、漏洞监测等关键技术建设不成熟的条件下，该区域的边界防护应以基于物理隔离技术的单向网闸隔离传输为主，通过数据“摆渡”的方式实现边缘侧网络和云端网络之间的信息交换，云端可以进行大数据分析但是避免反馈控制命令，智能化的过程控制功能全部下沉至边缘侧。在物理隔离的条件下，可保证的边缘侧信息网络不受来自互联网的黑客攻击，同时也划定了明确的安全边界，使得网络的可控性增强。
未来整个架构的安全设计需要覆盖各个层级，不同层级需要不同的安全特性[32]。同时，要有统一的态势感知、统一的安全管理、统一的身份认证管理，以及统一的安全运维体系[33-35]。为了持续提升安全防护水平，还需要加快推进数据加密、访问控制、漏洞监测等关键技术研发与应用，综合利用数据备份与恢复、冗余设计、容错设计等方法提升平台运行鲁棒性，积极应用机器学习、深度学习等人工智能技术分析处理安全大数据，不断改善安全防御体系才能有效保障智慧矿山整体架构的安全性需求。
5 结 论
(1)在数据融合性方面，提出了利用OPC UA技术提供一个具有统一性、跨层安全性和可扩展的架构来解决数据融合分析时面临的信息孤岛问题，保障了边缘计算数据和云计算数据跨层级交互能力。
(2)通过建设具有有界传输时延、低传输抖动和极低数据丢失率的时间敏感网络，并凭借其时间同步、数据调度、负载整形等多种优化机制，来保证时间敏感数据的实时、高效、稳定、安全传输，可以为数字孪生等未来新的智能化需求提供有效的解决方案。
(3)在数据安全性方面，在云端和边缘端分别部署相应的防护手段，同时在边缘侧与云端之间部署基于物理隔离技术的单向网闸等方式既保证了煤矿边缘云协同计算技术的安全防护能力又满足了煤矿智能化的实际需求。
[1] 王国法，赵国瑞，任怀伟.智慧煤矿与智能化开采关键核心技术分析[J].煤炭学报，2019,44(1):34-41.
WANG Guofa，ZHAO Guorui，REN Huaiwei.Analysis on key technologies of intelligent coal mine and intelligent mining[J].Journal of China Coal Society，2019,44(1):34-41.
[2] 王国法，张德生.煤炭智能化综采技术创新实践与发展展望[J].中国矿业大学学报，2018，47(3):459-467.
WANG Guofa，ZHANG Desheng.Innovation practice and development prospect of intelligent fully mechanized technology for coal mining[J].Journal of China University of Mining & Technology，2018，47(3):459-467.
[3] 谢和平，王金华，王国法，等.煤炭革命新理念与煤炭科技发展构想[J].煤炭学报，2018，43(5):1187-1197.
XIE Heping，WANG Jinhua，WANG Guofa，et al.New ideas of coal revolution and layout of coal science and technology development J].Journal of China Coal Society，2018，43(5):1187-1197.
[4] 谭章禄，马营营，郝旭光，等.智慧矿山标准发展现状及路径分析[J].煤炭科学技术,2019,47(3):27-34.
TAN Zhanglu,MA Yingying，HAO Xuguang，et al.Development status and path analysis of smart mine standards[J].Coal Science and Technology,2019,47(3):27-34.
[5] 陈晓晶，何敏.智慧矿山建设架构体系及其关键技术[J].煤炭科学技术,2018,46(2):208-236.
CHEN Xiaojing，HE Min.Framework system and key technology of intelligent mine construction[J].Coal Science and Technology,2018,46(2):208-236.
[6] 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.
[7] 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.
[8] 韩建国.神华智能矿山建设关键技术研发与示范[J].煤炭学报,2016,41(12):3181-3189.
HAN Jianguo.Key technology research and demonstration of intelligent mines in Shenhua Group[J].Journal of China Coal Society,2016,41(12):3181-3189.
[9] 王国法，王虹，任怀伟，等.智慧煤矿2025情境目标和发展路径[J].煤炭学报，2018，43(2):295-305.
WANG Guofa，WANG Hong，REN Huaiwei，et al.2025 scenarios and development path of intelligent coal mine[J].Journal of China Coal Society，2018，43(2):295-305.
[10] 韩茜.智慧矿山信息化标准化系统关键问题研究[D].北京:中国矿业大学(北京),2016:23-31.
HAN Qian.Study on Key Issues of Intellimine Informatization Standardization System[D].Beijing:China University of Mining & Technology(Beijing)，2016:23-31.
[11] 汤海龙.智慧矿山信息系统通用技术规范解读及关键技术探讨[J].煤炭科学技术,2018,46(S2):157-160.
TANG Hailong.Interpretation of general technical specifications for smart mine information systems and discussion on its key technologies[J].Coal Science and Technology,2018,46(S2):157-160.
[12] LIU Shanjun,WANG Han,HUANG Jianwei,et al.High-resolution remote sensing image-based extensive deformation-induced landslide displacement field monitoring method[J].International Journal of Coal Science & Technology，2015,2(3):170-177.
[13] LIU Xiang,JIAO Chaoqun,YAO Aifen.Orthogonal experiment design of EMI of security monitoring system in coal mines[J].International Journal of Coal Science & Technology,2015,2(4):325-332.
[14] 张申，丁恩杰，赵小虎，等.数字矿山及其两大基础平台建设[J].煤炭学报，2007,32(9):997-1001.
ZHANG Shen,DING Enjie,ZHAO Xiaohu,et al.Digital mine and constructing of its two basic platforms[J].Journal of China Coal Society，2007,32(9):997-1001.
[15] 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.
[16] 康瑛石,吴吉义,王海宁.基于云计算的一体化煤矿安全监管信息系统[J].煤炭学报，2011,36(5):873-877.
KANG Yingshi,WU Jiyi,WANG Haining.Overall coalmine safety monitoring and management system based on cloud computing[J].Journal of China Coal Society，2011,36(5):873-877.
[17] 毛善君，崔建军，令狐建设，等.透明化矿山管控平台的设计与关键技术[J].煤炭学报，2018,43(12):3539-3548.
MAO Shanjun，CUI Jianjun，LINGHU Jianshe，et al.System design and key technology of transparent mine management and control platform[J].Journal of China Coal Society，2018,43(12):3539-3548.
[18] 庞义辉，王国法，任怀伟.智慧煤矿主体架构设计与系统平台建设关键技术[J].煤炭科学技术,2019,47(3):35-42.
PANG Yihui，WANG Guofa，REN Huaiwei.Main structure design of intelligent coal mine and key technology of system platform construction[J].Coal Science and Technology,2019,47(3):35-42.
[19] 卢新明,阚淑婷.煤炭精准开采地质保障与透明地质云计算技术[J].煤炭学报，2019,44(8):2296-2305.
LU Xinming,KAN Shuting.Geological guarantee and transparent geological cloud computing technology of precision coal mining[J].Journal of China Coal Society，2019,44(8):2296-2305.
[20] 王存飞,荣耀.透明工作面的概念、架构与关键技术[J].煤炭科学技术,2019,47(7):156-163.
WANG Cunfei,RONG Yao.Concept,architecture and key technologies for transparent longwall face[J].Coal Science and Technology,2019,47(7):156-163.
[21] 吕华章，陈丹，范斌，等.边缘计算标准化进展与案例分析[J].计算机研究与发展，2018,55(3):487-511.
LÜ Huazhang，CHEN Dan，FAN Bin,et al.Standardization progress and case analysis of edge computing[J].Journal of Computer Research and Development，2018,55(3):487-511.
[22] 施巍松，孙辉，曹杰，等.边缘计算:万物互联时代新型计算模型[J].计算机研究与发展，2017,54(5):907-924.
SHI Weisong，SUN Hui,CAO Jie,et al.Edge computing—An emerging computing model for the Internet of everything era[J].Journal of Computer Research and Development，2017,54(5):907-924.
[23] 阿里云计算有限公司，中国电子技术标准化研究院，等.边缘云计算技术及标准化白皮书(2018)[R].2018:http://www.cesi.cn/201812/4591.html.
[24] 范金洋，姜德义，欧阳振华，等.基于塑性应变梯度理论的材料失稳型冲击地压触发判据[J].煤炭学报，2018，43(11):2959-2966.
FAN Jinyang，JIANG Deyi，OUYANG Zhenhua，et al.Material-instability rock burst criteria based on the theory of strain gradient plasticity[J].Journal of China Coal Society，2018，43(11):2959-2966.
[25] JU Yang,SUN Huafei,XING Mingxu,et al.Numerical analysis of the failure process of soil-rock mixtures through computed tomography and PFC3D models[J].International Journal of Coal Science & Technology,2018,5(2):126-141.
[26] HARGRAVE Chad O,JAMES Craig A,RALSTON Jonathon C.Infrastructure-based localisation of automated coal mining equipment[J].International Journal of Coal Science & Technology,2017,4(3):252-261.
[27] 工业互联网产业联盟工业:互联网平台白皮书，2019年5月:http://www.aii-alliance.org/.
[28] WEI Like，QI Qingxin，LI Hongyan，et al.A case study of damage energy analysis and an early warning by microseismic monitoring for large area roof caving in shallow depth seams[J].Shock and Vibration，2015，http://dx.doi.org/10.1155/2015/709459.
[29] 魏立科，张彬，付兴玉，等.房式采空区下特殊岩梁结构支架工作阻力分析[J].岩石力学与工程学报，2015，34(10):2142-2147.
WEI Like，ZHANG Bin，FU Xingyu，et al.Support resistance analysis for special roof structure under room mining goaf[J].Chinese Journal of Rock Mechanics and Engineering,2015，34(10):2142-2147.
[30] 工业互联网产业联盟工业:时间敏感网络(TSN)产业发展报告:网络设备互通测试报告V1.0.2019:http://www.aii-alliance.org/.
[31] GB/T 22239—2019，信息安全技术网络安全等级保护基本要求[S].
[32] 工业互联网产业联盟工业:工业互联网安全框架.2018:http://www.aii-alliance.org/.
[33] 任怀伟,王国法,赵国瑞,等.智慧煤矿信息逻辑模型及开采系统决策控制方法[J].煤炭学报,2019,44(9):2923-2935.
REN Huaiwei,WANG Guofa,ZHAO Guorui,et al.Smart coal mine logic model and decision control method of mining system[J].Journal of China Coal Society,2019,44(9):2923-2935.
[34] 谢嘉成,王学文,杨兆建.基于数字孪生的综采工作面生产系统设计与运行模式[J].计算机集成制造系统,2019,25(6):1381-1391.
XIE Jiacheng,WANG Xuewen,YANG Zhaojian.Design and operation mode of production system of fully mechanized coal mining face based on digital twin theory[J].Computer Intergrated Manufacturing Systems,2019,25(6):1381-1391.
[35] 王国法,刘峰,庞义辉,等.煤矿智能化-煤炭工业高质量发展的核心技术支撑[J].煤炭学报,2019,2019,44(2):349-357.
WANG Guofa,LIU Feng,PANG Yihui,et al.Coal mine intellectualization:The core technology of high quality development[J].Journal of China Coal Society,2019,44(2):349-357.
