井工矿(本文简称“煤矿”)的智能开采主要包括3个方面的内容,即“装备智能化,决策在线化,控制协同化”,装备智能化是基础,决策在线化是前提,控制协同化是过程和结果。煤矿是一个典型的多部门、多专业管理的单位,涉及“采、掘、机、运、通”和“水、火、瓦斯、顶板”等专业方向,将静态、动态、分散、孤立的业务系统和数据资源整合到一个集成和统一的管理平台是科学采矿或智能矿山建设需要解决的关键问题,是决策在线化的系统保障。没有基于网络技术的决策在线化,就不可能实时为控制协同化提供数据支撑和控制依据,真正的智能化开采就很难实现。实际上,智能开采是基于新型“标准体系、技术体系、装备体系、管理体系、培训体系”的革命。
目前,我国煤炭工业信息化建设已经从数字矿山向智能矿山方向迈进,已经取得了初步的成果[1-9],但还存在一些问题:
(1)基础理论薄弱。煤矿信息属于空间信息的范畴,无论是人、危险源和各种装备,在生产过程中,它们都有地理位置和与此相关的各类属性。从20世纪80年代初至今,国内外主要是基于CAD技术进行矿山设计和专题图形的处理,如DataMine Surpac,AutoCAD,MicroMine等。CAD技术主要适合于建筑和机械设计等领域,不适合管理空间信息,管理空间信息的最佳理论和技术是地理信息系统。即使有地理信息系统在煤炭工业的应用,如ArcGIS,MapGIS,SuperMap等,但它们仍是传统地理信息系统理论的应用,其数据模型和数据结构在矿山应用方面存在缺陷,对空间信息的动态修正考虑不足,实用性受到了限制。
从20世纪90年代末开始,相关学者就已经注意到了地质勘探和井工开采矿山所面对的地层等空间形态和属性伴随着一个由“黑色”“深灰”变为“中灰”“浅灰”,无限接近直至达到“白色”的过程,并深入开展了理论和技术研究,提出了灰色地理信息系统(GGIS)的理论和技术方法[10-13],应用效果显著。但相关成果应用主要是数字矿山的地质类专题图形处理,虽然图形处理的效率大大提高,但仍然是计算机制图的应用范畴。
(2)数据孤岛严重。高科技及其应用的发展趋势是系统业务流程的高度集成和一体化管控,如航天系统、ERP系统、车载导航系统、智能工厂系统、高铁运营系统和银行业务系统等。煤炭工业从信息化之初开始,就是各个专业各自为政,目前虽有进步,但人为的制造数据孤岛还在继续,智能矿山的建设既缺乏行业统一的标准体系,项目招标也是标段众多,投标厂家平台各异,水平参差不齐,数据存储分散,而且不能共享协同,不是有责任主体的交钥匙一体化工程,相关系统的数据交换还在继续通过拷贝或格式转换完成,这不仅数据处理时效性差,而且还可能丢失数据。显然,这不利于智能开采的“决策在线化,控制协同化”,将大大降低系统的实用性和可操作性,阻碍了智能矿山建设的良性快速发展。
(3)管理模式落后。数十年来,对矿业集团而言,无论是横向(矿井的科室、集团的处室)还是纵向(矿、二级公司、集团公司),煤矿或矿业集团安全生产管理模式没有本质的变化,其管理架构、业务流程和岗位职责,仍然主要是传统的非信息化或半信息化管理模式[14],即使信息技术已经广泛使用,也只是管理模式的改良,没有根据智能开采梳理和重构与之相适应的新型管理模式,如ERP对“人、财、物、产、供、销、存”管理流程的重构一样。管理模式的落后,必然造成数据孤岛问题无法解决,而且职能重叠、流程不畅,决策支持出现乱象,无法充分发挥信息化的作用。
因为管理模式的落后,也造成培训系统的落后。高素质的生产技术和管理人员是信息共享管理平台的有机组成部分,否则无法提供合格的、能够熟练操作的高科技复合型人才。如航空航天的宇航员一样,智能开采的技术和管理人员,应该叫采矿员,是高科技的复合体和象征。
(4)共享平台缺失。由于数据孤岛和管理模式的原因,造成独立软件子系统众多,而且功能单一、数据冗余度高、系统操作复杂、信息共享和实时自动分析困难。
智能开采系统是一个集Internet、地理信息系统、大数据、自动控制、智能分析、“采、掘、机、运、通”和“水、火、瓦斯、顶板”等专业需求于一体的复杂巨系统。因此,根据智能开采的特点和需求,在继续完善和扩展灰色地理信息系统理论和技术的技术上,研究信息共享管理平台的架构、系统功能和相关核心技术方法,是当务之急。
通过数据标准化、业务流程标准化,实现煤矿基础地测、生产技术、监测监控、综合自动化、安全管理等业务数据在矿井内部以及矿井到集团的横向、纵向流通,形成全矿或全集团的安全生产信息共享管理平台(简称“信息共享平台”)。同时,建立基于大数据的煤矿安全生产智能诊断模型、危险源预警模型、安全生产综合分析模型等,实现集团安全生产管理的协同调度、集中管控及科学决策,为企业领导层正确决策提供科学依据,使集团领导和管理部门能够及时、全面、准确地掌握情况,实现对“地域、业务”的全覆盖,彻底改变煤矿安全生产现有的管理模式,最终为智能开采、安全生产保驾护航。
假设不考虑由于测量、数据处理和数据自身性质等引起的随机、模糊等不确定性,只考虑数据量少而带来的灰色不确定性。灰色地理信息系统[10,12]的研究对象是灰色对象,灰色地理信息模型从理论上较为完整地描述了灰色空间研究对象的变化规律。图1给出了基于灰度状态转移的灰色地理信息模型(State-based Gray Geographic Information Model,简称SGGIM模型)。SGGIM模型具有如下特点:
(1)SGGIM模型是一个不断变化的灰箱,已知信息的不断输入,输出值也逐渐白化或透明化。在初始状态,模型由于没有信息或已知信息少,因此表达的灰色地理信息呈黑箱状态;在随后的变化过程中,随着模型中已知信息的增多,表达的灰色地理信息也逐渐呈深灰、浅灰状态;在结束状态(经物探和回采等工程),可以认为信息是近乎白色或完全透明的,诸如煤层等为透明化空间实体。如图1(a)所示。
图1 基于灰度状态转移的灰色地理信息模型
Fig.1 Gray geographic information model based on gray state transition
(2)图1(b)用Sj表示尚未白化的空间对象所蕴涵的灰色地理信息,称为灰度状态。设在某状态j下,共有k个地理实体,则灰度状态可表示为
Sj=c1G1j+c2G2j+…+cpGpj+
cp+1G(p+1)j+…+ckGkj
(1)
式中,j为状态数,共有m个状态,j=1,…,m;i为实体数,共有k个实体,i=1,…,k;ci为第i个灰色地理实体对整体灰度状态的贡献大小。该参数与实体的空间位置和属性等有关;Gij为第i个灰色地理实体在第j个状态灰度值。
煤矿生产是一个连续的过程,式(1)能够表征从黑箱到白色或透明化状态信息“由灰变白”的过程,在理论上解决了信息“部分已知,部分未知,动态修正”处理的难题。
在数据处理层面,笔者在文献[10]的基础上,根据智能开采“决策在线化”的需求,提出了三角网(TIN)、似直三棱柱网格(ARTPN)与2D/3D-GGIS的一体化自适应数据处理模型(图2),为解决多地层及属性的一体化管理和动态修正奠定了基础。已知实测数据(钻孔、巷道实测点、煤岩层识别数据等)的增加将导致重构形成新的不规则三角网或似直三棱柱体网络。同样,基于最新重构的三角网或似直三棱柱网格,系统将生成新的点状、线状、面状图形甚至体目标和属性数据,形成最新的矢量图形。这样,就达到了自适应动态修正空间地质体的目的,使系统逐步由灰色向白色状态逼近,最终形成包括几何和属性特征的透明化地质体,为基于时态地理信息系统(TGIS)技术的信息共享平台提供最新的时空数据。
图2 2D/3D-GGIS与TIN,ARTPN一体化的数据模型
Fig.2 Data model of 2D/3D-GGIS and TIN,ARTPN integration
信息共享平台是智能矿山安全生产各业务板块管理信息化建设的规划设计及总体指导框架,是生产运营管理相关子系统及其内部各要素之间有效组合运行的动力机制、建设机制和发展机制的模型化设定,将保证智能矿山安全生产各业务板块系统功能统一规划、相互协调、结构一致、资源共享、标准规范。
总体逻辑架构设计有3层重要含义:
(1)全局。总体设计的首要视角是要跳出局部需求的束缚和影响,站在全局互联和数据共享的整体高度,基于“一张图”和“大数据”[15-16]的思想去分析决定生产运营统一管理的问题,以解决“一张图、一个库”的问题。
(2)业务。以安全生产管理和决策在线化的核心业务流为主线,收集、整理与描述业务需求,确保业务流程、软件功能、关键技术和数据分析之间的深度融合和协同。
(3)效益。优化安全生产业务部门工作流程,促进职能变革,提高业务效率,推动体制创新,达到减员增效的目标,最终提升企业效益。
信息共享平台作为一个以业务为中心的系统框架,使得生产业务及管理部门“看得见、管得了、控得住”,提升各部门间的横向整合以及各级管理部门间的纵向集成。总体逻辑架构设计如图3所示。
信息共享平台采用大数据、分布式协同、微服务的设计理念,基于大数据分析面向服务的体系架构(Service-Oriented Architecture,SOA)。整个系统可基于现有的基础设施云平台,从下到上分为数据源层、服务容器层、业务系统层和统一门户平台等。
(1)数据源层。数据源层是指安全生产共享平台的数据中心,采用“一个库”的设计理念,依据平台数据架构关于数据资源的描述,包括安全生产、经营管理、设备监控与控制等类型,按标准统一数据库存储。
(2)服务容器层。服务容器层包括企业服务总线和业务服务的组合,服务总线是提供系统一致性、安全性、可靠性及性能和扩展能力保障的基础技术手段;业务服务层主要以Web Service方式向业务系统提供数据服务,可以使系统数据源透明化。业务服务层不仅为生产运营管理的业务系统提供服务,也可以为ERP等第三方系统提供服务。
(3)业务系统层。业务系统层通过一张图平台的支撑,调用服务容器中的各类数据和业务服务,实现面向智能开采的各类安全、生产业务功能。安全生产管理业务系统还提供适用井下移动设备、手机终端的移动平台,满足各类新场景、新模式的应用需求,实现随时随地掌控安全生产状况。
(4)统一门户平台。安全生产信息共享平台统一门户主要实现对所有业务系统的集成,提供单一登录接口、多认证模式、用户个性化的Portal layout定制等。
“一张图”协同、透明化矿山、移动终端及大数据分析的研发与应用[15-17],改变了矿井空间数据和业务数据的集成与更新模式,为建立新一代的服务于智能开采的安全生产信息共享平台提供了技术基础,实现了安全生产相关部门的信息集成共享与业务协同,实现了大调度和集中管控,并通过大数据分析、预测预警提升决策支持水平,优化和变革了现有的管理流程,缩短了管理层级,扩大了管理范围,提升了管理效率和管理水平。
图3 智能煤矿安全生产信息共享平台总体架构逻辑设计
Fig.3 System architecture of the safety production information sharing platform for intelligent coal mine
安全生产信息共享平台实现地测、生产技术、机电运输、综合监测、安监、调度等专业高度信息集成与业务协同,新的信息化手段必然促进新的管理模式的出现。平台建设拓展了业务管理的广度和深度,安全生产各部门间的信息壁垒被打破,能够利用平台进行信息交互、共享和协同。由于安全生产信息共享平台应用后,信息全面集成、数据准确一致、信息传递快速、实时监控分析预警,必然缩短管理层级,提高决策支持能力,扩大管理的深度,进而触发和推动业务流程的改进和优化。
流程优化是一个动态循环过程,包括流程调研、流程梳理、流程分析、流程设计、流程评价、流程运行、流程改进。首先需要对现有业务流程进行调研与梳理,在此基础上绘制原有的业务流程图,然后结合平台设计开发的功能,绘制新的流程图,最后对新旧流程进行对比分析,总结管理提升点,同时梳理旧流程配套的管理制度,通过修订或重建形成新流程配套管理制度。在平台运行和应用过程中进行评估,持续对流程和制度进行优化改进和修订。
下面以专题图形处理为例说明流程的重构(图4):
(1)信息共享平台应用前的流程。地测、采掘、机电、运输、通防等专业各自独立绘制专题地图,地测部门大多采用专业LRGIS软件,而其他专业多采用AutoCAD系统。因各部门软件平台的不同,往往采用人工方式进行图形的拷贝和转换,如更新通风系统图时需要追加新开拓的巷道,这时就需要把最新的采掘工程平面图从LRGIS等格式转换成AutoCAD格式。这不仅费时费力,而且可能因数据结构的不一样而丢失空间关系等数据,更为严重的是,它没有实时性,滞后时间可能达数十天。
图4 信息共享平台应用前后流程梳理
Fig.4 Business process analysis before and after application of information sharing platform
由于各专业独自成图,如果需要全面了解矿井各专业情况,就需要分别打印以方便浏览查看各专业图纸,或利用不同软件打开各专业图形,这样不方便对比和关联分析,而且各专业部门采用纸质或电子邮件等类似的方式定期上报,信息不能及时更新,影响了领导决策支持的及时性和可靠性。
同时,由于受传统的单机版图形绘制和发布方式的限制,图形中以空间信息为主,不能与台账、报表和监测监控等信息进行集成,图形数据和业务数据、监控数据相分离,数据查询不方便,更难于进行数据的相关性分析。
(2)信息共享平台应用后的流程。在“一张图”模式下,原有的地测、采掘、机电、运输、通防等各专题图形,按统一的时间序列、统一的空间坐标、统一数据标准,通过分层叠加的方式将各专业图形集成为包括各专业安全生产运营管理信息的“一张图”,各专业部门可以各司其职完成图形中各自的数据更新,并与应用系统业务数据和监控系统环境数据相集成。
在“一张图”上,还可以链接、查询相关联的图形,如巷道设计图,剖面图等。传统方式,到资料柜或计算机子目录里人为寻找,费时费力。现在,一体化动态查询,无需知道图形存储的位置。
“一张图”协同为企业其他系统及业务应用提供完整、一致、现势的煤矿基础地理空间数据和安全生产运营数据,为未来的大数据分析、云计算和智能辅助决策提供技术支撑。通过煤矿“一张图”协同,可以规范安全生产运营管理的各个环节,提高生产、技术和安全数据的时效性、准确性和可靠性,数据全面完整,更新及时,可按时序、地域、专业等配置查询,形成基于“一张图”模式的煤矿安全生产运营指挥决策支持平台,使决策层指挥决策变得更加简单、方便、快捷。
矿山开采是采掘活动在三维空间及时间维度上不断发生变化的过程,是矿山数据模型由“黑色”“深灰”变为“中灰”“浅灰”,无限接近直至达到“白色”的过程。因此,实现智能开采的前提是建立矿山的时空数据模型,基于GGIS理论体系,提供包含精准地质信息在内的高精度矿山三维地质模型以及矿山开采变化过程的时空演化模型,并通过空间、时间属性连接“采、掘、机、运、通”等全业务流程数据和“水、火、瓦斯、顶板”等各类监测数据,形成真实矿山的数字孪生系统,形成时态灰色地理信息系统(TGGIS),为智能化开采、精细化管理提供支撑服务。
面向智能开采的矿山时空数据库需要兼顾开采全过程要素的空间、时间、专题属性3方面特征(图5),能够表达和存储要素状态和变化过程。传统矿山GIS主要用于管理空间数据及描述空间关系,表达的是某一时刻的空间形态,是矿山数据模型“由灰变白”过程的某一个快照。空间和时间是研究智能开采过程2个密不可分的内容,空间数据是在某一时刻或某一时间段测量或采集得到的。传统开采模式,在对实时性、自适应性要求不高的情况下,一般会忽略空间数据时间维度信息。在矿井日常生产应用中,技术人员会要求尽可能使用“最新”数据,但其本质上仍是一种“静态”数据。由于智能开采具有自动化、协同化、在线化的特点,要求作为基础支撑的空间数据能够“动态”变化、“实时”更新,同时通过空间、时间关联接入开采环节相关的各类专题属性数据,包括实时数据、历史数据等。
图5 矿山时空数据库构成体系
Fig.5 Structure of spatiotemporal database of coal mine
时空数据库是GGIS空间数据库的扩充和完善,其构建是在传统空间数据库技术的基础上,增加对时态数据融合的支持。灰色地理信息系统时空数据模型如图6所示。
图6 灰色地理信息系统时空数据模型
Fig.6 Spatiotemporal data model for GGIS
空间数据库的实现方案主要有“面向对象的原生空间数据库”、“关系数据库扩展空间类型”、“关系数据库+空间数据引擎层”3种。其中面向对象的原生空间数据库由于技术原因效率比较低下,在空间数据存储和检索方面应用较少;关系数据库扩展空间类型的方案一般由数据库厂商提供,如Oracle Spatial,PostgreSQL等都提供了空间类型的支持,因GIS系统与特定数据库深度融合,效率和性能有保证,但灵活性较差;关系数据库之上建立引擎层的方案,也即“空间数据引擎”,在效率、灵活性之间属于比较平衡的方案,目前主流GIS软件使用较多。面向智能开采的矿山时空数据库底层采用自主研发空间数据引擎的方案(图7),通过设计GGIS空间对象数据模型,实现海量、实时时空数据基于关系数据库的存储和管理,能够支持SQL Server,Oracle和MySQL等主流关系型数据库。
图7 灰色地理信息系统空间数据引擎
Fig.7 Spatial data engine for GGIS
时空数据的融合技术是以静态数据为基础,增加对时间的描述,不仅能够表现空间对象横向的空间形态,还能表达纵向的时间变化过程。时空数据模型的研究从20世纪60年代开始,但初期进展缓慢。文献[18]总结了时空立方体、快照序列、基态修正和时空复合4种时空数据模型。近些年,时空数据模型成为GIS研究的一个重要方向,在以上基本模型的基础上,出现了3类扩展方法:① 综合集成法,如基于版本-增量的时空数据模型集成了序列快照模型、基态修正模型和时空复合模型的特点。② 变换表达法,如对于面向对象的时空数据模型采用版本标记方式,表达同一地理对象不同时期的版本变化,或者采用动态多级索引的基态修正方式,表达地理对象的历史变化。③ 变换语义法,如在基于事件的时空过程模型中,采用事件记录地物变化,使用事件描述地理现象的一次完整的发生过程,或者用事件描述多个地理对象一次变化的组合关系等。本文结合智能开采对矿山空间数据的需求,在空间数据库的基础上,采用改进的“版本-增量”时空数据模型,以版本的方式记录某个时间点的数据状态作为基态模型及相对于基态的变化量,只有在模型产生变化时才将变化的数据存入系统中。基态修正模型对每个对象只存储一次,每变化1次,仅有很少量的数据需要记录,大大提高了数据存储和处理的效率。
面对智能开采对各类过程要素的实时性、协同性要求,时空数据库“版本-增量”时空数据模型可以继承空间数据库海量存储、高并发访问的优势,快速进行空间数据的综合分析和应用。根据不同的图件类型,提取相应的空间数据,叠加组合生成所需要的图件。例如,可以提取巷道及其注记数据、勘探线、钻孔等数据,叠加组合后生成特定比例尺的专题图形,或者通过比例尺变换,自动生成所需要的各种常用比例尺的采掘工程平面图。同时,由于增量模型本身具有数据小、处理速度快的特点,对空间数据的编辑、修改等控制操作可以精确到每一个空间实体,从而可以实现多用户的并发编辑,消除了数据冗余、大大提高工作效率,实现智能开采环境下各类空间数据、属性数据的高性能协同化处理时空一体化存储,还原矿山“开采前、开采中、开采后”的时空演化过程(图8),基于过去设计生产,基于现在预测未来,基于预测指导生产,实现自适应的智能矿山开采。
图8 智能矿山时空演化过程
Fig.8 Process of spatiotemporal evolutionary process for intelligent coal mine
实现煤矿井下空间信息的协同和高效管理是煤矿智能化的基础和先决条件之一。基于GGIS、时空数据库等技术基础,本文提出了面向智能开采的煤矿多专业分布式协同处理和安全生产信息共享机制,设计了“一张图”“一个库”的煤矿安全生产信息共享系统架构。通过多级架构分布式协同GIS“一张图”图形处理、大数据分析服务管理技术和平台,构建协同处理的网络数据传输通信机制、协同作业体系结构以及生产执行系统(MES)多源数据集成的信息融合和共享体系,保证智能开采全业务流程中各类数据的共享性、一致性、完整性和现势性,为智能开采实时在线、自适应应用提供支撑。
矿山时空数据涉及地测、采煤、掘进、通风、安全、机电、运输、设计等多个专业与部门,面向智能开采的空间信息处理是一种多专业协作的工作流,是一种数据协同。煤矿空间信息协作的主体是煤矿各业务部门的技术人员,协作的对象是矿山智能化开采中的各类实体。针对协同处理中可能出现的数据冲突问题,在GGIS时空数据库的基础上,采用“乐观冲突”解决机制,提供数据请求、数据获取、数据提交、数据签出、数据锁定与取消锁定、图层管理、用户数据冲突处理、权限管理、资源状态管理、数据审核等一系列协同控制服务,解决全业务流程中多人、多部门、多层级数据协同处理、一致性更新的难点问题。空间信息协同处理及共享体系结构从下至上分为数据层、协同服务层及应用层3个层次结构,如图9所示。
图9 空间信息协同处理及共享体系结构
Fig.9 Framework of spatial information collaboration and data sharing
(1)数据层。将煤矿地测、通防、采矿设计、机电设备等各类数据按时空信息、属性信息统一存储,建立时空数据库、瓦片地图库、空间索引库。时空数据库存储各业务部门的空间实体数据;瓦片地图库将一些对实时要求不高或数据变化周期较长的空间数据按地图切片方式存储,从而提高服务响应速度;针对煤矿数据类型多样、数据量大的特点,建立与时空数据库同步的索引库,为各专业应用提供空间实体的搜索。
(2)协同服务层。提供协同系统的数据读写、信息共享服务,包括地图服务、协同服务和搜索服务。地图服务以网络服务的方式解决空间数据的共享与展示问题,包括实时地图服务和切片地图服务两大类型。实时地图服务直接读取空间数据动态生成地图,可获取数据的最新状态并展示其应用场景;切片地图服务则是提前将相应的空间数据生成地图切片,请求地图时直接将切片返回给请求者即可,适合变化较慢、较少的空间数据部分,提前绘制成地图切片可以提高响应速度。协同编辑服务完成数据的各种并发编辑,包括协同新增、更新和删除,保证数据在不同专业、不同用户操作下仍然能够保证一致性且能够及时更新。
(3)应用层。提供面向智能开采的各业务环节数据需求的交互接口,通过桌面、Web、移动设备等方式,实现包括智能开采分析、决策在内的各类应用,并为相关业务部门提供完整、实时、最新的数据支撑。
面对安全生产信息共享平台大量流程管理及监测监控等数据集成需求,本文提出基于多源数据集成架构的信息融合思路,将生产技术、安全监测、智能控制、工业视频等数据统一纳入时空数据库的管理体系。多源数据集成架构采用数据使用和数据源提供分离的思想,为多源数据的共享提供了开放性和自由度,很好地实现了真正的数据共享和集成,不再需要有源数据格式宿主软件的支持。虽然多源数据集成中需要针对各种数据源分别建立数据服务引擎,可能根据数据源的不同带来相应不等的接入代价,但这样的引擎模块是相对独立的,通过开放式的架构设计,可以通过第三方合作或委托的方式实现专用引擎的开发,而且引擎是可以复用的,也将带来数据真正无缝共享的体验。
智能开采的直接目的是减员增效,最终实现少人或无人开采,一方面是对各类系统、装备进行智能化改造,另一方面需要建立基于TGGIS、协同和共享平台的多维可视化平台,逐步实现对井下开采环境和全业务流程的“一张图”展示、远程控制和无人或少人值守。
多维可视化本质上是通过GIS可视化引擎对空间数据以“二维、三维地图方式+时间”的展示技术,以达到身临其境的目的。GIS可视化引擎基于面向对象GIS数据模型体系,为空间实体提供“数据-显示”分离的机制,实体数据通过专门的解析通道转换为可供渲染、显示的元胞单元,可视化引擎通过支持统一的元胞绘制接口实现实体数据的可视化显示;实体显示为了达到最好的性能,采用插件式开发模式,在不同的平台下提供不同的可视化引擎,本文涉及的龙软煤矿地理信息系统提供了基于Windows桌面的GDI可视化引擎、基于Android移动终端的OpenGL可视化引擎、基于桌面端的图形渲染引擎、基于Web端的WebGL可视化引擎等,可以满足不同终端环境下对GIS可视化的显示、交互与性能需求。
多维可视化平台为矿山建立统一的业务展示和交互环境,基于该环境还可以建立智能开采数据采集与控制系统、数据分发及存储系统、可视化管控系统,实现对矿井各类设备和系统的管理及控制(图10),并通过统一的数据接入、存储、处理与分发,实现系统间的一体化管控及协同优化,提高矿井安全管理、生产管理的工作效率和智能化水平。
图10 智能开采二、三维可视化管控流程
Fig.10 Flow of 2D/3D visual management and control for intelligent coal mine
数据采集与控制系统是平台与子系统及硬件之间的数据通讯的驱动。通过数据采集与控制系统实现对机电设备智能化和信息化系统的数据采集与控制,数据通过数据分发及存储系统发布后供可视化管控系统使用。
数据分发及存储包括消息队列系统和数据库系统。消息队列系统是整个平台数据的神经中枢,对外提供消息队列发布订阅服务,负责平台所有实时数据及消息的发布与订阅,保证各个系统之间消息、数据、指令的即时传输。同时,消息队列系统还为第三方系统提供数据接口服务并归档存储变化的历史数据到数据库系统。数据库系统是关系数据库、非关系数据库、大数据存储的组合数据库系统,实现多源异构的数据归档和存储。数据库系统归档存储消息队列的历史数据,以供可视化管控系统进行历史数据查询、分析、数据挖掘。
可视化管控系统是整个平台所有数据可视化管理和远程控制的人机交互系统,通过二、三维可视化平台,以“一张图”地图或三维GIS+BIM的方式,提供与地理空间一致的数字化、虚拟场景,通过一个界面统一集成、全息展示矿井自动化系统和信息化系统,实现矿井信息的融合集成、全息展示,提供基于地理空间可视化环境的井上下各类系统、设备的远程交互式管理和控制,并对控制的实际结果进行可视化展示。同时,可视化管控系统还可以基于平台接入的各个子系统数据,采用大数据架构跨系统分析、处理,提供矿井生产管理的智能化评价和建议,在许可范围内远程自动化联动控制各个子系统。
根据生产矿井+二级公司+集团公司安全生产信息集成管理的要求,基于统一的网络环境和总体设计,本文介绍的部分成果已在阳泉煤业(集团)有限责任公司、大同煤矿集团有限责任公司、陕西煤业化工集团有限责任公司、中国平煤神马集团、山东能源临沂矿业集团有限责任公司等单位得到全面实际应用,效果显著,如图11所示。系统的应用,建立了综合调度、地测防治水、一通三防、生产技术、安全管理、机电运输、监测监控、应急救援、大数据分析、生产运营等的“一个库”和统一的信息共享管理平台(包括移动端),支持多专业包括专题图形、数值计算、安全诊断、决策支持分析、一张图服务等在内的分布式协同工作和实时在线处理,提高了管理和生产技术人员信息化处理的技能和意识,初步实现了 “一盘棋、一张网、一张图、一个库”的新型管理理念和Internet+大数据+煤矿的高科技目标,为采矿员的培养和智能开采管控的高科技化奠定了坚实的基础。
图11 智能开采信息共享平台应用实例
Fig.11 Application cases of the safety production information sharing platform for intelligent coal mine
(1)决策在线化是智能化矿山建设的重要保障,决策在线化的前提是全矿或全集团信息共享管理平台的开发和应用,以消除数据孤岛,实现全业务流程的一体化和可视化管理以及实时分析,为智能化开采的快速或在线决策支持提供信息化支撑。
(2)服务于智能开采的信息共享管理平台是一个复杂的巨系统,必须完成总体架构逻辑设计、业务流程的重构以及研发与地理信息系统、协同处理及信息共享机制、二三维图形可视化管控等相关的理论、模型及关键技术。
(3)信息共享管理平台的成功开发和应用,证明了理论技术方法具有先进性和实用性,实现了煤矿地测、一通三防、生产技术、监测监控、综合自动化、安全管理等业务数据在矿井内部以及矿井到集团的横向和纵向流动,可保证智能化煤矿安全生产管理的协同调度、集中管控,改变了煤矿安全生产的传统管理模式。
[1] 钱鸣高,许家林,王家臣.再论煤炭的科学开采[J].煤炭学报,2018,43(1):1-13.
QIAN Minggao,XU Jialin,WANG Jiachen.Further on the sustainable mining of coal[J].Journal of China Coal Society,2018,43(1):1-13.
[2] 袁亮.煤及共伴生资源精准开采科学问题与对策[J].煤炭学报,2019,44(1):1-9.
YUAN Liang.Scientific problem and countermeasure for precision mining of coal and associated resources[J].Journal of China Coal Society,2019,44(1):1-9.
[3] 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.
[4] 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,2019,44(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.
[5] 唐恩贤,张玉良,马骋.煤矿智能化开采技术研究现状及展望[J].煤炭科学技术,2019,47(10):111-115.
TANG Enxian,ZHANG Yuliang,MA Cheng.Research status and development prospect of intelligent mining technology in coal mine[J].Coal Science and Technology,2019,47(10):111-115.
[6] 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.
[7] 连民杰,周文略.金属矿山智能化建设现状与管理创新研究[J].矿业研究与开发,2019,39(7):136-141.
LIAN Minjie,ZHOU Wenlue.Study on current situation and enterprise management innovation in the construction of intelligent metal mine[J].Mining R&D,2019,39(7):136-141.
[8] 谭章禄,吴琦,肖懿轩,等.智慧矿山信息可视化研究[J].工矿自动化,2020,46(1):26-31.
TAN Zhanglu,WU Qi,XIAO Yixuan,et al.Research on information visualization of smart mine[J].Industry and Mine Automation,2020,46(1):26-31.
[9] 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.
[10] 毛善君.灰色地理信息系统——动态修正地质空间数据的理论和技术[J].北京大学学报(自然科学版),2002,38(4):556-562.
MAO Shanjun.Gray geographical information system-the theory and technology of correct geological spatial data dynamically[J].Acta Scientiarum Naturalium Universitatis Pekinensis,2002,38(4):556-562.
[11] 孙振明,毛善君,祁和刚,等.煤矿三维地质模型动态修正关键技术[J].煤炭学报,2014,39(5):918-924.
SUN Zhenming,MAO Shanjun,QI Hegang,et al.Dynamic correction of coal mine three-dimensional geological model[J].Journal of China Coal Society,2014,39(5):918-924.
[12] 毛善君,李梅.灰色地理信息系统的理论及应用[J].同煤科技,2017,(5):1-5.
MAO Shanjun,LI Mei.Theory and application of gray geographic information system[J].Tong Mei Kei Ji,2017,(5):1-5.
[13] 祁和刚,毛善君,王昌傲,等.煤矿高精度三维动态地质模型的研究与应用[M].北京:科学出版社,2016.
[14] 刘海滨,毛善君,刘浩.智能煤矿建设中的管理创新问题研究[J].煤炭经济研究,2019,39(4):15-19.
LIU Haibin,MAO Shanjun,LIU Hao.Research on management innovation in intelligent coal mine construction[J].Coal Economic Research,2019,39(4):15-19.
[15] 毛善君,杨乃时,高彦清,等.煤矿分布式协同“一张图”系统的设计和关键技术[J].煤炭学报,2018,43(1):280-286.
MAO Shanjun,YANG Naishi,GAO Yanqing,et al.Design and key technology research of coal mine distributed cooperative“one map”system[J].Journal of China Coal Society,2018,43(1):280-286.
[16] 毛善君,刘孝孔,雷小锋,等.智能矿井安全生产大数据集成分析平台及其应用[J].煤炭科学技术,2018,46(12):169-176.
MAO Shanjun,LIU Xiaokong,LEI Xiaofeng,et al.Research and application on big data integration analysis platform for intelligent mine safety production[J].Coal Science and Technology,2018,46(12):169-176.
[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] 龚健雅,李小龙,吴华意.实时GIS时空数据模型[J].测绘学报,2014,43(3):226-232.
GONG Jianya,LI Xiaolong,WU Huayi.Spatiotemporal data model for real-time GIS[J].Acta Geodaetica et Cartographica Sinica,2014,43(3):226-232.