井工矿由于深入地下，高效的通信一直是重点问题。20世纪80年代开始，1G通信技术已经应用于煤矿安全管理[1]。从“大哥大”、BB机到移动电话，从单纯语音通信到万物互联、海量多元数据传输与控制，移动通信技术伴随我国煤矿生产已有40多年的历史，经历了炮采、普采、综采和智能化开采等各个阶段，生产方式也由人工向机械化、自动化和智能化不断推进[2-3]。5G技术的到来，为深度融合云计算、大数据和人工智能等科学技术提供了契机和基础，使逐渐聚合形成一个完备的5G技术生态成为可能，为煤炭行业升级改造和智能化发展提供了关键的基础设施[4]。对应于5G技术eMBB(Enhanced Mobile Broadband，增强移动宽带),uRLLC(Ultra-Reliable Low-Latency Communications，超高可靠超低时延通信)和mMTC(Massive Machine-Type Communi-cations，大连接物联网)的三大特性[5]，5G技术为煤矿生产过程中的核心瓶颈问题提供了解决方案:① 监控和巡检等场景中大数据量传输对大带宽的需求;② 设备智能远程控制等场景的超低时延高可靠需求;③ 复杂“机-环”关系的采掘工作面智能感知等场景对大规模连接需求。这些改变将促进煤矿井下通信技术革新、信息化改造和装备自动化升级，涉及的一系列基础支撑技术也随之提升，生产、管理的顶层设计需要重构，因此探讨融合5G技术生态的智能煤矿建设具有重要的现实意义和理论意义[6-7]。
1 煤矿智能化面临的主要难题
我国煤矿开采绝大多数是地下开采，属于典型的深部空间作业，其作业环境恶劣，地质条件和开采条件复杂，因此对机械自动化、智能化开采等有着天然的需求[8-9]。
近年来，随着移动技术的不断发展，我国煤矿的智能化建设也不断加快，采掘运等煤炭生产各主要环节已实现了高度机械化以至自动化，采煤工作面机器人、钻锚机器人、巡检机器人等都已在煤矿井下得到应用，具体关系如图1所示。截止到2019年底，我国煤矿采煤机械化程度已经达到78.5%，已建成200多个智能化采煤工作面，为煤矿智能化建设奠定了基础[10]。
图1 移动通信技术与煤矿开采技术发展关系
Fig.1 Development diagram of mobile communication technology and coal mine technology
国家层面也注意到智能化在能源领域的重要价值。2020-02-25国家发展改革委等8部委联合印发了《关于加快煤矿智能化发展的指导意见》[11]的通知，明确指出“坚持以供给侧结构性改革为主线，坚持以科技创新为根本动力，推动智能化技术与煤炭产业融合发展，提升煤矿智能化水平，促进我国煤炭工业高质量发展。”
当前，制约煤矿智能化建设的问题集中在井下高效通信、装备智能化、决策智能化等一系列技术方面，主要表现在5个方面:
(1)数据汇聚不足，存在信息孤岛问题。受煤矿传统管理的制约，各信息系统的建设缺乏统一规划，部门之间和专业之间的数据各自独立，缺乏统一的数据接口和标准，致使数据无法关联与融合;另一方面部分信息尚未数字化，总体来说数据信息量小，精度低，类型单一，难以支撑大数据挖掘、预警分析、高精度三维模型、人工智能计算等技术应用的需求，以回采工作面为例，受有线网络布置及移动通信的限制，仅传输矿压、瓦斯、粉尘、综采设备等极少信息，且各个监控系统独立，点位较少，传输时间间隔较长，距离综采工作面智能化管理要求还有一定距离。
(2)数据传输能力不足。当前井下互通、井下与地面通讯网络带宽、速率、实时性等能力建设相对滞后，无法满足高清视频等大数据量的传输，导致无法实现视频驱动的智能化开采;设备间的关联依赖中间节点，无法即时大规模互联，影响井下开采环境安全生产信息的全息感知;大数据分析的结果不能及时用于设备控制，制约了先进技术的使用。
(3)应急响应被动滞后。灾害监测缺乏有效的预警机制，多数判断仅仅依据规程和制度约束，灾害告警属于被动的、事后响应式的，且大部分应急预案较为简单宽泛，缺乏具体操作和技术性内容，现场适应性不强。
(4)管理决策的智能辅助不足。受通讯带宽、计算能力和智能决策模型的限制，多数分析仅仅依靠经验判断和简单的统计分析，缺乏对海量数据、多因素的实时智能分析，无法对井下生产现场实现安全态势判断和管控，难以为企业运营管理提供有效的决策支持。
(5)设备可靠性和传感精度差。大型采矿设备作业机械、缺乏柔性，智能化水平较低;为安全作业布置的大量传感器采集数据较为单一，精度低、抗干扰能力差、用途单一，且传感器仅仅具备数据采集功能，没有数据分析能力，既加大了数据传输带宽的消耗，又限制了与设备联动管控的能力。
随着5G技术生态圈逐渐成熟，将能有效解决数据传输能力不足等问题，增强数据汇聚和融合，有力避免信息孤岛问题。为大数据分析、人工智能应用提供基础，实现大数据的深度学习和智能分析，进一步为煤矿生产提供辅助决策[12-13]。
笔者将着重探讨融合5G生态的智能煤矿总体架构和核心场景应用的建设问题。
2 智能煤矿总体架构建设
2.1 智能煤矿的内涵与定义
智慧矿山的核心是基于矿山数字化信息，借助通信技术、人工智能、大数据、互联网+等现代技术，实现煤矿的全面智能感知、自我分析和智能决策，使得煤矿“人、机、环、管”能够在统一和谐的综合体中高度自主运行。无人矿山是智慧矿山的终极目标[14-16]。
由于大量技术水平的制约，现阶段煤矿的生产条件复杂多变、作业环境差、大型设备协调难、干扰因素众多等问题，许多工种如采煤机参数调整、安全巡检还必须依赖人员经验，很难被人工智能替代，距“智慧矿山”的要求还具有较大差距[17-18]。
当前最现实的做法是将人员经验和智慧分阶段、逐步赋予当前高度自动化和智能化的装备上，并构建联通设备间、人员间及人与设备间的高效网络，实现智能化设备的安全运行、监控和调整;进而汇总信息，达到煤矿环境的全面感知，并通过人工智能、大数据、通信技术等先进技术协调控制，实现煤矿采、掘、机、运、通、销售、安全保障、应急管理、决策等全过程的智能化运行。
由此认为，在5G技术生态背景下，智能煤矿是指一个在煤炭生产过程中的“时空一体、万物互联、数据融合、全息感知、业务联动、智能决策”的有机综合体，如图2所示。
图2 智能煤矿六大特征
Fig.2 Six characteristics of smart coal mines
智能煤矿所涉及的采、掘、机、运、通、洗选、营销、质量、安全保障等主要系统应具有一定的自主感知、自主分析、智能辅助决策与执行能力。六大特征具体含义如下:
(1)时空一体。基于GIM(GIS+BIM)模式实现微观领域的BIM信息和宏观领域的GIS信息的全面整合[19]，实现矿山时空一体数字化建设，为智能煤矿提供一种全新的数字化、可视化和可量化的管理方式，推动安全生产管理向智能化和宏观化迈进。
(2)万物互联。基于5G技术，全面连接所有人、机、环、管要素的参数、位置、姿态、状态等数据，构建有效的人与人、人与物、物与物的感知网络。
(3)数据融合。将海量的异构、多维、动态的各类信息，基于感知网络拓扑关系，从时间、地点、场所、人员等多维度实现对所有数据的融合分析。
(4)全息感知。基于人工智能对所有信息进行强实时关联、融合和智能分析，实现人员、设备、环境和管理信息的自动快速分析和主动全息感知。
(5)业务联动。采用灵活、轻便、松耦合微服务模式，构建能够快速响应生产调度、实时指挥、紧急救援与ERP等生产管理系统一体化协同控制系统，实现业务之间的关联互动。
(6)智能决策。利用大数据和人工智能，建立深度学习的知识库，实现煤矿安全、生产、运销、后勤保障等方面管控的自我学习、快速分析和智能决策，并在部分领域能够实现系统的自主运维。
2.2 智能煤矿的基础搭建
智能煤矿不只是信息化和子系统的智能化，而是向全联接与全融合演进。智能煤矿建设，既要实现生产的自动化、信息化和智能化，同时要实现管理的精细化、数字化和智能化。其相关基础搭建主要包括5G+技术生态圈、GIM和混合云3部分，分别对应核心技术支撑、对象数字化和信息系统统一管理等3方面的建设。
2.2.1 5G+技术生态圈的搭建
充分利用和释放5G技术的潜能，将5G与物联网、大数据、人工智能、智能设备等技术进行深度融合创新，打造5G技术生态，如图3所示，实现煤矿信息从互联到智联的飞跃，煤矿信息从感知到智能操作的飞跃，成为各行各业升级转型的关键基础设施。
图3 5G技术生态圈
Fig.3 5G technology ecosystem
2.2.2 GIM的数字化构建
GIS侧重于表达工程与环境的自然信息，适用于煤矿各类项目的规划和运维，BIM侧重于表达工程资产的详尽信息，适用于煤矿各类项目的设计与施工。在煤矿的数字化构建中，可以利用GIS构建矿井地表和井下地理信息空间环境模型，完成二维信息向三维信息的转变，利用BIM的三维模型和虚拟现实功能，可以将矿井厂房、办公楼、采掘、运输、通风、排水等系统中的管线、设备都构建出来，并将其在GIS中呈现，实现所有模型参数化管理，从而将GIS与BIM二者数据无缝对接，完成智能煤矿的数字化构建。利用GIM时空 “一张图”可以实现对矿井空间对象数据、业务属性数据以及安全生产实时历史数据的综合集成管理，其构建过程如图4所示。
图4 GIM数字化构建示意
Fig.4 GIM digital construction diagram
GIM时空“一张图”可以为煤矿提供安全监控、生产过程监控、应急演练、成本管理、运维管理等服务与应用，实现二维以及三维地理空间下矿井场景的浏览及生产业务数据查询、统计和智能分析。
2.2.3 混合云技术的统一管理
混合云允许公有云和私有云之间协作共享，同时兼顾私有云的安全性及公有云在基本计算任务方面的灵活性和计算能力[20]。在煤矿领域，可以将历史遗留系统、安全监控系统、运输控制系统、无人值守系统等时效性、可靠性要求高以及不容易移植的系统部署在私有云上，而将企业门户、办公OA,CRM,ERP等信息发布和日常管理系统部署在公有云上，而智能化煤矿大数据中心，智能化综合管控平台、综合调度平台等系统则可以通过VPN等专属访问通道，综合访问私有云和公有云数据，建立煤矿统一的大数据主数据管理系统及数据仓库平台，在后台进行系统性的全面融合分析，为运行管理和智能决策支持提供支撑，如图5所示。
图5 混合云统一管理逻辑示意
Fig.5 Logic diagram of hybrid cloud unified management
2.3 智能煤矿的顶层设计
煤矿智能化建设需要从安全、集约、高效和可持续发展的战略高度来进行统一筹划，因此需要对智能煤矿安全管控模式、信息化系统架构、智能决策和态势分析模式等顶层设计方面进行整体改革与创新，为智能煤矿高质量发展提供坚实保障。
2.3.1 基于云边端一体化的管控模式
随着5G技术的到来，边缘计算和云边端一体化平台愈加成熟，可以将无线网络和互联网技术有效融合在一起[21-22]，在无线网络边缘就近处理计算、存储、分流和大数据分析等功能，满足许多行业对网络低延时、大带宽和数据安全性、可靠性等方面的诉求。在智能煤矿领域，安全监控、综采工作面远程操控、智能分析与管控等重要场景，一方面对实时性要求较高，需要将数据分析和控制服务“下沉”到数据源边缘地带(终端设备端)，另一方面AI预警分析模型训练、应急方案演练等对计算资源需求大、实时性要求不高，适宜在中心化的云端处理。最佳方案则是利用5G边缘计算和切片技术，总之，未来的计算不仅仅局限在大型数据中心，应该将云计算和边缘计算紧密结合起来，深度融合，充分利用各类资源，将传统云计算架构进一步去中心化，使计算和分析分布在由云-边-端构成的一体化连续频谱上(图6)，为煤矿重点场景安全管控提供最优方案。
图6 云边端一体化计算格局结构
Fig.6 Pattern Structure of cloud-edge-client integrated computing
2.3.2 基于微服务架构的的系统设计
在信息化平台架构的演变过程中，大致经历了3个阶段，分别是传统应用架构、面向服务的SOA架构和微服务架构[23-24]，如图7所示。与传统应用架构和SOA服务架构不同，微服务架构围绕着业务领域组件来创建应用，其采用语言无关和平台无关的轻量级通信机制，可以使业务彻底的组件化、服务化和去中心化，使应用开发、部署、管理和服务功能交付变得更加简单高效。
智能煤矿信息化建设中，采用微服务架构可将复杂的应用拆分为多个共享服务和独立业务服务，做到各个服务资源的合理分配。由此，可以随着企业业务和技术的不断发展，将不需要的业务服务抛弃，将需要的服务升级，并采用合适的技术或者工具不断优化架构，使企业平台永远处于一个不断演进和优化的动态过程中，真正做到与时俱进，为企业提供最优的服务。
2.3.3 基于“一张图”的智能态势分析与决策
当前大多数煤矿信息化系统都存在异构多维数据待融合，信息系统更新不及时、业务资源太分散、协同管理不彻底等诸多问题。采用GIM时空一体一张图的智能态势分析与决策，可在5G技术生态下，基于云边端思维和微服务架构等神经中枢控制器，采用视觉、语音、OCR多维度作业场景智能决策分析模型，实现煤矿设计、生产、监管、保障、评测等各类业务系统进行一体化管理，如图8所示。通过信息采集的统一化、业务系统的集成化，从而可以真正达到以“一张图”为统一参照条件下的异构数据的大融合，为综合态势分析与辅助决策奠定坚实基础，使得整个智能煤矿综合态势状态可视、作业可管和安全可控，能够达到从宏观到微观的全方位多维度分析:
图7 信息化平台主要架构对比
Fig.7 Comparison of framework of information platforms
(1)宏观——总体态势。建立基于智能煤矿战略目标及任务的一张图，汇聚分布在业务子系统运营态势，评估并评比各子系统运营质量。建立基于智能煤矿的“矿长驾驶舱”，辅助决策。
(2)中观——区域监控。基于决策需要聚焦单个区域子系统，综合大数据分析，采用一张图分层分区方式呈现生产、安全、能耗、空间环境、资产等运维数据，灵活应对管理区域突发事件。
(3)微观——运行维护。基于泛在感知网，实时监控各领域基础设施，感知各类系统态势及运行状况，做到实时维护，智能决策。
图8 基于“一张图”的综合态势分析与智能决策
Fig.8 Comprehensive situation analysis and intelligent decision-making based on one map
3 智能煤矿的主要应用场景
3.1 智能探测
煤炭地质工作与煤矿安全生产密切相关，煤矿地质保障系统是煤矿智能化开采的关键技术之一。然而由于当前探测技术与装备的限制，多数采煤工作面地质条件探查精度偏低，已经成为制约煤矿智能化开采的瓶颈之一。随着5G技术生态的逐渐成熟，必将实现信息技术、探测技术、传感器技术、智能装备技术等技术的深度融合，丰富综合地质勘查理论实践体系，促使精确探测技术实现跨越式发展，实现数据、信息、知识3层架构下的全息透明，建立最接近现实地质的虚拟数字化4D透明地质模型，构建透明矿井综合感知指标体系，实现主要采掘设备(工作面三机及运输系统)BIM信息与GIS地理信息数据共享和融合;实现采掘工程数据实时上传与关联，并可以在采、掘、机、运、通各系统中进行实时更新展示;实现人—机—环的协同管理。为实现煤炭资源高效安全开采提供坚实的保障。
3.2 智能掘进
相对于我国煤矿综采装备的快速发展，智能掘进技术一直发展相对比较缓慢，主要原因是受制于采掘工作面环境比较复杂，制约因素较多。应充分融合5G技术生态中环境感知、智能分析、智能远程操作等相关技术，重点针对掘进工艺、掘支运设备和集中控制系统等方面的关键技术研究攻关，优化煤巷掘进中截割、支护、装运三大工序的配置和作业流程，将传统的掘进、运输、支护等作业工序有机结合在一起，有效解决掘进、支护、运输的同步进行和连续作业问题。开发大断面煤巷快速掘进成套装备协同控制算法和软件功能模块，实现掘锚机自动定向截割和锚杆自动化钻装功能，支撑掘进工作面远程数字化集控系统建设，实现每100 m导航偏差±10 cm、截割断面成形精度0～10 cm，达到巷道的少人化智能快速掘进的总体要求。
3.3 智能开采
智能化开采技术是一项跨学科、跨专业又非常重要的综合前沿技术，涉及地质探测、传感技术、智能装备、大数据融合、物联网等多技术集成。在智能煤矿中，需要在5G技术生态的强力支撑下，利用多种探测和传感技术，实现多场信息融合的实时动态推演的4D透明地质构建技术;应用井下高清视频基于大数据分析和深度学习实现语义分析和理解、作业环境感知和预警;需要研究综采智能化工作面总体配套技术、基于综机协同配合与数据共享的综采自动化控制系统、工作面巡检机器人、端头和超前位置精准控制与协调推进等关键技术，实现工作面设备远程控制、工作面直线度控制、机架协同控制、端头设备一体化控制、采煤机多级联动控制等技术，最终达到综采工作面采煤全过程“无人跟机作业，有人安全巡视”的安全高效开采，如图9所示。
图9 煤矿智能开采
Fig.9 Intelligent coal mining
3.4 智能通风
以煤矿安全监控系统、5G通信系统及人员定位系统的信息融合为基础，以“云端”的大数据汇集与分析计算能力为依托，在矿井通风安全的技术范围内，满足安全跟踪监控预警、日常通风管理、中长期分析设计、应急通风处置等方面的需求。通过通风参数的在线实时监测，感知井下不同区域通风状态，依据在线风网解算结果及安全规程要求，进行通风设施的智能调控，智能通风展现示意如图10所示。重点应构建智能通风计算中心与“中枢神经”模块，摒除过去类同于“高级计算器”作用的通风网络解算概念，将 “解算”为引导的常规通风软件系统有效升级为“任务”为引导的智能通风软件系统，实现软件功能的智能化。系统能够依据矿井通风系统的递进变化及灾害风险特征，完成通风系统稳定性与抗灾能力的跟进式深度分析评价，实现对多主扇矿井灾变通风的可能格局、全矿反风及局域反风的风量风速分布与转换特点的跟踪分析，有效辨识通风系统的控灾特征与潜在风险，进而可以在应急状态下实现主要通风机和井下通风设施的管控。
图10 智能通风系统示意
Fig.10 Diagram of intelligent ventilation system
3.5 智能调度
调度系统是综合有线和无线通信技术、音视、视频和广播多媒体技术、物联网等技术，实现日常生产监控和调度及应急指挥调度的综合业务系统。其涉及的海量音视频文件传输、远程操作、互联融合等技术，属于5G技术生态的基本属性，因此5G技术生态可有效延伸调度的专业性并拓展调度的范围，使得调度系统的功能设计更加科学和完备，对煤矿的日常安全生产、调度指挥、应急管理等方面具有极大的保障作用。智能调度系统不应仅仅局限于某一专业或者场所，应该是一个全方面的综合调度系统，包括通讯调度、电力调度、监控调度、人员调度、机车调度和设备调度等多方面，系统可以将有线、无线、视频、广播所有设备采用一网承载，各分站之间可以互为备份、相互补充、协同工作，可以支持分级组网，实现从集团到分公司到矿的多级调度功能，并且可依据各类监测数据，实现灾情的自动识别和预警，按需自动联动有线、无线、广播、视频等设备，智能调度特性如图11所示。
图11 智能调度特性
Fig.11 Intelligent scheduling characteristic
3.6 智能洗选
通过对生产灰分校正系统、洗选重介控制系统、粗煤泥智能控制系统，实现对选煤厂洗选生产。
工艺的无人化和智能化控制。需要重点研究压力、密度、分流等单参数及多因素联合作用对重介产品质量和粗煤泥产品质量的影响;重点研究分级旋流器组的智能控制解决方案，涉及液位以及入料泵的流量、入料压力、矿浆浓度、电机转速、旋流器组开启数量等指标，使入料指标处于所需范围内，降低底流夹细、溢流跑粗情况，提高分选效率。程序可依据不同产品(原、精、矸等)在生产过程中积累的各类数据，通过大数据智能融合分析，实现系统的自优化及深度学习，形成高精度的灰分校正程序，重介浅槽控制程序运算速度≤100 ms，粗煤泥控制程序运算速度≤100 ms，程序自优化及自学习进程≤1 d。
4 智能煤矿延长方案及实践
陕西延长石油巴拉素煤矿是陕西延长石油集团在陕北投资建设的千万吨级大型现代化煤矿。为把巴拉素煤矿建设成为国内领先、世界一流的智能化示范矿井，特提出5G技术生态的智能煤矿建设的”延长方案”。其架构设计如图12所示。该方案在充分考虑巴拉素煤矿开采特征、数据信息及控制需求基础之上，以5G技术生态为主要依托，制定统一的智能煤矿标准和创新商业服务模式。首先方案将会重点研究巴拉素智能煤矿所有业务系统数据分类及数据描述方法，明确智能化煤矿各系统、各层次、各设备的状态、功能要求和它们之间的关系，建立统一的数据标准和交换协议;然后以5G通信网络、煤矿工业以太网及相关云资源为基础设施构建混合云大数据中心，并在其基础支撑服务之上，进一步对各业务系统功能进行精细划分，明确各子系统的专属微服务和公共微服务，优化微服务资源分配，完成系统的再构造，从而实现构建基于微服务架构的，涵盖煤矿生产管理、控制、安全、运维和运营等全生命周期的GIM一张图多功能智能管控平台，进而再通过对管控平台综合业务应用进行全媒体和多终端的融合，建设形成智能煤矿统一门户;最终彻底打通智能开采、掘进、一通三防、智慧园区等各业务系统信息孤岛，形成统一门户、统一数据中心、统一管控、指挥运行的煤矿运行中心及生态系统。
巴拉素智能化煤矿将按照3 a时间打造全球领先的一流现代化矿井的总体目标进行规划设计，切实打造一个实际运营的智能化煤矿样板，引领行业进步，全面实现以下目标:
(1)构建煤矿井下Wifi,5G通信系统与煤矿工业以太网混合组网，实现井下主系统的5G移动通信的全覆盖，系统支持不少于200台矿用5G基站;单个基站下最多可同时通话的5G手机32部。
(2)基于云中心一体化机房、调度指挥中心，大幅提升矿井数据的利用率、系统自动识别和处理的事件比例，系统平台接入点达到5万个点以上，60%以上数据应用于经营管理决策、优化和资源协调调度等应用场景中。
(3)实现全矿井生产流程、多要素的自动控制，实现综采工作面内无人操作、有人值守;煤流主运输系统无人值守;掘进工作面满足1 200 m/月以上进尺能力，巷道掘进工作面(胶带以前)作业人员5人以下。
(4)支持面向煤炭产品的订单式生产，大幅提升煤矿安全管控水平，实现多终端关联互动的瓦斯、煤尘、水、火和顶板等重大灾害隐患实时监测、动态识别、有效预警、超前控制;全面实现煤矿多专业、多部门系统作业和信息化管理。
图12 巴拉素煤矿智能化信息系统架构设计示意
Fig.12 Intelligent information system frame design of Balasu Coal Mine
5 结 论
(1)5G技术将是智能煤矿革新建设的重要推动力。其 eMBB,uRLLC和 mMTC三大特性为物联网、人工智能、大数据、智能装备深度融合应用提供了保障，可以促进煤矿井下通信技术革新、信息化改造和装备自动化升级，并带动一系列相关基础支撑技术得到提升，进而为煤炭行业升级改造和智能化发展奠定坚实基础。
(2)5G技术、混合云和GIM技术将是智能煤矿基础搭建的三要素，云边端一体化管控模式、微服务系统设计架构和一张图综合态势分析将是智能煤矿3个重要的设计理念，从而可以形成智能开采、智能掘进及智能通风等核心应用场景，其中自主感知、自主分析和智能辅助决策与执行能力应该是各个重点场景应用系统将来的研究重点和发展方向。
(3)基于本文提出的智能煤矿建设理念，在巴拉素形成智能煤矿建设“延长方案”。其以5G技术生态为主要依托，制定了统一的数据标准和交换协议，建立了混合云大数据中心，构建了基于微服务架构的GIM一张图多功能智能管控中心，形成统一的企业门户，初步构成了煤炭生产过程中多系统融合的智能感知、智能分析、智能决策和智能管控的煤矿智能化体系。
[1] 王军,顾义东,曾苛.WiFi通信技术在煤矿信息化中的应用分析[J].工矿自动化,2017,43(7):90-93.
WAND Jun,GU Yidong,ZENG Ke.Application analysis of WiFi communication technology in coal mine inlormatization[J].Industry and Mine Automation,2017,43(7):90-93.
[2] 王国法,杜毅博.智慧煤矿与智能化开采技术的发展方向[J].煤炭科学技术,2019,47(1):1-10.
WANG Guofa,DU Yibo.Development direction of intelligent coal mine and intelligent mining technology[J].Coal Science and Technology,2019,47(1):1-10.
[3] 索智文.煤矿综采工作面无人化开采技术研究[J].工矿自动化,2017,43(1):22-26.
SUO Zhiwen.Study on unmanned mining technology of fully mechanized coal mining face[J].Industry and Mine Automation,2017,43(1):22-26.
[4] 孙继平,陈晖升.智慧矿山与5G和WiFi6[J].工矿自动化,2019,45(10):1-4.
SUN Jiping,CHEN Huisheng.Smart mine with 5G and WiFi6[J].Industry and Mine Automation,2019,45(10):1-4.
[5] MAO Guoqiang.5G Green Mobile communication networks[J].China Communications,2017(2):183-184.
[6] 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.
[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] 刘新杰,宋高峰,蒋斌斌.煤炭行业发展历程及展望[J].矿业安全与环保,2019,46(3):100-103,112.
LIU Xinjie,SONG Gaofeng,JIANG Binbin.The development course and prospect of coal industry[J].Mining Safety & Environmental Protection,2019,46(3):100-103,112.
[9] WANG Jinhua,HUANG Zenghua.The recent technological development of intelligent mining in China[J].Engineering,2017,3(4):439-444.
[10] 李首滨.智能化开采研究进展与发展趋势[J].煤炭科学技术,2019,47(10):102-110.
LI Shoubin.Progress and development trend of intelligent mining technology[J].Coal Science and Technology,2019,47(10):102-110.
[11] 关于加快煤矿智能化发展的指导意见[N].中国煤炭报,2020-03-05(002).
[12] 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.
[13] 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 Soience and Technology,2019,47(3):35-42.
[14] 王国法,刘峰,孟祥军,等.煤矿智能化(初级阶段)研究与实践[J].煤炭科学技术,2019,47(8):1-36.
WANC Guofa,LIU Feng,MENG Xiangjun,et aL.Research and practice on intelligent coal mine construction(primary stage)[J].Coal Science and Technology,2019,47(8):1-36.
[15] 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.
[16] 袁亮.开展基于人工智能的煤炭精准开采研究,为深地开发提供科技支撑[J].科技导报,2017,35(14):1.
YUAN Liang.Carry out artificial intelligence-based research on precise coal mining to provide scientific and technological support for deep development[J].Science & Technology Review,2017,35(14):1.
[17] 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.
WAND Guofa,ZHANU 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.
[18] 范京道.煤矿智能化开采技术创新与发展[J].煤炭科学技术,2017,45(9):65-71.
FAN Jingdao.Innovation and development of intelligent mining technology in coal mine[J].Coal Science and Technology,2017,45(9):65-71.
[19] MIRARCHI Claudio,PAVAN Alberto,DE Marco,et al.Supporting facility management processes through end-users’ integration and coordinated BIM-GIS technologies[J].ISPRS International Journal of Geo-Information,2018,7(5):191.
[20] CHE Tianwei,MA Jianfeng,LI Na,et al.Security analysis of access control model in hybrid cloud based on security entropy[J].High Technology Letters,2015,21(2):200-204.
[21] 田辉,范绍帅,吕昕晨,等.面向5G需求的移动边缘计算[J].北京邮电大学学报,2017,40(2):1-10.
TIAN Hui,FAN Shaoshuai,LÜ Xinchen.Mobile edge computing for 5G requirements[J].Journal of Beijing University of Posts and Telecom-Munications,2017,40(2):1-10.
[22] XU Fangmin,YE Huanyu,CUI Shaohua,et al.Software defined industrial network architecture for edge computing offloading[J].Journal of China Universities of Posts and Telecommunications,2019,26(1):49-58.
[23] 贺雁鹏,黄庆享,曹健.可视化矿山的发展现状及关键技术[J].煤炭科学技术,2019,47(4):32-37.
HE Yanpeng,HUANG Qingxiang,CAO Jian.Development status and key technolgy of visual mine[J].Coal Science and Technology,2019,47(4):32-37.
[24] SUN Long,LI Yan,RAHEEL AHMED Memon.An open IoT framework based on microservices architecture[J].China Communications,2017,14(2):159-167.
