我国资源能源格局决定了在相当长的时期内，煤炭作为主体能源的地位难以动摇[1-2]。利用科技进步，逐步消除煤炭生产与消费过程中带来的安全和环境负效应是保障我国能源安全与国民经济可持续发展的根本手段。在煤矿安全高效生产方面，煤矿智能化是新时代煤炭行业发展的必经之路，是支撑我国未来煤炭行业生产方式转型的核心技术支撑[3-5]。近年来，随着我国科研能力的提升，煤炭开采装备、技术等也得到了长足发展，展现出新理论、新方法、新技术竞相迸发的新格局[3,6-13]，煤矿智能化水平已处于初级阶段[14]。煤矿智能化的科学内涵是煤矿主体系统的智能化[15]，即集成涵盖矿山感知、互联、分析、自学习、预测、决策、控制等核心内容的多产业链智能化系统，实现煤矿生产、安全保障、生态保护、生产管理等全过程的智能化运行[1]。2020年3月，国家发改委等八部委联合印发了《关于加快煤矿智能化发展的指导意见》，提出到2035年各类煤矿基本实现智能化的总目标，首次明确了重点突破包括“重大危险源智能感知与预警”在内的九大核心技术与装备。当前国内诸多学者已经对煤矿智能化的定义[16-17]、总体技术架构[18-19]、分类分级指标[20]与主体技术层面[3,12,21-23]做了大量研究，但对煤矿智能化条件下的安全保障问题研究较少。而煤炭工业区别于其他产业的重要特征就是安全风险的客观存在性，安全始终处于煤炭生产的首位[1]。随着可视化、物联网、大数据和5G等新技术与煤炭生产理念、工艺的有效融合，煤矿企业的生产方式已发生了显著改变。一方面，大量自动化、智能化装备的研发及应用，改变了煤炭的直接开采方式，初步实现了采煤工作面的自动割煤[22]、智能化匹配三机运动路径[12,24]等单装备体系的智能化，在高效生产的同时也显著提高了作业安全性;另一方面，现代信息技术的应用，也改变了煤炭生产环节的安全保障模式，由单一系统、单一专业的人治式粗放型保障模式逐步过渡为全系统、全专业的智能化精准保障[25]。所以，智能化条件下的煤矿安全保障理论与体系应适应于煤矿生产的智能化水平，建设与之相匹配的煤矿安全保障体系是煤矿智能化建设的重要有机组成部分。笔者结合国内外学者已有研究成果和中国矿业大学煤矿智慧安全管控平台的技术内核，主要探讨了煤矿智能化安全保障体系的内涵与关键技术。
1 煤矿智能化安全保障体系的内涵
所谓煤矿智能化安全保障体系，就是依托于煤矿智能化建设和人才培养，在煤矿井下水文地质条件、设备运维状态、煤矿生产信息感知的基础上，经过大数据集成、分析、建模和评估，实现智能化条件下的煤矿安全生产状态评估、安全风险评价、设备运维自检、系统智能决策、隐患自主排查与灾害发生后的设备自主联动，达到保障煤矿正常生产、预警重大灾害和科学管理进程的目的，其核心在于精准的地测感知、全面的数据平台、实时的风险评估和智慧的灾害处置。
图1 煤矿智能化安全保障体系架构
Fig.1 System architecture of intelligent safety security for coal mines
由以上定义可知，煤矿智能化安全保障体系的架构如图1所示，包括4个主要层面:感知层面，建设煤矿精准的全维感知体系;风险层面，建设精确的煤矿风险识别与预警体系;设备层面，开发具有自检自修能力的智能化装备体系;管理层面，树立技术密集型的煤矿安全管理理念。其技术内涵如下:
(1)煤矿精准的全维感知。实现煤矿智能化安全保障首要应具备精准的煤矿全维信息感知能力，即综合应用三维激光扫描、光纤传感、CT反演、惯性导航等传感技术手段，实现煤矿水文地质、力学场云信息、人员设备路径跟踪、矿井灾害信息等全方面、全维度、全体系感知，为煤矿智能化安全保障提供数据基础。
(2)精确的煤矿风险识别与预警。在实现煤矿全维感知的基础上，主要针对煤矿水、火、瓦斯、粉尘、顶板等主要灾害进行感知、建模和评价，结合灾害发生机理、大数据聚类分析及智能化算法，对煤矿井下危险源进行实时识别与评估，对可能发生的灾害进行智能预警，实现煤矿井下重大风险、隐患及人员设备不安全因素的早期预警。
(3)技术密集型的煤矿安全管理理念。摆脱现有的煤矿安全管理经验束缚，将重心由劳动密集型向人才技术密集型转变，构建煤矿智慧安全管理理念，在煤矿开采模式智能化[26]的基础上，基于安全科学理论，依循安全管理规律，实现矿山全维环境感知、风险自主评估、系统智能决策与设备自主联动等能力，形成煤矿感知、生产、调度、通风、管理等环节相融合的科学管理安全状态。煤矿智慧安全管理的核心在于人工智能，基本逻辑是采用大数据等现代信息技术将煤矿风险分级管控理念引入煤矿安全管理体系之中[27-30]，构建矿山全维生产要素的感知、数据集成、安全风险评估、智能控制和管理干预闭环，形成以开采环境数字化、信息感知全面化、风险评估体系化、风险预警系统化、管理干预智能化等为基本特征的智慧安全管理体系，这一体系的主要内容与煤矿智能化安全保障体系在技术层面具有高度的重合性。
(4)智慧化的自检自修设备系统。煤矿设备是煤矿生产最基础的要素支撑，也是煤矿智能化的重要载体[9]，煤矿智能化条件下的安全保障应包括设备状态安全和设备运维安全2个层面，而2者分别针对设备故障和设备事故，其本质是实现矿井机电设备管理的智慧化。一方面，集合全矿井系统装备，建立设备动态实时信息档案，定期主动自检，实现故障自检验、故障模块自定位、设备维修方案智慧生成，借助于设备内置或外接的检修机器人，实现常见设备故障自检自修、特殊故障自检待修;另一方面，针对易引发安全事故的重点设备，开发集成致灾因素传感模块，开发设备运维指标实时自检功能，通过煤矿大数据分析平台，实现井下设备引发安全风险的早期预警与防控，为煤矿设备层面的安全保障提供支撑。
煤矿智能化安全保障的实质是，由劳动密集型向人才、技术密集型转变，减少了人为操作环节，人不再作为设备和生产的必要沟通媒介，使得现代信息技术条件下煤矿安全治理靶点的指向性和扁平性更加突出。煤矿即时信息传输至数据仓库，经煤矿大数据平台处理返回矿井生产状态信息、安全状态信息、风险评估预警信息，并且对煤矿安全隐患实施智慧决策，联动相关设备进入应急动作，其技术层次如图2所示。
图2 煤矿智能化安全保障体系的技术架构
Fig.2 Technological architecture of safety security for intelligent coal mines
煤矿智能化安全保障体系集成了矿井生产状态、组织调度、地质赋存、通风、运输、风险识别与评估、设备联动反馈等动态信息，由煤矿全维信息感知、煤矿大数据共享平台、煤矿综合操作平台等3层组成。
煤矿全维信息感知主要指对涵盖煤矿水文地质条件、采动空间力学环境、灾害指标性信息、矿井设备及生产信息和人员路径及生理信息等的全维度、全方面、全系统感知，是进行信息存储、智能决策和系统联动的基础。
煤矿大数据共享平台主要包括矿井信息的去噪、清洗与模糊化处理，是煤矿智能化安全保障的功能核心，主要进行数据分析、实时风险评估与安全决策等，建立煤矿大数据仓库和云信息平台，是数据根基和资源保障。
煤矿综合操作平台是将以上的“智慧”结果向煤矿终端管理人员提供交互接口，“一张图”三维可视化展示矿井信息、安全状态、重大风险预警，提供系统联动方案或实施自主动作，是智慧安全管理的输出与控制层。
由于我国煤矿地质赋存条件复杂多变，不同地域、赋存条件的煤矿智能化建设的主要内容、技术目标、发展规划等存在较大的差异。受制于物联网、大数据和智能装备等智能化技术的发展水平，煤矿企业实现智能化的路径呈现出参差不齐的特点。煤矿智能化安全保障体系建设应展开宏观视角，立足于煤矿智能化在相当长的时期内由“少人”最终过渡为“无人”的进程，分区域、分阶段、分层次逐步推进建设，形成不同区域、不同特点、不同路径的典型发展方案，建设示范矿井，逐步实现煤矿零风险、零事故。
2 煤矿智能化安全保障体系关键技术
从煤矿智能化安全保障体系的技术需求可以看出，煤矿风险的智能化评估与预警是这一体系的核心。围绕煤矿“风险”问题，由煤矿全维信息感知至设备系统联动，形成数字式、一站式、智能式的煤矿风险辨识、预警、处理闭环。煤矿智能化安全保障体系的建设，仍需要突破以透明地质保障技术为基础，以煤矿大数据共享平台为载体，以煤矿重大风险评估预警技术为核心的关键技术体系。
2.1 透明地质保障技术
透明地质保障技术是煤炭智能化安全保障的基础，是实现巷道掘进、工作面回采等活动前、中、后地质预判、扰动感知与风险评估的数据基础[31]，其核心是基于煤矿物联网、传感器、地球物理等矿山全维信息感知技术，集成矿井全岩层、构造地质的几何及力学特征、水文地质特征、瓦斯地质特征等时空关联数据，采用智能化算法、大数据等技术，突破涵盖矿井显性及隐性特征的时空、力学状态五维建模，实现采前地质异常区域超前预知、采中扰动实时感知、采后岩体运移滞后评估的精准化、透明化，从地质层面保障煤炭智能化开采的顺利进行。
首先基于地质钻孔的棱柱信息群，通过布尔运算，生成初始的三维几何地质载体，并通过地测、水文探测、掘巷揭露、采煤工作面感知[6,12,24]等实时信息，将备采区煤层临近空间内的断层、褶曲、陷落柱等特殊地质构造问题对几何地质载体进行局部优化;然后，建立三维空间栅格模型，坐标化匹配煤岩层抗压强度、弹性模量、泊松比、黏聚力、硬度、内摩擦角、冲击倾向性等力学特征，发热量、水分、挥发分、自燃发火性等本征属性，栅格区瓦斯释放速度、瓦斯流量等瓦斯特征属性和三维空间应力、微震、岩层位移量[21]等扰动信息，实现采中扰动实时感知和采后矿井信息的时空数据关联。
2.2 煤矿大数据共享平台
近几年的煤矿自动化、信息化建设，使得煤矿基本实现了各单系统、单功能的信息采集与存储，但因信息化标准体系不统一，煤矿数据的通信协议和数据格式种类繁多，形成了离散化的信息孤岛。开发统一的煤矿大数据共享平台，打破数据壁垒，对涵盖煤矿井下传感信息、设备信息、地质信息、人员信息等进行通信协议转换和数据格式统一，通过数据提取、清洗与存储，构建海量煤矿数据统一的大数据共享平台。向下可链接煤矿全维信息的有效提取与储存，向上可进行煤矿数据的全域性融合，实现智能化风险评估与预警、系统智能决策、设备自主联动等，是构建煤矿智能化安全保障体系的咽喉。
基于Hadoop分布式大数据技术，针对煤矿海量数据存储和及时查询需求，设计了数据源、数据导入、数据加工、数据存储、分析处理和数据输出接口等6个层次的逻辑架构，基于分布式Hbase存储数据库，一方面分布式保存预处理后的终端数据，另一方面，对关键数据创建hive数据模型，以时间和空间作为储存目录，并以多台高性能服务器为主体，配置井下边缘数据平台。采用基于内存的分布式计算引擎Spark，进行分布式分析计算，将计算和存储分离，为多台服务器协同进行数据分析和快速计算提供了技术保证，形成了集数据收集、智能分析、协同分享功能于一体的煤矿大数据共享平台，为煤矿智能化安全保障构建了“数据大脑”。
2.3 矿井全维信息可视化建模技术
所谓矿井全维信息可视化建模，就是将矿井现实中的物理、力学要素数字化，采用计算机技术以可视化的效果表达，是煤矿综合操作平台的呈现载体。该技术以激光点云建模技术、GIS三维建模为基础，如图3所示，融合煤矿水文地质信息、矿井生产系统、采动空间力学状态、灾害指标性信息、矿井设备状态和人员路径及生理状态等信息，采H5建模技术、3Dmax建模技术实现矿井三维建模，在此基础上，应用LOD技术，建立基于时间和空间双维度的节点细分模型和物理接边算法，开发四叉树多分辨率形态渲染算法，建立与现实一致的三维煤矿场景。模型可支持所有实时与历史信息的时空匹配、穿透式查询与聚合，操作者可通过子菜单交互操作切换到各子模型界面，实现多种方式呈现各维度、各区域、各属性信息。
通过矿井全维信息可视化建模，可实现矿井要素的可视化展示与操作，有机集成现有各业务系统，建立矿井数据管理中心与各要素、各系统联动接口，为实现“风险评估体系化、风险预警系统化、管理干预智能化”提供平台支撑。
图3 矿井全维信息可视化建模
Fig.3 Visualization modelling by whole dimensional information of coal mine
2.4 煤矿风险评估与预警技术
目前，煤矿风险评估与预警技术的主要制约因素为危险源的评价模型及算法[32]。由于煤与瓦斯突出机理、冲击地压发生机理和采动空间突水机制等理论机理问题尚不清晰，所以难以建立针对煤矿重大安全风险建立力学意义上的精准的评估模型，大数据技术的聚类分析和模糊评判方法为解决这一问题提供了有效途径。笔者及研究团队通过开发面向数据流的可能性模糊聚类算法，将去噪编码器与极速学习机结合，建立了基于实时数据的煤矿风险评估与预警模型，如图4所示。
首先，训练编码器网络(DAE)，通过反向传播算法进行训练。当重构误差函数最小时，得到最优网络参数;然后，训练ELM极速学习机模型，将原始输入数据的去噪抽象特征矩阵h1，其输入层权值与隐含层输出为DAE2的输入层权值w2与隐含层输出h2;最后，利用学习训练得到的风险综合预警判断函数，根据风险预警指标在不同警度区间下的阈值进行评估预警。在单一指标基础上，确定预警区间，进行“正常”、“轻警”、“中警”与“重警”警度的实时预警。
关联规则挖掘作为数据挖掘的一个分支，在处理非线性模式识别方面表现出了很好的特性，可以通过对实时监测数据样本的学习，实现煤矿安全风险评估与预警。笔者及研究团队针对煤矿大数据多源异构的特点，将关联规则算法中经典的Apriori算法并行化，挖掘煤矿风险相关的强关联规则，建立了基于并行关联规则挖掘的风险评估与预警模型，如图5所示。首先，分析影响煤矿安全风险评估、预警的相关传感数据，如瓦斯浓度、矿压、煤尘、水害、火灾等外缘传感信息，并对这些多维的、异构的、不完全的、随机的和模糊的数据进行分组。然后，利用关联规则挖掘技术将煤矿安全风险预警的影响因素组成记录集合，并对该集合进行数据挖掘。
图4 面向实时数据的煤矿风险评估预警模型
Fig.4 Risk assessment model for coal mine by real-time data
图5 基于并行关联规则挖掘的煤矿风险评估与预警模型
Fig.5 Risk assessment model for coal mine by algorithms of parallel association rules mining
目前，关联规则已有许多经典常用的挖掘算法，例如Apriori 算法。在大数据环境下，研究方案拟采用基于MapReduce计算模式的并行Apriori 算法，利用频繁项集性质的先验知识，通过逐层搜索的迭代方法，即将k项集用于探察(k+1)项集，以穷尽数据集中的所有频繁项集。该算法基于Apriori性质:频繁项集的所有非空子集也必须是频繁的，利用层次循环发现频繁项集。为了减少计算量，可使用Apriori性质，即如果1个k项集的(k-1)子集不在Lk-1中，则该候选子集不可能是频繁的，可直接从候选项集合中删除。通过MapReduce框架并行生成关联规则子集，最终利用挖掘出的关联规则子集进行重大风险智能预警。
2.5 智慧煤矿系统联动技术
系统联动是指不同的系统软件之间相互关联所产生的信息、动作，通过统一的数据整合，把所有各子系统的数据和控制变量存放在数据库中，在配置关系后所产生的一种信息、动作控制方式，当某一系统发生预警情况时，引发预警系统以外的其他系统(设备)进行动作。笔者及研究团队开发了包含同一截面多系统数据查询、多系统联动展示、多系统联动信息推送和多系统联动控制的智慧煤矿系统联动技术。
2.6 井下智能巡检机器人技术
随着5G、物联网、大数据等技术的逐步成熟，煤矿智能化必将进入井下无人作业阶段，井下智能巡检机器人将是煤矿智慧安全管理体系的重要组成部分。以机器人为数据终端，依托井下高速无线数据传输技术实现机器人及大数据后台的实时互通，针对不同煤矿安全风险类型开发相匹配的便携式传感器，以多维度、多批次、多区域形式实现机器人煤矿全维风险信息的感知。集成地球物理探测技术、惯性导航、多元定位、图像识别、人工智能等先进技术，开发路径自主识别与规划、物相识别和井下风险源感知等技术，研发面向无人化的自感知、自决策、自预警、自处置的矿山智能巡检机器人。
3 软件系统开发案例
3.1 服务架构
依据前文描述的关键技术与初步实现方法，笔者及研究团队在中国矿业大学煤矿智慧安全管控平台中针对一般性煤矿实现了部分实现和应用。面向煤矿智能化安全保障问题，笔者及其团队在原有的矿井三维可视化建模技术、矿山大数据平台和煤矿重大风险评估预警技术等科研成果的基础上，依托以上架构及技术体系，开发了煤矿智慧安全管控平台系统，其系统架构如图6所示。软件系统以煤矿安全风险为核心对象，建设集数据采集分析、存储、事故预测预警、安全风险评估、趋势预测等功能于一体的煤矿智能化安全保障系统，实现内部子系统之间互联互通、动态数据采集分析和风险预测预警，为煤矿日常生产调度、安全风险处理、应急救援等工作提供数据和技术手段。基本核心技术是实现系统数据“集成化”、要素展现“可视化”、风险评估“智能化”、操作软件“平台化”。
(1)系统数据“集成化”。通过系统平台建设，首先将矿井的数十个子系统进行集成，实现数据之间互联互通，逐步消除信息孤岛。下一阶段，笔者及研究团队将逐步集成采煤工作面感知数据[12]、矿井水文地质数据、力学场云信息和设备运维状态等，实现全矿井的全维感知。
(2)要素展现“可视化”。要素展现可视化包括3方面的内容:① 将矿井真实存在客体进行数字化，通过系统平台进行可视化的展现;② 将矿井生产产生的岩层力学信息、扰动信息、场云信息匹配数字化客体进行展现;③ 对平台生产的数据结果，依托软件平台和矿井客体进行展现。
(3)风险评估“智能化”。笔者及研究团队采用大数据技术，结合灾害衍生机理，利用人工智能和机器学习，积累优化模型知识库，针对煤矿水、火、瓦斯、粉尘、顶板等主要灾害进行点线面的风险等级评估，构建煤矿井下监测点、局部区域和系统3个层级的危险源感知和预警体系，从宏观、微观2个层次对煤矿风险进行监测、预警、评估。下一阶段，笔者及研究团队将针对煤矿进入深部后的特殊灾害衍生方式和煤矿采煤工作面、掘进工作面重点灾害的分区域、分特点预警方面展开技术攻关，最终达到实现涵盖不同地质赋存特征、不同煤矿防控区域的典型风险预警模块。
(4)应用系统“平台化”。基于统一架构、统一标准、统一认证和统一运维体系，建成煤矿企业的生产和安全管控平台，实现数据采集分析、业务协同和井下子系统远程联动处理，后期可不断接入新的系统。
3.2 软件功能
软件重点围绕“智能化数据分析——远程平台管理”的煤矿智慧安全管理路径，部分实现了上文所述的关键技术，在煤矿综合可视化操作平台、大数据分析平台、安全风险智能评估和多系统联动控制等模块实现了阶段性的功能成果。下阶段，将在煤矿智能化和煤矿感知技术发展的基础上，进一步精确煤矿风险预警、完善煤矿智慧安全管理模式，真正实现智能化的煤矿安全保障。
(1)煤矿综合可视化操作平台。采H5建模技术、3Dmax建模技术实现了矿井三维建模，在此基础上，集成自动化设备监控类数据、矿井地质类数据和业务管理运行类数据，并连接煤矿井下可控设备系统，建成了煤矿综合可视化操作平台。如图7所示，实现数据采集分析、可视化展示与井下关联设备远程联动。
(2)煤矿大数据分析平台。对采集到的矿井数据，统一数据格式并实现数据云端存储，建成了单个矿井的大数据分析平台，如图8所示。通过大数据分析平台的建设，集成了大数据聚类分析模型、风险预测预警模型等模块，贯通了信息采集与利用的上下联系。
图6 煤矿智慧安全管控平台系统架构
Fig.6 Architecture diagram of coal mine intelligent safety control platform
图7 煤矿综合可视化操作平台
Fig.7 Comprehensive visual operation platform of coal mine
图8 智慧矿山大数据分析平台
Fig.8 Coal mine intelligent big data analysis platform
(3)煤矿安全风险智能评估。融合安全风险要素数据及相关共享数据，基于大数据、知识图谱、机器学习等技术，建设风险可视化综合监测、专题展示等功能。主要包括风险要素数据汇聚与可视化、企业安全监控系统运行状况感知、安全隐患自动监测识别预警。基于生产安全事故和灾害风险要素监测历史数据和多层次风险评估历史结果，构建多层级安全风险趋势分析模型，对煤矿各类自然灾害感知信息的发展变化趋势进行预测，实现煤矿生产区域、矿井安全生产风险态势评估。系统的主要内容包括生产区域安全生产风险态势综合评估、矿井安全生产风险态势综合评估、评估模型体系自适应优化等模块，如图9所示。
(4)多系统联动控制。从系统联动的目的性出发，结合现有系统的布置及其功能特点，实现了区域多系统数据联动展示、多系统联动信息推送、报警条件下跨系统断电联动控制、人工介入条件下半自动化控制和自动化联动控制，逐步完善当出现监测数据超限、重大隐患、特定条件设置等情况时，系统自动实现系统、设备、区域断电、设备开停、供风供水、停风停水等操作。
(5)移动可持式终端展示。在矿井实现井下4G or 5G通信的条件下，人员佩戴移动端到达井下，移动终端自动匹配定位信息，并关联显示区域矿井要素的详细信息，通过验证终端持有人的权限，系统分级开放信息录入、音视频采集和远程控制等功能。移动可持式终端及界面如图10所示，用户可注册账号或通过微信扫码方式登录。移动可持式终端技术的应用，使煤矿智能化安全保障体系更加精准化、实时化。
图9 煤矿重大风险实时评估预测
Fig.9 Real time assessment and prediction of major risks in coal mines
图10 移动可持式终端展示与控制
Fig.10 Display and control of mobile terminals
3.3 应用实例
中国矿业大学煤矿智慧安全管控平台率先在同煤集团塔山煤矿进行了实践。在当前煤矿智能化建设的初期阶段，重点应用了矿井安全状态综合评价、工作面风险预警处理模块，应用结果分别如图11,12所示。通过系统平台，可以获取煤矿重大风险预警信息，实现当前风险动态综合监测;对未来的安全生产风险精准预警，对安全生产风险趋势进行预测，提前采取防控措施;在需要时能够调取实时图像、数据，督促责任单位、人员落实安全管理职责，创新智能化条件下的煤矿安全管理模式，并且通过对生产区域、矿井综合安全态势进行智能评估，反馈安全管理效果。
图11 同煤塔山矿井安全状态综合评价与预警结果
Fig.11 Safety state comprehensive evaluation and early warning results of Tashan coal mine
图12 同煤塔山工作面瓦斯预警和安全态势分析结果
Fig.12 Safety situation analysis and gas early warning results in mining face of Tashan coal mine
4 结 论
(1)煤矿智能化安全保障体系是煤矿智能化建设的重要有机组成部分。系统论述了煤矿智能化安全保障体系的定义、内涵及技术特点，指出了其核心在于精准的地测感知、全面的数据平台、实时的风险评估和智慧的灾害处置，形成数字式、一站式、智能式的煤矿风险辨识、预警、处理闭环。
(2)介绍了煤矿智能化安全保障体系在感知层面、风险层面、设备层面和管理层面的架构，提出了煤矿精准的全维感知、精确的煤矿风险识别与预警、技术密集型的煤矿安全管理理念和智慧化的自检自修设备系统4项技术内涵。
(3)阐述了煤矿智能化安全保障体系建设需重点解决的关键技术，包括透明地质保障技术、煤矿大数据共享平台、矿井全维信息可视化建模技术、煤矿风险评估与预警技术、智慧煤矿系统联动技术等。
(4)开发了面向煤矿智能化安全保障的煤矿智慧安全管控平台系统，对统数据“集成化”、要素展现“可视化”、风险评估“智能化”、操作软件“平台化”进行了技术验证，为建设完整的煤矿智能化安全保障体系探索了一条可行的技术路径。
[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 of key core technologies of smart coal mines and intelligent mining[J].Journal of China Coal Society,2019,44(1):34-41.
[2] XUE Guangzhe,GU Chao,FANG Xinqiu,et al.A case study on large deformation failure mechanism and control techniques for soft rock road ways in tectonic stress areas[J].Sustainability,2019,11:351013.
[3] 王国法，赵国瑞，胡亚辉.5G技术在煤矿智能化中的应用展望[J].煤炭学报，2020，45(1):16-23.
WANG Guofa,ZHAO Guorui,HU Yahui.Application prospect of 5G technology in coal mine intelligence[J].Journal of China Coal Society,2020,45(1):16-23.
[4] 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.
WANG Guofa,LIU Feng,MENG Xiangjun,et al.Research and practice of coal mine intelligence(primary stage)[J].Coal Science and Technology,2019,47(8):1-36.
[5] 王国法，王虹，任怀伟，等.智慧煤矿2025情景目标和发展路径[J].煤炭学报，2018，43(2):295-305.
WANG Guofa,WANG Hong,REN Huaiwei,et al.Smart coal mine 2025 scenario goals and development path[J].Journal of China Coal Society,2018,43(2):295-305.
[6] 方新秋，何杰，张斌，等.无人工作面采煤机自主定位系统[J].西安科技大学学报，2008，28(2):349-353.
FANG Xinqiu,HE Jie,ZHANG Bin,et al.Autonomous positioning system of coal mining machine in unmanned working face[J].Journal of Xi’an University of Science and Technology,2008,28(2):349-353.
[7] 何满潮，宋振骐，王安，等.长壁开采切顶短壁梁理论及其110工法——第三次矿业科学技术变革[J].煤炭科技，2017(1):1-9.
HE Manchao,SONG Zhenhuan,WANG An,et al.Theory of longwall mining cut top shortwall beams and its 110 construction method-the third mining science and technology reform[J].Coal Science and Technology,2017(1):1-9.
[8] LIANG Minfu,FANG Xinqiu,LI Shuang,et al.A fiber Bragg grating tilt sensor for posture monitoring of hydraulic supports in coal mine working face[J].Measurement,2019,138:305-313.
[9] 葛世荣，胡而已，裴文良.煤矿机器人体系及关键技术[J].煤炭学报，2020，45(1):455-463.
GE Shirong,HU Eryi,PEI Wenliang.Coal mine robot system and key technologies[J].Journal of China Coal Society,2020,45(1):455-463.
[10] LIANG Minfu,FANG Xinqiu,NING Yaosheng.Temperature compensation fiber bragg grating pressure sensor based on plane diaphragm[J].Photonic Sensors,2018,8(2):157-167.
[11] 姜德义，魏立科，王翀，等.智慧矿山边缘云协同计算技术架构与基础保障关键技术探讨[J].煤炭学报，2020，45(1):484-492.
JIANG Deyi,WEI Like,WANG Yan,et al.Discussion on the key cloud technologies of smart mine edge cloud collaborative computing technology architecture and basic guarantee[J].Journal of China Coal Society,2020,45(1):484-492.
[12] 方新秋，梁敏富，李爽，等.智能工作面多参量精准感知与安全决策关键技术[J].煤炭学报，2020，45(1):493-508.
FANG Xinqiu,LIANG Minfu,LI Shuang,et al.Key technologies of multi-parameter accurate sensing and safety decision-making of intelligent working face[J].Journal of China Coal Society,2020,45(1):493-508.
[13] 谢和平，高峰，鞠杨，等.深地煤炭资源流态化开采理论与技术构想[J].煤炭学报，2017，42(3):547-556.
XIE Heping,GAO Feng,JU Yang,et al.Theory and technical conception of fluidized mining of deep coal resources[J].Journal of China Coal Society,2017,42(3):547-556.
[14] 王国法，杜毅博.煤矿智能化标准体系框架与建设思路[J].煤炭科学技术，2020，48(1):1-9.
WANG Guofa,DU Yibo.Framework and construction ideas of coal mine intelligent standard system[J].Coal Science and Technology,2020,48(1):1-9.
[15] 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.Intelligent coal mines—the core technical support for high-quality development of the coal industry[J].Journal of China Coal Society,2019,44(2):349-357.
[16] 王金华，黄乐亭，李首滨，等.综采工作面智能化技术与装备的发展[J].煤炭学报，2014，39(8):1418-1423.
WANG Jinhua,HUANG Leting,LI Shoubin,et al.Development of intelligent technology and equipment in fully mechanized mining face[J].Journal of China Coal Society,2014,39(8):1418-1423.
[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.
WANG Guofa,ZHANG Desheng.Innovation practice and development prospect of intelligent coal mining technology[J].Journal of China University of Mining & Technology,2018,47(3):459-467.
[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.Key technologies of smart coal mine main frame design and system platform construction[J].Coal Science and Technology,2019,47(3):35-42.
[19] 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 smart coal mines and intelligent mining technology[J].Coal Science and Technology,2019,47(1):1-10.
[20] 王国法，庞义辉，刘峰，等.智能化煤矿分类、分级评价指标体系[J].煤炭科学技术，2020，48(3):1-13.
WANG Guofa,PANG Yihui,LIU Feng,et al.Intelligent coal mine classification and grading evaluation index system[J].Coal Science and Technology,2020,48(3):1-13.
[21] 柴敬，雷武林，杜文刚，等.分布式光纤监测的采场巨厚复合关键层变形试验研究[J].煤炭学报，2020，45(1):44-53.
CHAI Jing,LEI Wulin,DU Wengang,et al.Experimental study on the deformation of the large-thickness composite key layer in the stope with distributed optical fiber monitoring[J].Journal of China Coal Society,2020,45(1):44-53.
[22] 刘春生，李德根，任春平.基于熵权的正则化神经网络煤岩截割载荷谱预测模型[J].煤炭学报，2020，45(1):474-483.
LIU Chunsheng,LI Degen,REN Chunping.Prediction model of coal rock cutting load spectrum based on entropy-based regularized neural network[J].Journal of China Coal Society,2020,45(1):474-483.
[23] 刘宏杰，张慧，张喜麟，等.煤矿无轨胶轮车智能调度管理技术研究与应用[J].煤炭科学技术，2019，47(3):81-86.
LIU Hongjie,ZHANG Hui,ZHANG Xilin,et al.Research and application of intelligent dispatching management technology for trackless rubber wheeled vehicles in coal mine[J].Coal Science and Technology,2019,47(3):81-86.
[24] 方新秋，宁耀圣，李爽，等.基于光纤光栅的刮板输送机直线度感知关键技术研究[J].煤炭科学技术，2019，47(1):152-15.
FANG Xinqiu,NING Yaosheng,LI Shuang,et al.Research on key technology of straightness perception of scraper conveyor based on fiber grating[J].Coal Science and Technology,2019,47(1):152-15.
[25] 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.Research progress and development trend of intelligent mining[J].Coal Science and Technology,2019,47(10):102-110.
[26] 王国法，庞义辉，任怀伟.煤矿智能化开采模式与技术路径[J].采矿与岩层控制工程学报，2020，2(1):5-19.
WANG Guofa,PANG Yihui,REN Huaiwei.Intelligent mining mode and technical path of coal mines[J].Journal of Mining and Rock Control Engineering,2020,2(1):5-19.
[27] 李新春，宋学锋.煤矿本质安全管理体系研究[J].中国矿业大学学报(社会科学版)，2008，(2):65-69.
LI Xinchun,SONG Xuefeng.Research on coal mine intrinsic safety management system[J].Journal of China University of Mining & Technology(Social Science Edition),2008,(2):65-69.
[28] 孟现飞，宋学锋，张炎治.煤矿风险预控连续统一体理论研究[J].中国安全科学学报，2011，21(8):90-94.
MENG Xianfei,SONG Xuefeng,ZHANG Yanzhi.Theoretical research on continuum of coal mine risk pre-control[J].Chinese Journal of Safety Science,2011,21(8):90-94.
[29] 贺超，宋学锋，李贤功.煤矿安全监管信息管理系统的研究及探讨[J].工矿自动化，2013，39(1):96-99.
HE Chao,SONG Xuefeng,LI Xiangong.Research and discussion on coal mine safety supervision information management system[J].Industry and Mine Automation,2013,39(1):96-99.
[30] 李爽，宋学锋.我国煤矿企业安全监管的内外部博弈分析[J].中国矿业大学学报，2010，39(4):610-616.
LI Shuang,SONG Xuefeng.Internal and external game analysis of safety supervision of coal mine enterprises in China[J].Journal of China University of Mining and Technology,2010,39(4):610-616.
[31] 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,SHU Shuting.Geological guarantee for precise coal mining and transparent geological cloud computing technology[J].Journal of China Coal Society,2019,44(8):2296-2305.
[32] 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.Key technologies of smart coal mine main architecture design and system platform construction[J].Coal Science and Technology,2019,47(3):35-42.
