金属矿山风险监测物联网关键技术研究现状与发展趋势_谭爱平.pdf

收稿日期2019-12-03 基金项目 “十三五” 国家重点研发计划项目 （编号 2016YFC0801607， 2017YFC0805005） 。 作者简介谭爱平 （1984） ， 男， 博士研究生。通讯作者邓庆绪 （1970） ， 男， 教授， 博士， 博士研究生导师。 总第 523 期 2020 年第 1 期 金属矿山 METAL MINE 金属矿山风险监测物联网关键技术研究现状 与发展趋势 谭爱平 1 刘春德 1 邓庆绪 1， 21 （1. 东北大学计算机科学与工程学院， 辽宁 沈阳 110169； 2. 航空动力装备振动及控制教育部重点实验室， 辽宁 沈阳 110819） 摘要金属矿山开采作业过程中， 有毒气体、 透水、 矿井塌陷等对施工作业人员的安全带来了巨大威胁， 因 此， 基于金属矿山施工过程的风险监测及预警的物联网应用具有重要意义。介绍了面向金属矿山施工安全风险监 测的物联网应用的体系架构， 分析了当前技术的发展概况， 并阐述了金属矿山风险监测物联网应用的意义和必要 性。以数据采集、 数据传输、 数据融合、 数据分析等技术为重点研究对象， 分析、 整理和研究了国内外相关成果。从 专用特种传感器、 时空演变多维数据融合、 可靠实时无线数据传输等几个方面指出了当前技术的发展现状和存在 的不足， 并对存在的问题进行了剖析， 指明了当前工作面临的主要挑战， 即 ①国产芯片受制于人， 特别是面向专用 领域的传感器芯片； ②对风险监测数据的分析缺乏时间、 空间的多维度分析； ③矿井复杂、 密闭的巷道结构使得无 线数据传输的实时性和可靠性受到影响； ④新技术应用相对滞后。在充分研究国内外物联网行业的技术发展动态 后， 以人工智能、 边缘计算等新技术为突破点， 阐述了金属矿山风险监测的物联网技术未来发展的方向。 关键词金属矿山矿山开采风险监测物联网安全施工 中图分类号TD853， TD76文献标志码A文章编号1001-1250 （2020） -01-1026-11 DOI10.19614/ki.jsks.202001003 Study Progress and Development Trends on Key Technologies for Metal Mine Risk Monitoring of Internet of Things Tan Aiping1Liu Chunde1Deng Qingxu1， 22 （1. School of Computer Science and Engineering， Northeastern University， Shenyang 110169， China； 2. Key Laboratory of Aero- dynamic Equipment Vibration and Control， Ministry of Education， Shenyang 110819， China） AbstractDuring the mining process of metal mines， there are great threats to the safety of miners， such as toxic gases， water gushing-out，and mine collapse and so on.Therefore， the application of Internet of Things（IoT）for risk monitoring and early warning of metal mine construction process is of great significance.The architecture of IoT applications for metal mine construction safety risk monitoring is proposed， and the current status and trends of technology development is studied， and the significance and necessity of metal mine risk monitoring IoT applications is expounded.Focusing on data acquisition， data transmission， data fusion and data analysis technologies， relevant study results at home and abroad are analyzed and studied. The current development status and shortcomings are pointed out from special sensors， multi-dimensional data fusion of space- time evolution， reliable real-time wireless data transmission， etc.. There are four main challenges in the current work①domes- tic chips are subject to abroad， especially sensor chips for special fields； ②the analysis of risk monitoring data lacks multi-di- mensional analysis of time and space；③the complex and closed tunnel structure in underground mining makes the wireless data affected in real time and reliability； ④the application of new technology is relatively lagging.After fully studying the tech- nological development trends of the IoT both at home and abroad， the future development directions of IoT technology for metal mine risk monitoring is pointed out， including artificial intelligence， edge computing and so on. KeywordsMetal mine， Mine mining， Mining risk monitoring， IoT， Safety construction Series No. 523 January2020 26 ChaoXing 进入21世纪， 我国的经济体制改革发展到了一 个新的时期， 随着城市化进程的不断加快， 作为传统 行业之一的采矿业仍然发挥着巨大作用， 特别是铁、 铜、 金、 铝等金属矿产的需求正在逐年增加。根据统 计， 预计到2020年， 我国将有20多种矿产出现短缺， 其中9种严重短缺， 而金属矿产占了很大比重 ［1］。因 此， 进一步提升金属矿产的产量十分必要。目前， 金 属矿的开采方式大多是地下开采， 相比于露天开采， 地下开采方式具有采空区体积大、 重叠贯通性强等 特点， 给矿山开采带来了严重的安全隐患， 施工风险 极高， 因此， 金属矿山开采的安全性受到了广泛关 注。早在2016年， 国务院安全生产委员会就已经下 发了 金属非金属地下矿山采空区事故隐患治理工 作方案 ， 随后几年在全国范围内对金属矿山的相关 施工企业进行了整改。 为保障地下矿山安全生产， 确保矿山职工及其 周边人民群众的正常生产生活，国务院关于进一步 加强企业安全生产工作的通知 中明确要求金属、 非 金属地下矿山在相应的时限内建设 “六大系统” ， 即 监测监控系统、 井下人员定位系统、 紧急避险系统、 压风自救系统、 供水施救系统以及井下通信联络系 统。物联网技术可以通过信息传感设备， 按约定的 协议， 将任何物体与网络相连接， 通过信息传播媒介 进行信息交换和通信， 以实现智能化识别、 定位、 跟 踪、 监管等功能。“六大系统” 实施过程中， 其主要的 功能是实现环境数据采集、 传输、 分析以及设备自动 控制， 因此， 通过物联网技术进行矿山安全 “六大系 统” 建设是一个有效的解决方案。当前关于矿山 “六 大系统” 的物联网技术的研究成果涉及能耗、 传输、 组网、 时钟同步等多个技术层面， 但是面向金属矿山 这一特殊应用场景的相关研究成果系统性不强。本 研究以物联网技术为基础， 分析矿山 “六大系统” 部 署和应用中涉及的关键技术， 重点探讨环境监测、 监 控和人员定位等物联网应用的关键技术， 以物联网 标准技术体系为基础， 从数据采集、 数据传输、 数据 融合以及数据分析4个方面对当前国内外的研究进 展进行分析， 提出当前工作面临的挑战， 并阐述未来 发展的方向。 1金属矿山风险监测物联网技术概况 1. 1体系架构 在金属矿山 “六大系统” 中， 不同的系统在功能 上有所区别， 但是在具体的物联网技术层面， 可以划 分为如图1所示矿山风险监测物联网模型。该模型 按照分层体系的划分方法， 由下至上可以分为感知 层、 网络层、 处理层和应用层。 （1） 感知层。感知层由各类特殊的专用传感器、 A/D转换 （Analog to Digital Converter） 、 无线通信模块 构成， 用于采集金属矿山施工环境中的各类数据， 根 据应用的不同， 可以采集温度、 湿度、 气体、 风速等环 境数据， 也可以采集用于人员定位的标签数据和用 于设备、 车辆状态监测的数据。感知层通过传感器 采集数据， 而后进行A/D转换， 最后根据需要进行无 线网络接入， 发送数据。 （2） 网络层。金属矿山风险监测物联网应用的 网络层通常指的是无线网络和相关设备， 对于某些 特殊汇聚设备， 可采用可靠的有线链路进行连接。 网络层负责进行网络的组织和管理， 包括网络启动、 监听和应答等， 与此同时， 对于感知层发送的数据， 根据需求， 可以采用单跳或者多跳的路由方式， 将数 据传输到目的设备进行处理。网络层主要考虑的是 传输的可靠性、 实时性， 此外， 还需考虑在金属矿山 的特殊环境下， 如何有效的节省能耗。 （3） 处理层。处理层主要是由各类汇聚设备来 对感知层的数据进行处理， 通常来说， 处理层主要任 务是进行数据融合， 包括数据特征提取、 冗余数据融 合、 数据异常检测等操作， 而随着物联网技术的发 展， 在特殊的应用需求下， 将某些数据处理任务分别 在边缘端和云端处理，“云、 边” 融合已经成为物联网 数据融合的发展方向之一。 （4） 应用层。应用层通常是在远程的设备终端 或网络云端对处理层转发的数据进行大数据分析和 进一步处理。金属矿山的物联网应用根据不同需求 可以划分为环境监测、 人员定位和现场风险分析等， 该类处理需要高性能的处理器和较大的存储空间， 因此应用层一般是由远程终端的设备来完成。 1. 2关键技术 根据物联网的体系架构， 目前金属矿山风险监 谭爱平等 金属矿山风险监测物联网关键技术研究现状与发展趋势2020年第1期 27 ChaoXing 测物联网关键技术主要包括数据采集技术、 数据传 输技术、 数据融合技术和数据分析技术等几类。 （1） 数据采集技术。数据采集技术包括射频识 别技术、 智能传感器技术等， 金属矿山风险监测需要 研发专用的特种传感器， 因此， 需要芯片、 电路等关 键技术支持。“六大系统” 中通过数据采集来实现原 始数据获取， 是所有系统运行的基础。 （2） 数据传输技术。数据传输技术包括无线传 感网络的组网、 路由、 接入等技术， 金属矿山风险监 测需要考虑数据传输的可靠性、 实时性以及能耗， 因 此， 无线MAC层技术是核心技术。“六大系统” 中通过 数据传输技术来实现底层感知数据的上传。 （3） 数据融合技术。数据融合技术是一个广义 上的概念， 包括数据特种提取、 数据异常检测等， 目 前大多数的数据融合技术采用的是单源数据分析技 术， 数据融合根据应用需求的不同可以在不同的设 备上进行协同分析。“六大系统” 中通过数据融合技 术来完成数据筛选、 异常检测、 现场故障预警等功能 的设计。 （4） 数据分析技术。数据分析技术包括处理层 和应用层的关键技术， 对于金属矿山风险监测来说， 数据分析是核心技术， 通过该技术可以进行现场风 险分析、 人员定位、 风险监测及预警等操作。“六大系 统” 中通过数据分析技术可以远程实现智能分析、 应 急调度等操作。 2研究基础与发展现状 近年来， 我国很多高新技术企业和科研院校开 始从事 “六大系统” 的理论研究及产品研发工作， 如 深圳翌日科技、 彭旭科技、 沙科瑞德、 南福深兴安科 技、 中国矿业大学物联网 （感知矿山） 研究中心、 东北 大学等单位已经研发出了符合矿山开采需求的 “六 大系统” 产品。深圳市翌日科技有限公司是全球领 先的工业物联网产品及服务提供商。该企业紧密围 绕矿山、 隧道、 电力、 石化等特种行业客户的需求， 提 供成熟的产品解决方案。所研发的矿山高精度定位 系统、 KJ641矿用车辆管理系统、 KJ761煤矿人员管理 系统以及综合通信及监控系统等已经在中煤集团、 兖矿集团等企业中广泛应用， 取得了较好的效果。 上海彭旭科技有限公司研发的非煤矿山 “六大系统” 实现了矿山井上和井下人员定位、 即时通讯、 设备跟 踪、 远程监控、 应急控制等功能， 通过该系统可以实 现井下安全预警、 应急救援以及调度指挥。东北大 学物联网实验室面向金属矿山地下开采环境， 研发 了地下矿山安全避险 “六大系统” ， 可以实现矿山井 上和井下语音通讯、 人员和设备跟踪定位、 井下关键 设备 （如风机等） 远程监控、 井下关键位置图像视频 监测监控以及各种环境参数 （如CO、 NO2等） 监测监 控等， 在此基础上可以实现统一生产指挥调度和事 故预防、 预警。在 “六大系统” 建设需求提出后， 我国 相当一部分矿山企业纷纷投入相关系统的研发之 中。经过调查， 目前部署的 “六大系统” 对于矿山安 全开采起到了一定的促进作用， 但是在实际应用过 程中， 由于管理、 技术、 设备、 维护等方面的问题， 导 致 “六大系统” 的整体运行效果不太理想。本研究从 技术角度， 对 “六大系统” 的物联网关键技术进行分 析， 对在不同技术层面的国内外研究成果和企业的 研发情况进行讨论。 2. 1数据采集技术 在数据采集技术中， 传感器技术是基础技术， 特 别是在金属矿山的特殊场景下， 传感器技术起到了 重要的支撑作用。目前我国在传感器产业发展过程 中面临着一些问题， 即 缺乏自主创新性、 产业结构 不合理、 研发与应用的投资比例不协调、 体制不完善 等。由于国产传感器在性能上大多未能达到国际领 先水平， 因此在很多工业物联网应用中， 都是采用国 外的传感器， 特别是一些特种专用芯片， 我国目前的 研发能力有限， 无法满足应用需求。为此， 我国十分 重视传感器技术的发展， 在国务院印发的 “十三五” 国家科技创新规划 中将新型传感器列为发展新一 代信息技术的重点， 而早在2017年， 工业和信息化部 就印发了 促进新一代人工智能产业发展3 a行动计 划 （20182020年） ， 将重点发展智能传感器， 夯实 人工智能产业发展的硬件基础 ［2］。在国外， 针对传感 器的相关研发已经引起了科学界的高度关注， 例如 在2017年， 世界十大科学进展之一就是一个由意念 操控的机械假肢， 该机械假肢就是通过新型的智能 传感器来实现信息的采集和传输 ［3］。 近年来， 中国矿业大学物联网 （感知矿山） 研究 中心致力于矿山传感器硬件和物联网系统的研发， 其研发的新型MEMS甲烷气体新型传感元件具有功 耗低、 灵敏度高、 灵敏度稳定性好、 寿命高、 抗污染等 优点， 其功耗小于80 mW， 灵敏度大于15 mV， 可以满 足不大于30 ms的响应时间。对于矿山开采环境下 的甲烷气体检测具有极大的应用潜力 ［4］。 东北大学面向金矿开采物联网检测应用， 设计 了一个款振弦采集仪。该型设备是一种分布式采集 基站， 能够用于对矿道工程进行长期、 实时、 在线安 全监测。它能够同时多路采集振弦式、 数字式、 电压 电流式、 四线差阻式等多种传感器数据并进行解析， 可以通过 ZigBee、 RS485、 TCP/IP 等方式将解析数据 金属矿山总第523期2020年第1期 28 ChaoXing 实时上传到服务器。此外， 该型采集仪能够自主设 置多种采样频率， 并且可以在本地存储超过1 a的数 据， 方便在线、 本地等多种方式查询数据。 总体来看， 传感器技术的发展离不开材料科学， 因而当前智能传感器、 专用传感器的研发重点是对 材料的相关研究 ［5］。例如硅基材料在功能化、 智能 化、 微型化、 集成化等方面优势明显； 半导体光电材 料精度与灵敏度较高， 适用于制造光纤、 红外与激光 等传感器件； 纳米材料及其制备技术的发展可以改 善传统生物传感器环境耐受性与稳定性差的不足， 由此推动生物传感进入到一个新的发展阶段。石墨 烯材料虽然仅被发现十多年， 但已经被应用于传感 技术的多个方向。石墨烯的引入有效解决了单纯金 属氧化物气体传感材料的诸多问题， 可以显著降低 工作温度， 提高灵敏度， 其在传感过程中不仅增加了 目标气体吸附表面积， 还加快了电子转移速率。 此外， 通过射频识别技术 （Radio Frequency Iden- tification， RFID）进行数据采集也是主要的方法。 RFID技术不仅可以有效降低物联网数据传输成本， 而且有助于降低能耗。但是， 该技术易受到环境干 扰， 特别是在金属矿山地下开采环境中， RFID技术的 误报率较高。 冉霞等 ［6］在矿山的应用背景下， 通过RFID技术 来实现数据采集和智能感知， 通过采集的感知数据， 设计了基于TD-SCDMA的通信协议， 在保证数据传 输可靠性的前提下， 实现了有效信息采集与感知。 该方案将RFID标签与TD-SCDMA的移动终端进行 融合， 在TD-SCDMA终端原有功能上添加了RFID的 功能， 包含内部融合和外部融合两种方法。在内部 融合方法中， RFID标签不带有外部电源， 芯片能耗来 自于天线， 原理是通过射频能量转换实现直流电的 存储， 保证了在矿山环境中的低能耗需求。在外部 融合方法中， RFID 与 TD-SCDMA 移动终端相互独 立， 不需要复杂的融合及解码技术， 但是体积相对较 大， 能耗较高。在融合方案中， 采用跳频技术、 金属 屏蔽等方法解决信号干扰问题， 与此同时， 实现了模 块之间的智能通信。该方案可以用于实现矿山定 位、 调度、 通话等功能， 适合多矿井的组网应用模式。 为实现在矿井特殊环境中进行数据采集与感 知， 赵小虎等 ［6］利用压缩感知理论提出了一个可以进 行海量信息获取的数据采集方案。该方案基于信号 稀疏性的新型采样理论， 利用压缩感知在矿井特殊 应用环境中的优势， 实现高效、 可靠的数据采集。 2. 2数据传输技术 目前， 应用于矿井数据传输的通信技术主要有 ZigBee、 Wi-Fi、 LoRa等。 （1） ZigBee技术。该技术是基于IEEE802.15.4协 议改进而来的无线通信技术， 具有低功耗、 低速率的 特点， 非常适合矿井施工环境。经过测试， 在矿井平 直巷道中， ZigBee技术在低于50 kbps的速率情况下 可以达到30 m以上的传输距离， 并且可以保证一定 的可靠性。强云霄等 ［8］根据矿井环境特点， 设计了一 个集中于ZigBee的Mesh无线网络， 该网络通过Zig- Bee协议栈实现组网、 传输和路由， 可以实现较高的 可靠性和较大的覆盖范围， 该方法还具有较好的移 动性， 可以满足移动设备的联网通信需求， 对于矿井 安全监控及安全事故预防具有较好的指导意义。 （2） Wi-Fi技术。该技术相比于ZigBee技术具有 高速率的特点， 适合于视频、 图像等大数据的传输， 通常在矿井用于语音通话、 视频监控等数据的传输。 李培煊等 ［9］根据对煤矿事故的研究， 提出了一个基于 Wi-Fi的井下应急救援无线系统， 该系统充分利用了 Wi-Fi技术高速率的特点， 对井下事故现场的环境参 数、 实时数据、 语音数据进行传输， 具有低延迟、 高可 靠性的特点。但是由于Wi-Fi技术传输距离较远， 并 且能耗较高， 对于环境监测等物联网应用来说并非 最佳选择。 （3） LoRa技术。该技术弥补了ZigBee技术传输 距离短的缺点， 同时又具有低速率的特点， 因此， 在 矿井物联网应用中， LoRa技术是一个很好的选择 ［10］。 例如在井下泵房、 变电所等不同区域之间可以通过 无线网络交换数据， 这部分数据量较少， 且通常实时 性要求不高， 因而LoRa技术非常适合进行网络部署。 但是， LoRa技术和ZigBee技术存在类似的问题在于， 对于视频等大数据的传输能力较差， 并且无法进行 高实时性的无线数据传输。 金属矿山矿井因其特殊的环境， 使得移动通信 系统的抗干扰和抗故障能力差， 并且极易形成大量 的信号场强盲区或死区， 相比于空中射频通信， 土壤 中的信号衰减程度较高。针对该问题， 一些学者针 对矿井整体架构提出了无效传感器网络的部署方 案， 如文献 ［11］ 提出了一种基于无线传感器网络的 煤矿井下分布式监控系统部署方案， 该方案通过研 究煤矿井下无线传感器网络在整个系统中的布局和 功能， 为信息中心提供丰富的传感和监测信息。然 而， 相比于通信信号的强弱问题， 金属矿山物联网应 用更加关注的是如何通过MAC层协议的改进来保证 可靠的、 实时的以及低能耗的无线传输。此外， 金属 矿山矿井中的无线传感器网络的实现还会受到容错 性、 可扩展性、 成本、 硬件、 拓扑变化、 环境等内在因 谭爱平等 金属矿山风险监测物联网关键技术研究现状与发展趋势2020年第1期 29 ChaoXing 素的制约。 金属矿山无线传感器网络与其它无线网络不 同， 对耗尽的电池充电和更换通常较困难， 因此工业 物联网中常用的Wireless Hart、 WIA-PA等协议无法 直接应用。现阶段， 目前无线传感器网络设计的重 要目标是最大化节点和网络的生命周期 ［12］。Guo 等 ［13］提出了一种用于管道检测的无线传感器电源管 理方案。该项研究重点分析了线性传感器的部署问 题， 通过一个简单的等距部署方案， 可以最大限度节 省电池能耗。通过试验验证， 该方案可以延长将近 30的电池使用寿命。该方案不仅可以用于石油管 道等检测， 也可以用于井下管廊施工的安全监测。 Kim等 ［14］提出了一种适用于无线网络的节能多信道 MAC协议Y-MAC， 旨在解决网络中突发数据的传输 问题， 尽管以牺牲吞吐量为代价， 但避免了节点侦听 信道的能耗， 同时， 采用多信道传输机制提高了数据 传输的成功率并且降低了延迟。金昊 ［15］提出了一种 考虑能耗的矿井无线传感器网络的数据传输方法， 该方法通过能量感知， 在综合考虑结点链路质量和 实时传输的基础上， 设计了一个路由质量标准， 实现 了基于时间的协作转发机制。经过试验验证， 该方 法能够有效延长网络的存货时间， 降低数据传输延 迟， 并且可以满足可靠性传输的需求。 上述研究工作注重于无线传感器网络的高能效 性， 如何实现网络中的高吞吐量也是研究者所思考 的热点。现有的低功耗MAC协议由于固定的低占空 比， 只能提供低吞吐量。这常常导致在进行受时间 限制的突发通信时性能较差， 为此， Zhuo等 ［16］提出了 一种新的CSMA/TDMA混合MAC协议Queue-MAC， 该协议可以根据当前网络流量动态调整占空比。在 实际工程应用中， 为避免拥塞， 实现较高的数据吞吐 量， 可采用TDMA的方式， Zhao等 ［17］提出了一种新的 时分多址协议， 该协议能够有效采集任何网络流量 模式下的传感器数据， 非常适合于动态流量模式下 的连续数据采集。与之相似， Alvi等 ［18］也提出了一种 新的TDMA的无线MAC协议， 称为位图辅助的高效 可扩展性TDMA MAC （BEST-MAC） 。BEST-MAC的 主要贡献包括 ①使用了较小的时隙， 并且该类时隙 的数目大于成员节点的数目； ②采用背包算法进行 时隙调度； ③提出了一种短节点地址来标识成员节 点。 针对现阶段无线传感器网络中无线MAC的解决 方案， 基于TDMA的时隙调度可以满足可靠性和实时 性的要求。为了提高吞吐量， 目前很多的研究重点 开始转向于多信道时隙的调度方案。Lenka等 ［19］提 出了一种适用于混合MAC算法的分布式时隙调度算 法。Hannachi等 ［20］设计了一种基于数据采集树的低 功耗无线传感器网络多信道时隙调度的分布式解决 方案， 该方案在兼顾能耗的前提下， 提出了适合多信 道无线接入场景的MAC协议。Tan等 ［21］充分分析了 井下施工的工业物联网拓扑结构， 提出了一个面向 地下施工现场的TDMA调度算法。该算法主要考虑 金属矿山井下开采环境， 将物联网的无线传输系统 划分为基站和传感器两个部分， 基站负责汇聚、 处理 和转发数据， 传感器负责采集和发送数据。将基站 与传感器之间的网络抽象为一个星型网络拓扑， 将 基站与基站之间抽象为一个链式拓扑。在这种混合 拓扑结构下， 采用TDMA思想进行MAC层协议设计， 建立了每个基站的干扰集合， 并对干扰集合内的所 有传感器按照工作量进行时隙分配。经过验证， 该 算法可以实现有效的时隙调度， 能够减少丢包率， 并 且降低延迟。Zhang等 ［22］在矿井静态网络拓扑的基 础上， 提出了面向动态数据流的时隙调度方案。由 于矿井施工过程中， 人员定位、 车辆监测等标签发送 的数据是移动数据， 因此某一区域内的网络调度可 能会面临突发的问题， 为了保证关键任务完成的实 时性和可靠性， 该方案根据不同传感器任务的优先 级， 有选择性地保障高优先级数据传输的可靠性和 实时性。经过试验分析， 该算法能够在数据量较大 的情况下， 确保关键数据实时、 可靠传输， 并且能够 保证最大的整体吞吐量。 与单信道协议相比， 现有的多信道协议显著提 高了总吞吐量。然而， 经过研究发现， 尽管现有协议 在总吞吐量方面有了显著改进， 但在多跳网络中， 现 有协议可能会导致流阻塞， 这一现象在单信道协议 中也会发生。幸运的是， 目前大多数的金属矿山井 下物联网的无线网络拓扑是单跳的， 通常是星型拓 扑或者是总线型拓扑。 除了理论研究领域， 目前针对矿井实时、 可靠的 数据传输技术也有很多企业级的解决方案问世 ［23-24］。 在国外， 西门子等企业很早就提出了面向工业现场 的无线传输解决方案。在国内， 华科电气、 腾远智拓 等科技企业也提出了面向矿井的无线传输解决方 案。华科电气多年来经过对当前技术的分析， 在大 量矿山勘察的基础上， 研制了符合统一标准的工业 物联网系统KT158煤矿井下无线通讯系统。该 套系统功能完善， 主要由井下防爆交换机、 防爆基 站、 调度台等设备组成。在通信方面， 以光纤环网为 骨干， 保证冗余链路， 实现可靠的数据传输。同时， 以基站为中心， 通过无线网络进行通信范围的延伸， 金属矿山总第523期2020年第1期 30 ChaoXing 利用传感器等感知设备进行无线数据发送。除了基 本的环境监测外， 还实现了位置监测与管理、 数字化 视频监控等功能， 将监控、 传输、 调度等功能进行有 机集成， 取得了良好的应用效果。腾远智拓为山东 青岛某矿业公司设计了一套矿井无线监控系统， 该 系统的目标是将轨道电机车的实时运行图像传输到 地面监控中心， 为后续实现无人驾驶积累经验。该 系统的相关设备均采用自组网设备， 为保证通信质 量， 在井下的巷道拐弯处布设基站， 并且根据巷道的 距离进行基站部署， 以实现无线网络覆盖。在移动 车等设备上， 设置了360全向天线， 向附近基站发送 无线信号， 再由基站将视频信号转发到地面控制系 统。为确保基站向地面发送数据的可靠性， 采用光 纤铺设方式， 以实现视频数据的高速传输。 2. 3数据融合技术 数据融合是一个广义上的概念， 本研究数据融 合主要指的是在金属矿山风险监测物联网应用中， 对于感知层的数据， 进行数据特征提取、 冗余处理、 必要的异常检测等操作。目前已经有一些关于工业 物联网应用场景的数据融合的研究成果问世。Chen 等 ［25］提出了一种基于图论的全分布式通用数据融合 方法， 该方法对工业现场的数据进行异常检测， 在对 时间、 空间的相关性进行分析后， 提出了大规模数据 的融合检测模型， 研究表明 该方法在建筑施工和智 能电网监测中可以有效实现数据异常检测。Soydan 等 ［26］以土耳其某矿井为例， 采用图像分析方法对该 矿开采过程进行了安全监测， 但该方法主要面向矿 井下结构， 未对环境数据 （如气体、 温度等） 进行分 析。Rassam等 ［27］研究了传统无线传感器网络的异常 检测模型， 根据存在的问题， 提出了一种新的无线传 感器网络融合检测模型， 在传感器数据发送到基站 之前， 进行局部的传感器测量值的异常检测， 在保证 一定检测精度的同时， 降低了能耗。但是这种检测 方法对于传感器CPU的要求较高。 综合当前对于数据融合的相关研究， 其中大多 数是面向数据异常检测的， 文献 ［28-30］ 对目前数据 异常检测的研究成果进行了分类讨论， 将目前的研 究成果大致分为如下3类。 （1） 基于统计的方法。该类方法提出较早， 发展 也较为成熟。该类方法是一类基于模型的方法， 即 为数据集创建一个分布模型并对目标数据对象进行 拟合， 假设无线传感器网络采集的正常数据落在模 型的高概率区间， 而异常值相对处于低概率区间， 最 后根据目标数据集中的对象是否在模型中占有较高 的概率来判断其是否为异常值。文献 ［31］ 提出了基 于无线传感器网络的异常检测模型分类方法， 建立 了两种检测模型， 即统计检测模型和非参数检测模 型。这两种模型可以应用在不同的场景中， 其中统 计模型适合于数据类型、 采样周期等预先已知的情 形， 非参数模型则假设不知道任何信息， 仅通过当前 数据和相邻数据的行为来进行检测。Fei等 ［32］提出了 一种多源数据的无线传感器网络异常检测方法， 该 方法通过统计方式对多源数据流进行了异常检测。 该方法主要应用在平台空间， 通过二维坐标位置来 确定两个节点之间的关系。Ren等 ［33］对基于时间序 列的异常检测方法进行了研究， 提出了一种基于概 率区间统计的异常检测方法， 该算法能够比聚合算 法具有更高的数据识别度， 可有效提高异常检测精 度。 （2） 基于距离的方法。基于距离的方法通常建 立在同一个基本假设之上， 即正常的数据对象彼此 之间较为接近而异常数据对象和正常数据对象之间 相距较远。在数据对象的属性变量连续的情况下， 通常用欧式距离来衡量数据对象之间的远近关系。 Bosman等 ［34］提出了一个基于邻居节点信息的无线传 感器网络数据异常检测方法， 该方法通过分布式处 理方式， 采用机器学习算法来实现数据异常检测， 可 以减少通信开销。Xie等 ［35］提出了一种分布式的无 线传感器网络的异常检测方法， 该方法对相邻节点 的数据进行分析， 采用分布式的全局概率密度估计 方法进行相邻时间的数据值测量。该方法有效解决 了传统单源数据检测的问题， 可以综合分析相邻节 点的信息进行数据异常检测。 （3） 基于聚类的方法。聚类的定义是将相似的 或具有关联性的数据对象归入一个簇， 如果在归簇 过程中发现某一个数据对象不能被划入任何一个 簇， 那么就可以认为该数据对象对于其他对象是异 常的。Emadi 等 ［36］针对无线传感器网络中的数据完 整性的异常检测方法进行了分析， 通过温度、 湿度和 电压的特征， 采用聚类方法进行研究， 最终实现了数 据异常检测。研究表明， 该方法可以保证较高的检 测精度。Ahmad等 ［37］提出了一种基于K-Medoid自定 义聚类技术的异常检测方法， 该方法主要是对于误 导攻击等行为进行检测， 通过定义检测参数， 建立一 个数据异常检测模型， 通过设置相关阈值来实现动 态检测。 目前， 国内部分学者针对矿井应用环境， 提出了 一些数据融合理论和方法。孙延飞等 ［38］根据煤矿井 下安全监测应用需求， 提出了一个多传感器数据融 合模型。该模型与传统的单一传感器不同， 通过设 谭爱平等 金属矿山风险监测物联网关键技术研究现状与发展趋势2020年第1期 31 ChaoXing 定阈值来对传感器的冗余数据进行数据融合分层处 理， 其中数据级融合采用贝叶斯估计方法实现， 决策 级融合通过模糊数学理论来实现， 最终通过专家知 识库， 实现全局融合。该方法保证了监测结果的准 确性， 并且可以有效降低系统负载。刘凯等 ［39］同样 针对煤矿开采环境， 提出了一个多传感器分层数据 融合模型。该模型目标是提高多个传感器的预警精 度， 降低因传感器故障、 外部干扰等因素导致的误 判。在数据级融合方面， 通过模糊识别理论， 引入了 隶属度和相应权数的概念； 在特征级融合方面， 通过 模糊评价法来实现融合， 最后在决策层根据数据类 型的不同选择适宜的算法实现全局融合。研究表 明， 该方法能够有效提高检测精度， 使得检测的准确 性提高了8～29。 现阶段， 数据融合技术研究与应用方面已经有 了一些成熟的案例， 但是面向采矿的数据融合技术 相比于其他应用具有很多特殊性。首先， 矿井传感 器数量较多， 并且分布在不同的区域， 该类多源、 异 构数据如何进行融合是一个亟待解决的问题； 其次， 井下数据异常检测需要考虑低延迟的需求， 传统方 法是在云端进行异常检测和分析， 无法满足矿井安 全检测工作有关响应及时性的要求； 最后， 井下不同 地区、 不同时间节点获取的传感器数据之间具有关 联性， 如何有效确定这种关联性， 这对于基于 “时” 、 “空” 演变的数据融合算法的研究也是一个挑战。 2. 4数据分析技术 本研究提及的数据分析技术主要指的是在金属 矿山物联网监测中， 对于数据进行现场风险分析、 人 员定位等应用层的相关技术， 其中， 人员定位技术是 现阶段的一个研究热点。近年来， 包括谷歌、 微软、 苹果等在内的一些科技巨头， 还有一些世界知名的 高校也在研究室内定位技术。相比于楼宇等室内场 景， 金属矿山地下施工环境更加复杂， 对于定位精度 的影响也较大。目前主流的定位系统， 如GPS等， 无 法应用于金属矿山人员定位。因而利用Wi-Fi技术 等进行定位成为有效选择。目前基于Wi-Fi技术进 行室内人员和设备的定位取得了一定的研究进 展 ［40-42］。通过Wi-Fi技术进行定位， 可以利用高速率 的特点获得较高的精度， 但受限于井下能耗问题， 使 得实际工程应用效果大打折扣。因此， 也有不少学 者研究了基于有源RFID、 惯性导航、 地磁定位等技术 实现室内人员定位 ［43-47］。 基于 ZigBee的定位技术是传统定位方法之一。 由于传统的 RFID定位方案需要部署定位的网络架 构， 对于网络的依赖性较高， 并且在定位过程中受到 识别距离限制