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 刘春德 邓庆绪，2

（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）

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（2018—2020 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 Identification，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，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，导致定位精度较低，通常定位精度都在2 m 以上。严大虎等［48］在RFID 室内定位算法的基础上，基于ZigBee 来组建无线传感网络，采用高斯卡尔曼滤波对有限预选参考点的信号强度采样数据进行预处理；采用信号传播损耗模型计算虚拟参考标签的RSS值，使其更接近于真实标签的值。估算待测标签位置时引入了动态阈值思想完成定位。经过验证，该算法精度优于传统RFID 定位方法，很大程度上提高了室内定位方法的工作效率。

张书建等［49］充分分析了室内定位中常用的RSSI（Received Signal Strength Indication）等方法，根据矿井环境复杂多变的特点，提出了一个避免因信号干扰而导致定位误差较大的方法。该方法改进了RSSI方法，在数据采集端利用RFID 定位标签发送信号，并且引入参考标签，设计了多功率的阅读器。该定位方法的核心思想是通过RFID 信号来识别定位目标所在区域，属于区域定位算法。通过仿真，在矿井环境中，该定位算法可以确保至少80%的定位标签的定位精度在20～80 cm以内。

东北大学物联网实验室多年来致力于矿井施工环境的定位算法设计。在早期的定位算法中基于433 MHz 频率的无线通信，使用RSSI 方法实现了矿山开采等复杂极端环境中的定位。该定位系统由于采用低频通信，使得其信号的可靠性较高，穿透性较强，在相同通信距离的情况下，功耗更低。Qin 等［50］在此基础上，对RSSI算法进行了改进，提出了一种相似比例模型，提高了定位算法的抗干扰能力，即便在矿山这类存在复杂多路径、障碍物干扰的环境中，也能够达到理想的定位精度，此外，改进算法中还使用了无损卡尔曼滤波，进一步提高了定位精度。目前，该实验室已经开始使用超宽带（Ultra Wideband，UWB）技术改进定位算法，实现高精度的定位算法设计。

此外，利用LoRa 技术进行井下人员定位也是一个重要的研究方向。吴畏等［51］对矿井人员定位问题进行了研究，针对有线网络部署困难、成本高的现状，提出了一种基于LoRa 的无线通信技术实现人员定位的方法。该方法采用超宽带（UWB）技术实现读卡器的数据传输，而后在数据汇聚器中通过LoRa 无线通信技术收集信息并上传到地面。经过验证：该系统的定位精度为1 m，可在2 km 以内实现误码率小于5%的无线数据可靠传输，在井下人员失去手动触发求救按钮能力时的自动报警率可达93.5%以上。

在现场数据分析方面，目前人工智能理论已经在该领域得到了应用，其中以深度学习和机器学习为代表的相关算法已经解决了数据检测与分析方面的一些问题。利用人工智能方法，可以通过大数据集训练来提高数据分析的准确度。近些年，人脸识别、视频监控等技术在矿井得到了广泛应用，对生产调度指挥、现场安全管理起到了积极作用。但由于应用场景和设备性能不同，在通用性、人机交互、智能管理方面仍有较大的提升空间。山东蒋庄煤矿充分利用了“智能+”技术，积极探索人工智能（Artificial Intelligence，AI）在矿井安全生产中的应用，与外部某科技公司联合开发了集调度监控、安全监察、管理监测于一体的新型人工智能监察系统平台。在具体应用方面，该矿主要通过人工智能视频监控设备对运输斜巷、安拆作业区域进行监测，通过智能化自动视频识别，可以将员工的不规范行为、安全隐患等进行实时抓拍和预警。目前，虽然我国企业（特别是矿山企业）已经开始重视利用人工智能等方法来实现工业现场的安全监测和故障分析，但总体来看，在现场数据分析方面，相当一部分的研究成果仍然是基于统计方法来进行数据分析，这与异常检测的原理基本相同，对于施工现场的风险分析仍然缺乏行之有效的方法和应用方案。

3 面临的挑战与发展趋势

3.1 困难与挑战

（1）目前我国传感器行业发展相对落后于国外，特别是在矿山等特殊场景下的专用传感器的研发水平不高，无法满足特殊环境下数据采集的需求。究其原因，首先是我国的行业发展机制不健全，重视应用而对研发的投入不足；其次国产的高性能芯片一直受制于国外，华为等企业虽然一直致力于国产芯片的研发，但是目前距离规模化生产还有一段距离。因此，我国的相关企业和科研机构应进一步投入科研力量，研发具有自主知识产权的传感器，在可靠性的基础上，提高安全性。

（2）目前对于矿井环境数据的融合、检测大多是面向单一传感器的单源数据，缺乏对于时间、空间等多维度的综合分析。在金属矿山复杂的施工环境下，需要将多源、异构的传感数据置于时空演变的模型中进行分析。

（3）现阶段金属矿山的物联网应用在无线传输上面临可靠性和实时性的挑战。其中，可靠性指的是由于复杂的巷道结构和大量数据的相互干扰导致的数据丢失；实时性则是当前大量数据检测、融合和分析的过程都需要传输到云端处理，一些应急预警功能无法在终端实时响应。

（4）目前新技术的应用相对滞后，一些传统的技术和方法仍然是工程应用的首选，例如在现场风险监测中，人工排查、视频监控等方法仍然是主要的工作模式，而对于人工智能、边缘计算等新技术，缺乏切合工程实际的解决方案。

（5）“六大系统”中应急救援和调度指挥的技术体系不够完善，缺乏一些行之有效的解决方案，例如在应急救援工作中，如何根据井下巷道结构部署可靠的无线通信系统，确保应急救援工作顺利开展等，这类技术还需要进一步完善。

3.2 发展趋势

（1）面向高性能、专用特种传感器的研发。在矿井复杂环境下，通用的传感器无法满足抗干扰、低能耗、高精度等要求。近些年，越来越多的科研工作者倾向于专用综合传感器的研发，该类传感器具有低成本、低功耗、时间的一致性、数据精度一致性等特点。具体来讲：①专用综合传感器集成了多种类型的传感器芯片，可以通过多源、异构数据的融合分析，对井下温度、气体浓度等数据进行综合分析，提高传感器的检测精度；②专用传感器通过采用节能技术，可以满足井下开采及施工过程中的低能耗需求，减少电池更换、频繁充电等操作，提高工作效率；③专用传感器可以根据不同的施工环境和应用需求定制芯片，提供高精度定位等服务。

（2）利用人工智能的理论和方法进行矿井施工现场风险监测。金属矿山井下施工作业现场环境复杂，传统方法主要通过人工检测与分析方式对风险进行监测与评估。目前，物联网技术的应用主要是针对现场环境等进行数据采集、传输和分析，但是对施工现场的风险评估，特别是预测性评估仍然需要进一步研究。鉴于人工智能在大数据分析、智能决策领域的广泛应用，有必要进一步研究人工智能在矿井施工现场的数据分析与智能管控技术，其中需要重点研究信息融合与机器学习技术，大幅提升井下现场数据的融合、检测技术水平，实现现场施工风险的精确诊断。具体来讲：由于目前人工智能技术在图像、视频识别方面的应用研究已经取得了较大突破，因而可以利用该类技术实现井下施工现场自动风险识别、预警，提高现场施工的安全性；利用机器学习等方法，通过大数据训练来对施工现场的传感数据进行智能分析，构建预测模型，提高井下施工现场安全监测的预判能力。

（3）基于边缘计算思想，通过云端、边缘端的协同，实现云边融合的风险监测。井下风险监测要求相关技术和方法需要考虑应急预警的及时响应。例如，当检测到施工环境异常时，应及时发出警报，并且启动相应的应急预案。而目前大多数物联网技术需要将数据发送到云端（远程终端）进行分析，如此会加大应急预警的响应延迟。边缘计算正是为了解决这一问题而提出的，它是实现工业互联网智能化生产、网络化协同、个性化定制、服务化转型等创新应用的重要途径。但是目前边缘计算的研究才刚刚起步，边缘侧的嵌入式端缺乏实现感知、分析、决策、控制一体化的高效编程和执行环境。未来在井下风险监测中，可以采用边缘计算，开发具有终端处理能力的智能传感节点和汇聚节点（网关），利用如文献［22］等提出的算法来构建更加实时、可靠的工业网络，并大幅降低整体网络的通信负载。边缘计算的发展离不开对数据的处理、加工和管控，通过对中心控制端任务前移、对异构硬件资源协同工作与虚拟化技术的研究，从而满足边缘端设备实时性、可靠性和在传感器网络中避免网络拥塞等要求。边缘计算的关键是开发智能异构网关，该网关支持不同总线网络接入、协议转换、网络配置管理、底层节点管理与调度以及数据融合。

（4）使用超宽带（UWB）等多种技术融合实现人员高精度定位。矿井施工环境风险监测的主要目标是为了确保施工现场的人员安全，采用人员定位技术可以实时掌握井下施工作业人员的位置信息，对于生产调度、应急疏散、井下救援等工作具有重要意义。目前，井下定位技术由于考虑到能耗等问题，往往导致定位精度不高，因此高精度的定位技术是未来发展的趋势。首先，可以使用UWB 室内定位技术在井下巷道内实现高精度定位，通过部署定位基站，为井下施工人员佩戴标签，实时获取人员的精确位置，定位精度可达到厘米级；其次，在某些特殊环境下，可以利用RFID、ZigBee 等技术实现低能耗的融合定位，既能保证能耗，又能满足定位精度需求；最后，随着专用综合传感器技术的发展，可以将人员定位标签、语音呼叫信息进行融合，在出现应急事件时，通过综合分析，准确判断人员位置，为井下人员疏散和救援工作开展提供决策依据。

（5）矿山“六大系统”应急调度与现场救援关键技术研究。现有的矿山“六大系统”大多数是面向矿井施工安全监测和应急预警方面，现阶段，对于矿井事故现场应急救援，特别是应急通信系统的相关研究涉及较少。未来井下事故现场救援方面的研究应重点面向现场人员疏散调度、井下无线应急网络传输等方向。具体来说：①当出现矿井坍塌、施工环境异常等情况时，可以通过部署在施工现场的应急指示标签及佩戴在施工人员身上的语音对话系统实现人员紧急疏散，此外，为提高应急救援工作效率，远程终端可以通过井下的巷道结构，以广播、语音等方式指示井下施工人员按序疏散或到指定地点避险，避免因盲目疏散而导致的拥塞、踩踏等二次事故发生；②当井下灾难发生后，可能由于矿井坍塌等原因导致井下通信中断，从而影响井下应急救援工作有效开展，因此，应在矿井物联网通信链路中提前进行备份链路设计，例如通过环网方式部署通信网络，在适当位置部署中继设备，设计路由算法，保证应急状况下井下通信畅通；③当由于某些客观因素影响导致井下所有通信链路无法使用时，可以临时敷设通信链路，并在适当位置部署通信中继设备，为井下救援工作开展提供便利。

4 结 语

以矿山应急救援“六大系统”为背景，以安全监测和人员定位为重点研究对象，分析了金属矿山风险监测物联网关键技术，阐述了标准的物联网技术体系架构，分别从数据采集技术、数据传输技术、数据融合技术和数据分析技术等方面对国内外的研究现状进行了讨论。在此基础上，进一步总结了我国金属矿山风险监测物联网应用面临的主要挑战以及未来发展趋势，可为金属矿山风险监测物联网应用及相关研究提供参考。