基于BIM技术的煤矿井下施工安全预警系统研究

凌 飞，杨 鹏

（陕西工业职业技术学院，陕西 咸阳 712000）

井下煤矿作业处于非常危险的恶劣环境。据统计，由于煤尘、甲烷和其他有毒气体的存在，大约33.8%发生在采矿业的死亡是煤尘或甲烷气体爆炸的结果。最近一份报告显示，大量地下矿山事故是由于煤矿的瓦斯积聚造成的。尽管甲烷气体的可燃范围为5%～15%，但暴露在低浓度的甲烷中会对人体造成严重伤害。除了甲烷气体，地下煤矿中还存在其他有毒气体，包括一氧化碳（CO）、二氧化碳（CO2）和硫化氢（H2S）。短期接触这些气体可能不会有任何损害性影响，但长期接触总是会对身体造成严重损害。因此，准确监测矿井环境对矿工在施工过程中的安全至关重要。BIM结合物联网（IoT）控制系统网关在各个领域的发展正在重新定义互联网如何通过无线传感器网络（WSNs）中可唯一识别的对象扩展到煤炭生产中[1]。BIM结合物联网可适用于煤矿环境监测。基于BIM建模技术和物联网的云计算已被用于数据的时空分析、事件检测和实时信息共享；这些都是建立矿山安全新时代的新阶段。本文将BIM技术应用于矿井，该技术的实施将有助于提高煤矿作业人员的安全。

1 BIM建模技术在煤矿的应用

1.1 表征图形的建立

本矿井综合利用BIM结合物联网模式，采用 Ethernet/IP 工业网络，实现煤炭生产采掘运的综合调度和生产过程自动化。建立三维可视化的基础业务平台，为煤矿企业管理的管理和决策者提供一个三维、直观易用并可定制、可拓展、功能可延伸到整个生产业务流程的数字化矿井解决方案。项目建设用地总规模为158.35 km2，其中工业场地占地面积71.29 km2。地面：矿井行政公共建筑总面积55 781 m2，建筑总体积218 696 m3。矿井辅助厂库房建筑面积27 857 m2。选煤厂主要工业建（构）筑物建筑面积46 797 m2，建筑总体积607 109 m3。利用处理过的地形图进行建模，在3DMine中，选用软件中工具—线赋高程— 搜索参考点赋高程（赋Z值）的方法进行赋值[2]，经过测量分析，测量离等高线较远的标 高与等高线之间的距离，合理设置参考范围，使得赋值之后的等高线更加准确可靠。赋值之后初始等高线的信息如图1所示。

图1 煤矿地表BIM建模示意Fig.1 BIM modeling of coal mine surface

1.2 细节特征的建模

巷道及工业场区的微观建模都是煤矿工程建模的重难点，在巷道模型和工业场地模型创建完整的基础上，基于巷道模型可以进行大量的仿真性模拟，如对巷道内部整个盘区的巷道布置、采掘机械设备布置、井底车场、保护煤柱、井筒、避难硐室、通风及运输系统的布置[3]。这部分内容在建模中属于较为常规的建模，本文不再详细叙述。在巷道完成之后，对于巷道模型中的细节有清楚的可视化展示。利用Revit自带的相机功能，可以对巷道内部进行浏览，如图2所示。

图2 煤矿巷道的BIM建模示意Fig.2 BIM modeling of coal mine roadway

对于着火、管路崩裂和污风巷道等工况的模拟，用放置焰火、气体、烟雾、喷泉、 喷淋等特效功能模拟灾害发生，并可以加载新特效，结合实际工况利用特效进行模拟，如图3所示。平台主界面的右上角，有显示人物当前位置的动态地图，可以辅助在灾害时期对逃生路线做出决策[4]。当物联网系统监测到巷道内有危险时，就会在BIM建模系统中进行显示，实现深度的安全监管融合。

图3 安全因素威胁模拟示意Fig.3 Security factor threat simulation

2 物联网安全监测系统

2.1 系统设计概述

动态性、分布良好的网络以及多个设备同时交互以收集、分析和共享信息是物联网众所周知的特征。这些特点使得物联网不同于以往的智能系统，也比以往的智能系统更受重视，同时也推动了基于物联网的预警系统的发展。为了有效防止矿井事故并提高安全性，该系统必须提供有用的监控数据、跟踪在矿井内工作的矿工以及实时共享信息。基于BIM平台下的物联网的矿山安全系统无缝集成了气体传感监控、矿工跟踪和云计算，通过分析创建智能安全回路[5]。在这项研究中，物联网利用BLE传输来自Arduino模块化传感器的数据。云有助于确定矿井的服务状态和共享信息。因此，无缝集成可以减少矿难。

2.2 系统架构组成

物联网的主机有4个特征层：感知层、网络层、中间件层和应用层[6]。在物联网的主框架中，每一层都有自己的功能。基于物联网的煤矿井下事件检测和预警系统的分层结构如图4所示，这清楚地表明了每一层的功能。

图4 物联网在煤矿监控系统中的架构Fig.4 Architecture of Internet of Things in coal mine monitoring system

基于Arduino的传感器网络利用蓝牙通信协议覆盖整个矿井。在这个网络中，节点根据其功能进行划分。固定节点（SN）是监测矿井空气参数的基本节点，路由器节点（RNs）是具有由几个SN组成的从属集群的节点[6]。最后，SNs和RNs都使用蓝牙通信协议通过网关向基站传输数据。基站直接连接到全球互联网和云计算，以提供感官数据的数据分析。在BIM的模型显示下，可以清楚地知道每一个节点的具体信息和位置状况（图5）。

2.3 系统各层功能设计及硬件选型

（1）物理层（数据收集）。系统主要功能:用于事件识别的气体监测和异常值检测；矿工跟踪和云计算。从地下矿井获取空气质量和矿工追踪数据需要硬件支撑，例如由矿工携带的SNs、RNs、网关和MNs。每个硬件都运行自己特定的算法并进行通信，每个类别的硬件设计和电源要求差异很大。以下给出了每种硬件的详细描述。①固定节点设计（环境参数监控）。拟建物联网平台的基本传感单元为Arduino，一种用于数字和模拟输入/输出（I/O）的微控制器。Arduino MEGA 2560微控制器带有MQ-9、MQ-4、MQ135和DTH11 传感器模块用于监测地下环境[7]。连接到Arduino MGEA不同引脚的传感器的电路如图6所示。Arduino MEGA是一款开源微控制器芯片，用于实时读写OUTPUT数据。Arduino之所以被使用，是因为它快速简单的原型、低成本、对现有库的支持，以及它被一个大型社区用作物联网的通用硬件。除此之外，MQ-9、MQ-4和MQ-135传感器无论环境影响如何（尤其是灰尘和水蒸气），对可燃气体都有很高的响应性。DTH11温湿度传感器的温度范围在40～120 ℃[8]，它提供了广泛的温度测量范围，能够有效监测0～100%的相对湿度，非常适合煤矿使用。这些传感器提供了高性能、低成本、简单的架构，并且已经被广泛应用。②移动节点和其他节点（矿工位置跟踪）。一款由矿工携带的便携式设备，质量为145 g。这些智能手机配备了AMD330 CPU和安卓6.0.1操作系统，它们使用蓝牙通信连接到后台网络，移动网络能够与最近的移动网络交换信息。使用移动网络，矿工可以发送与其健康相关的紧急信号，并可以运行定位算法。因此，这些MNs有助于跟踪矿工的位置和他们的健康状况。另一方面，静态RNs是固定的，以在矿井中提供BLE主干网络[9]。SNs与RNs不同，因为传感器模块也附在SNs上。注册网络的主要功能是提供连接，并从下级注册网络获取数据。该系统中的RNs最多限于4个SNs。最后，网关节点是将SN和RN连接到基站的节点。

图5 物联网在BIM模型中的布点显示Fig.5 Layout display of IoT in BIM model

图6 Arduino MEGA 2560系列传感器及电路设计Fig.6 Arduino MEGA 2560 series sensor and circuit design

（2）网络层:通信协议。在这项矿井安全研究中，使用了带宽为2.4 kM的BLE。与蓝牙经典相比，BLE在发现范围内设备方面花费的时间更少。此外，与蓝牙经典和WiFi相比，BLE在跟踪时消耗的能量更少。蓝牙的接收信号强度指数有几个优点，包括它可以发送数据而不需要任何额外的数据传输过程。SN和RNs的主要元件是Arduino，它配备了ATmega32u4 BLE芯片串联。Arduino以8 MHz时钟速度和3.3 V逻辑运行，与3.3 V兼容。它有28 KB的闪存可用于程序存储，还有2 KB的内存。BLE可以支持40个连接，数据吞吐量为250 Kbit/s。在15.5 dBi下执行时，效率为98%，而误差下拉传输为25[10]。当矿工进入矿井时，他们被提供一个移动网络，并且在移动网络、移动网络和无线网络之间保持蓝牙连接以共享信息。 同时应用MCGS 分布式网络应用系统架构，如图7所示。

图7 人员定位驱动数据流程设计Fig.7 Personnel positioning drives data process design

（3） 信息存储、决策支持系统和应用层。系统基站中的算法使用IPv6低功耗无线个人区域网作为链路层协议，部署了命名、寻址和配置文件服务器（NAPS）来为所有传感器节点分配互联网协议（IP）地址。一个受约束的应用协议（CoAP）被用于不同平台和任务的应用网关和应用软件。系统遵循面向服务的体系结构（SOA），通过公共接口和标准协议将复杂的系统简化为简单的、面向良好的应用程序和组件。此外，云服务还链接到外部数据存储。这些服务可以支持加载、更新和混合操作系统，并可以提供分析语言，如SQL、Hadoop和MapReduce，还可以提供大数据分析框架，如Spark、Storm、Flink和百度的数据流[11]。

3 工程试验布置

首先，整个矿井被分成3个不同的区域，即斜坡、主巷道和带有相连通道的工作面；其次，通过试凑法确定了节点间距为17 m的最优布局距离。为建立整个网络，采用了以下程序步骤[12]:①BLE程序是用安卓系统安装和编程的，用Arduino制作了温度、湿度、CO2、CH4和一氧化碳传感器模块。传感原型预编程有气体、温度和湿度的阈值限制并在Arduino集成开发环境（IDE 1.0.X Arduino AG）中规定了安全限值。②SNs和RNs安装在矿井侧壁的不同位置，如图9所示。③利用井下煤矿的电力，向SNs和RNs提供3～5 V的电力。④系统的整个框架安装在运行在Windows 7操作系统上的PC服务器（英特尔至强E5420 2.5 GHz，8G RAM）上。⑤定义了RSS加权质心定位算法，并在计算机中编程实现了矿工跟踪。

图8 传感器在巷道中的布置Fig.8 Arrangement of sensors in roadway

研究对象的矿井入口直线长度约为250 m，宽度约为2 m。系统的整个网络由1个基站、1个网关、12个网络节点、4个网络节点和1个网络节点组成。此外，系统还增加了2个用于控制通风风扇的制动器和3个用于报警装置的制动器，以通知紧急响应。所有基于Arduino的SNs和RNs都安装在高约1.8 m的煤层附近，以避免人为干扰。系统监测的气体比密度比空气小，所以倾向于聚集在矿顶附近。SNs和RNs以“十字形”方式安装，每个RN后结合2个SNs。BLE节点之间的平均距离为17～18 m，这是在考虑到矿井开口表面条件的情况下选择的，因为不平坦的表面会极大地影响WSN范围。选择的距离允许单个节点与至少3个连续节点重叠。因此，在1个或2个节点出现故障的情况下，系统可以用范围内的1个节点重新配置自己。这给出了矿井内每个SNs和RNs的高密度位置。

4 系统测试结果评估

本文使用了1种K均值质心算法对从地下矿井获得的原始数据进行聚类。K均值质心算法也称K-means聚类算法，是基于紧密度和分离度将数据分类到定义数量的聚类中。为了确保准确性，将实验期间获得的聚类与已经收集的4组聚类进行比较。时间、百分比准确度和平均值是聚类的基本要素。在不同的场景下，对系统进行了离群点检测测试，发现所有情况下的效率都在90%以上，每个参数的回归常数始终大于0.97，识别异常事件精度高（>90%），并验证矿工在地下矿山恶劣环境中的定位（误差小于1.8 m）。当聚类数据显示出某个数据不同时，该数据就是异常值，很容易被技术人员观察到。同时，可以通过报表和曲线，统计瓦斯浓度数据实时值以、变化趋势及矿井人员安全信息，并且在界面中可以看到不同BIM模型位置出了实时数据，达到了安全预警的目的。

5 结语

在本文中，介绍了基于BIM建模技术和物联网的预警、事件检测和信息共享集成平台的初步尝试，该平台有可能在煤矿井下提供全面、安全、改进的服务。系统通过数据分析应用程序接口集成了地下矿山环境监控、矿工位置跟踪和云服务。该系统已在山西某煤矿成功实施，该煤矿是一个正在运营的地下煤矿。系统选择选择Arduino传感器模块，在保证精度和效率的情况下测量了矿井不同位置的温度、湿度、CO2、CO和CH4五个参数。通过BIM建模技术，将煤矿安全的挑战处理标准化，根据矿井的恶劣环境、多源数据的管理、数据隐私的问题，结合物联网的平台对于各类问题的复杂性都能应对。该系统有助于解决煤矿物联网开发的可访问性、可维护性、互操作性和灵活性问题，并且为矿井工作面建模可视化问题的处理提供了解决方案。