分享是最大的支持，关注是最好的鼓励
韩辰辉1，鲁 杰1’2，刘震林1，张望杰1，郑嘉璐1 (1．山西大同大学煤炭工程学院，山西大同037003；2．中国矿业大学矿业工程学院，江苏徐州221116)
摘 要：随着大部分煤矿进入深部开采阶段，矿山动力灾害事故频发，其中冒顶事故占比尤为突 出。若监测预警不全面，极易对矿井人员及设备造成严重后果，产生巨大的经济损失。针对顶板事 故详细介绍了几种监测预警系统，并对监测预警系统未来的发展进行了展望，重点阐述了基于神经 网络的监测预警系统，通过神经网络对监测数据进行降维、训练，之后建立数学模型对其进行分析 和预测，并利用5G、大数据、云平台等先进技术对其进行实时预警，从而提高智能化监测预警的准 确性和稳定性。
关键词：智能采矿；煤矿顶板；智能监测；神经网络
中图分类号：TD76 文献标志码：B 文章编号：1001—0874(2023)04—0049—05
煤炭是我国的重要基础能源，是保障国民民生 和工业经济的“压舱石”。中国工程院【1】相关报告 预测：根据我国现阶段的能源储备和消费量来看，其 在未来相当长时间内仍将是主体基础能源。国家出 台的《煤炭工业发展“十四五”规划》中重点要求煤 炭行业智能化升级、开展用能信息广泛采集、能效在 线分析、实现源网荷储互动、多能协同互补、用能需 求智能调控。主要着力突破智能开采鹏【2】、煤炭绿色 安全无人开采等重大关键技术，推动智能采矿重大 示范工程建设，推动物联网、大数据、云计算等现代 信息技术在煤炭行业的集成应用，促进煤矿智能 化【3-5】绿色、无人、安全发展是当前的首要任务。
近年来，随着更多的煤矿步人了深部开采阶段， 安全形势更加严峻。虽然随着开采技术的不断创新，开采系统逐渐完善，但较大以上事故时有发生， 顶板事故频发根据2022年全国煤矿事故及死亡人 数统计情况，其中顶板事故是所有事故中最为严峻 的，占到事故总和的33％，因此对造成煤矿顶板事 故的各重要位置进行监测预警是预防其发生的关键 所在。本文详细介绍了国内外主流的顶板监测预警 技术，并对未来发展趋势进行展望。
为掌握顶板压力的运动规律，实现井下顶板监 测智能化，并及时做出预警，防止各类顶板事故发 生，对此国内外对顶板监测预警系统做了大量的研 究工作。
1．1 国内顶板监测预警系统研究
国内有不少学者对顶板监测方法进行了探索。闫相宏【6】提出了采用两级总线树形结构，每个监测 系统都是相对独立的，以时分制数字基带传输为通 信方式，主要针对支架阻力、离层运动、锚杆载荷应 力、岩层支撑应力4个方面来进行监测，由于矿压影 响因素较多，监测数据不够全面。王燕霞【7】分为井 下井上两个部分，以液压支架压力和顶板位移作为 监测目标，通过通信分站的采集命令后进行数据采 集，对数据进行放大、A／D转换等方式进行处理，之 后又通信分站进行存储，以电话网的方式传输至地 面，由于井下环境阴冷、潮湿，以电话网形式进行通 信，稍显不足。于雷【8】提出了基于ARAMIs M／E微 振监测系统对塔山煤矿8105大采高工作面顶板活 动进行监测，利用煤层破坏裂带来的微振和声波所 产生的能量来反映其受力程度，通过微振拾振器和 传感器的监测来描述时空演化和煤层运动规律，结 果表明微振事件是具有一定周期性的，由于不同矿 井实际情况不同，需要多个矿山试验进行验证。李 忠奎【9】提出了基于zigbee和CAN总线技术来对液 压支架压力、顶板离层位移、锚杆应力进行监测，将 其分成3个监测分站，每个分站通过各自的现场总 线传输至通信总站，通过以太光纤环网传输至井上， 监测目标较少，数据不全面。连清旺【10】叫在采用cAN 总线技术的情况下，建立了模糊数学综合评判理论 模型，确定了顶板灾害的临界值，实现了智能实时预 警的效果。毛德兵【11】川详细介绍了顶板事故的类型、 造成事故的原因以及对智能监测提出了总体思路， 对智能化发展指引了方向。安泽【12】通过事故案例 的分析，提出了顶板事故的6个关键因素：初撑合格 率、安全阀开启率、支架不保压率、不平衡率、顶板周 期来压步距、应力和地质异常平台，提出了智能检测 预警平台的搭建理念分为：采集层、存储层、应用层、 展示层。徐刚【13】列提出了采用微振系统监测远场顶 板活动，采用矿压系统监测近场顶板活动，利用3D 激光扫描仪来监测煤层的变化状态，并提出了开采 工作面全程顶板灾害综合防治体系。程学珍H41设 计了基于单片机和zigbee的监测系统，通过位移传 感器采集数据，无线作为通信方式，红外线语音作为 报警系统来对顶板位移实现监测预警，顶板位移影 响因素较多，传感器稍显单一，下面详细介绍3种国 内顶板监测系统。
1)基于Labview的顶板压力监测系统。Lab— view顶板压力监测系统¨副是一种应用单片机处理 的系统，其中主要包括测压装置、智能便携式数据采 集仪、Labview软件开发的计算机监控和处理系统。系统主要工作原理是通过STCl2C5A60s2单片机作 为中心处理器、锂电池作为电源的测压装置对顶板 压力进行监测，在一定的时间内将压力数据通过红 外通信技术，传输到STM32F103RB型处理器的智 能便携式数据采集仪，通过串口接收其返还的数据 之后将其传送到Labview软件开发的计算机监控和 处理系统，通过数据分析处理得出结论，最后用蜂鸣 器进行报警。该系统的优势在于使用锂电池作为测 压装置的电源使得其安装方便，通过红外通信技术 可以降低数据传输的成本，Labview软件开发的计算 机监测处理系统，可以使数据可视化为图表，并对数 据进行分析储存和预处理，生成电子报告，从而可以 缩短系统的开发周期，监测稳定、安装灵活、易于井 下布线且操作简单方便。若能在数据预处理上利用 大数据、神经网络等进行处理训练会使结果更为 准确。
2)基于光纤布拉格光栅FBG材料作为感知元 素和传输介质的顶板监控系统。基于光纤布拉格光 栅FBG【16】钊材料作为感知元素和传输介质的顶板监 控系统在我国诸暨煤矿的深巷中进行了试验，该系 统分为三大模块，其工作原理是：感知层是由不同种 类的FBG材料作为感知元件的传感器组成，主要包 括FBG分离传感器，其最大分离距离为200 mm；FBG温度传感器；FBG应力传感器。将传感器全部 串联在井下，形成完整的顶板监测网，对整个巷道顶 板进行连续的、准确的实时在线监测，通过传感器测 量的反射波长来计算其监测部位的应力载荷、顶板 位移及应力数据。网络层从感知层中接收到数据进 行自动处理，主要包括数据采集、传输、通信、实时显 示、分析及处理。最后将处理的结果传输至应用层， 用户通过登录Inter账号进行访问，实时掌控井下应力动态。该系统的优势在于利用FBG的传感器可 以为井下减少劳动力，整体系统简单易懂，且准确实 时的监测数据可以在短时间内监测巷道位移、顶板 应力从而捕捉潜在危险，为井下巷道及顶板支护与 设计提供了必要参考，该系统具有广阔的发展前景。
3)基于分布式光纤DFOS顶板监测系统。分 布式光纤DFOS顶板监测系统【17 】在我国山西荫营 煤矿150313工作面进行了试验，该系统主要工作原 理是：利用分布式光纤DFOS技术，将光纤作为传感 元件对待测点进行多方位空间的监测，来掌握顶板 压力的运动规律，室内选用BOFDA技术来进行现 场监测，其对空间及应力变化都具有较高的分辨率， 测量精度也相对较高；在室外选用BOTDR技术进 行监测，该技术是单端传导，利用频谱分析仪测量布 里渊散射光的功率，其主要优势在于长距离、高分辨 率，且适用于井下监测。通过混凝土锚固中纤维应 变的偶联试验、SS纤维的应变传递性能、应变系数 的校准试验，其结果表明，SS纤维其应变传导能力 较高、与混凝土的耦合性契合，因此可以将ss纤维 注入岩层来更好地分析岩层的变形状态，证明了SS 纤维监测岩层的可行性。整体系统实验结果得出了 在综采工作面推进的过程，采空区处首先发生应变 的为低位岩层和高位岩层，之后向煤柱方向进行偏 移的重要结论。由于纤维在松弛状态到张力状态， 需要进行预拉伸，否则会影响纤维监测的准确性，于 是在基于分布式光纤监测系统的前提下对其做出了 优化，提出了要对其做出定点预拉伸光纤布局 (POFLF)【18】的观点，其主要目的是光纤在不受力的 时候处于弯曲状态，那么在其监测过程中，会由弯曲 状态变成伸直状态，之后再由不动点的压缩和移动 来表示岩层应变的正负，如果不能在其监测的时候， 将光纤进行预拉伸，那么其监测结果不能定性、定量 的表达应变和位移。试验结果表明基于分布式光纤 和利用定点预拉伸布局做辅助的系统来定性、定量 分析顶板位移和应变是可行的。该系统的优点在于 设备体积小、易安装、安全性能高、应用场景广泛、不 易被环境影响、特别是分布式测量可以实现远程全 方位监测，但光在光纤的传播过程中会产生强度损 失，监测精度会逐渐降低，不适宜井下长时间工作。
1．2 国外顶板监测预警系统研究
1)CSIRO综合实时监测系统。CSIRO综合实 时监测系统【19】引是澳大利亚乌兰煤矿开发的一种顶 板监测预警系统，它是集位移监测、微振监测、应力 监测于一体。该系统的主要工作原理：利用GEL多 锚扩展器来测量顶板位移，在每个顶板位置安装3 个不同方向的应力计确保准确测量顶板岩层的二维 应力变化，在巷道位置安装应力计来测量长壁采矿 过程中支柱的垂直应力变化，低频质谱传感器来监 测岩层较大断裂事件，高频声发射传感器来监测较 小的岩粒压裂事件，并通过监测结果做出顶板损坏 模型图；这些硬件设施可以为其提供大量的关于屋 顶变形、应力变化及地震活动的数据，之后由位于地 下非危险区域的中央计算机自动采集监测系统的数 据，再将数据由光纤电缆传送到井上。其在乌兰煤 矿进行试验，得到了成功验证，提高了对顶板活动的 认识。该系统的优势在于利用应力计多方位的监测 岩层，能够准确地测量出顶板岩层应力变化，利用质 谱传感器和声发射传感器可以精准监测岩层断裂事 件，从而做出模型图；缺点在于其监测数据传输至井 上后，需要人为进行计算判定是否会出现冒顶事故， 井上人员要时刻保持监控计算，事故发生时间紧迫， 并不能达到及时有效的预警效果。
2)布里渊光学时域反射计(BOTDR)系统。布 里渊光学时域反射计(BOTDR)系统【20】是日本在埃 尔特尼恩矿山进行现场实验的一个地下矿山监测系 统，系统的主要工作原理是：通过采用多种不同种类 的光纤传感器安装于待测点上对井下岩层变形和应 力变化进行监测；利用BOTDR应变传感系统来对 数据进行分析处理，测量出传感器中的应力分布，其 依托于光纤传感器中产生的布里渊散射光的功率 谱，在散射位置的应变发生频移；之后传输至个人计 算机，用来保存监测数据和控制信号，该系统由于利 用光纤来监测，所以适用于大规模、长距离和连续空 间的矿井，最终利用BOTDR系统在艾尔特尼恩矿 山的试验取得了成功，得出了该系统可以监测采矿 区周围产生的应力分布不均匀而导致岩层的变形， 该系统的优势在于使用光纤传感器可以有效、迅速 地监测大面积、长距离的工作环境，适用于巷道及综 采工作面，缺点在于不同种类的光纤传感器监测的 数据不同，得到的特征标签也不同，数据率不统一， 时间不同步，融合起来较为困难。
3)基于3D激光技术监测系统。基于3D激光 扫描仪监测系统是在奥斯特拉瓦一卡尔维纳煤盆地 (捷克共和国OKD矿山)进行的系统试验，该系统 的主要工作原理是：通过3D激光扫描仪来监视顶 板、煤柱、巷道的变形运动和位移、对周围复杂的空 间进行准确的、重复的、全面的、安全的、非接触式的 数据捕捉，由于该系统可以不间断重复的进行扫描， 因此可以监测到几毫米到600 mm以上的变形位 移，从而快速地反馈到监测系统中，对危险进行准确的判断分析，提前预警。该系统的优势在于利用3D 激光扫描仪可以准确详细地监测煤柱的变形，位移 变化、坍塌以及细微的断裂情况，缺点在于与其他监 测设备价格昂贵相比，密度不均，重复扫描成本较 高，且数据量较庞大。
4)基于激光扫描仪的三维云数据监测系统。基于激光扫描仪的三维云数据监测系统【23】是在澳 大利亚新南威尔士州煤田进行的系统试验，该系统 的主要工作原理是：利用一种移动激光扫描仪ze． brevo来监测顶板螺栓的密度和距离，其在内部携带 着2D激光传感器通过安装在其电动机驱动器上的 惯性测量单元(IMu)进行旋转，从而生成3D点云 数据，由于IMU需要跟踪传感器的姿态，所以需要 知道映射传感器准确的位置，因此该设备采用了 sLAM原理，它可以优化映射传感器的环境地图，由 于该实验的数据量有限，所以采用了CANUPO分类 器来对扫描环境的结构和特征进行分析，使其自动 生成3D点数据，结合随机样本共识(RANsAc)形 状检测算法对顶板螺栓进行识别，同时，传感器和激 光束会干扰扫描仪的运行，使其扫描结果有误差，系 统采用了移动最小二乘法(MLS)来进行采样，它可 以有效地处理扫描中由噪声引起的错误数据点，方 便生成顶板螺栓密度和间距图，从而达到监测整个 矿区变化的效果。该系统的优势在于可以实现高密 度的监测结果，通过多时间点云生成的地图来监测 矿山的变形，从而实现智能监测。
基于对当前顶板监测预警技术的研究，未来智 能化预警系统主要向以下几个方面发展。
1)利用光纤传感器、映射传感器和红外线激光 扫描仪等对顶板进行实时监测，利用3D成像技术 映射出环境模型图，通过图像掌握整个顶板实时来 压情况以及受力变形过程，结合多源数据融合技术 可以解决监测不全面的问题。
2)以不同种类的传感器，对较为关键的影响因 素进行实时监测，对其进行数据收集，传输到 Flume、AntDB、MysQl等数据库中，采用Sqoop、Kettle 等技术对冗余的数据清洗、集成和转换后再进行传 输，使用4G、5G等通信技术解决数据传输慢、数据 丢包等问题。
3)建立数学模型对其进行分析和预测，从而提 高预测的准确性和稳定性。例如选取GM灰色模 型、DBN深度信念神经网络模型【21】等数学模型可 以达到部分目的；结合目前流行的优化算法，如鲸鱼 算法、麻雀算法、灰狼算法等等，从而可以提升预测 效果，使得模型预测更为可靠、准确。
4)以5G、云计算和大数据技术搭建智能预警 平台，建立设备感知层、数据传输层、数据处理层、决 策应用层等在线平台，进行数据传输、故障诊断、危 险报警，整体形成基于神经网络监测预警一体化的 智能预警系统。
本文详细介绍了现阶段国内外智能化顶板预警 系统的发展现状，目前顶板监测预警系统仍存在监 测不全面、准确性不高、稳定性不足、预警不及时等 问题。突破完善智能化顶板监测预警系统仍是实现 我国智能化、绿色化、无人化、安全作业的关键所在。随着煤矿智能化的不断发展，关键技术的不断突破， 最终达到安全、实时、可靠的智能化顶板监测系统， 从而减少由矿压引发的一系列灾害事故，保障井下 工人的生命财产安全。
参考文献：
[1] 中能传媒研究院．中国能源大数据报告[R／0L]．(2022m7— 19)[2023J晒一19]．https：／／news．bjx．com．cn／htmL／20220719／ 1242304．shtml
[2] 国家发展改革委，能源局，应急部。等．关于加快煤矿智能化 发展的指导意见[N]．中国煤炭报，2020-03旬5(002)．
[3] 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．
[4] 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．
[5] 中国煤炭工业协会．2020煤炭行业发展年度报告[R／oL]． (2021．03旬8)[2023旬5一19]．https：／／www．docin．com／p- 2637818057．html．
[6] 闫相宏，姚明远，范方起，等．煤矿顶板安全综合监测预警系 统及应用[J]．煤矿安全，2009，40(s1)：122·124．
[7] 王燕霞．煤矿综采液压支架压力和顶板离层位移监测系统的 研究[D]．青岛：山东科技大学，20lO．
[8] 于雷，闫少宏，毛德兵，等．基于ARAMIsⅣE微震监测的大 采高综放顶板活动规律[J]．煤炭学报，201l，36(S2)：293．298．
[9] 李忠奎，黄圆月，温良基于zigBee和cAN技术的煤矿顶板 动态监测系统设计[J]．煤矿安全，2011，42(11)：54-57．
[10] 连清旺．矿井顶板(围岩)状态监测及灾害预警系统研究及应 用[D]．太原：太原理工大学，2012．
[11] 毛德兵，尹希文，张会军．我国煤矿顶板灾害防治与监测监控 技术[J]．煤炭科学技术，2013，4l(9)：105一108．
[12] 安泽，张江云．煤矿综采工作面顶板灾害预警指标及应用研 究[J]．煤炭科学技术，2015，43(5)：37．41．
[13]徐刚，黄志增，范志忠，等．工作面顶板灾害类型、监测与防治 技术体系[J]．煤炭科学技术，2021，49(2)：1-11．
[14]程学珍，闫云雪，赵猛，等．基于zigBee的矿山顶板位移监测 实验装置[J]．实验技术与管理，2021，38(8)：99—104．
[15] WANG D H，SHI Y N，CHEN W B．Design ofCoal Mining R00f Pressure Monitoring system Ba∽d on Labview[J]． Applied Mech粕ics aJld Materials，2014，488：1019一1022．
[16]ZHAO Y M，ZHANG N，SI G Y．A Fiber Bragg Grating—B鹊ed Monitoring System for R00f Safety ContIol in Undergmund Coal Mining[J]．sen∞碍，2016，16(10)：1759．
[17]KAJZA V，KUKUTSCH R．Innovative Approach 10 Monit耐ng Coal Pillar Def0肿ation and Roof Movement Using 3D hser 7I'echnology[J]．f)rocedia Engineering，2017，191：873-879．
[18]KUMAR S S，SIMrr R，BIKRAM B．A Robu8t Approach to I． den崎Roof Bolts in 3D Point Cloud Data Captured fmm A Mobile L鹊er Scanner[J]． Intemational Joumal of Mining sci． ence蛐d Techn0109y，202l，3l(2)：303-312．
[19]SHEN B，GU0 H，KING A，et a1．An Integrated Real．time R00f Monitoring Sy8tem for undergmund Coal Mines[J]．J叫mal of Coal Science＆Engineering(China)，2006．
[20] PARDo C，ORTEGA c，NARUSI￡H．A刚ica￡ion 0f A Dismu吲 Fibre 0ptic S吲n Sensing system to Monitofing Ch蚰ges In ne state of An under铲ound Mine[J]． Me鹳urement science＆ Technolo科，2007，18(10)：3202．3210．
[21] Hu T，HOU G Y，LI z x．7111e Field Monitoring Experiment of 11lle R00f Stmta Move眦nt in Coal Mining Based 0n DFOS[J]． Sensors，2020，20(5)：1318． [22] HU T，BU S，H0u G Y，WANG Y．Experiment study on Coal Roadways Roof Monitoring Based on the Pre喝tretched 0ptical Fiber Lay 0ut at Fixed．points[J]．Intemational Joumal of 0il， G踮叭d C08l Engineering，2020，8(5)：103·115．
[23]张凯月．基于灰色模型的矿区地表沉降预测研究[J]．河南科 技，2022，4l(15)：5l-54．
[24] 鲁方，叶义成，张萌萌，等．基于灰色神经网络模型玻璃钢锚 杆支护巷道变形预测研究[J]．化工矿物与加工，2016，45 (2)：4I_47．
[25] 于宁，孙业新，陈洪月．基于多源数据融合的采煤机截割载荷 预测方法[J]．中国机械工程，202l，32(10)：1247-1253
请在看、点赞、分享三连击，让更多人看到！
