煤矿智能监测与预警技术研究现状与发展趋势

被引：58

作者：

郑学召 ^{[1
,2
]}

童鑫 ^{[1
]}

郭军 ^{[1
,2
]}

张铎 ^{[1
,2
]}

机构：

[1] 西安科技大学安全科学与工程学院

[2] 国家矿山救援西安研究中心

来源：

工矿自动化 | 2020年 / 46卷 / 06期

基金：

国家重点研发计划;

关键词：

煤矿安全; 智能监测与预警; 物联网; 云计算; 人工智能; 区块链数据库;

D O I：

10.13272/j.issn.1671-251x.17530

中图分类号：

TD76 [矿山安全监测系统]; TP277 [监视、报警、故障诊断系统];

学科分类号：

081903 [安全技术及工程]; 140102 [集成电路设计与设计自动化];

摘要：

从物联网、大数据、云计算及人工智能方面综述了我国煤矿智能监测与预警技术的研究现状。针对煤矿智能监测技术的实际应用情况,指出了煤矿智能监测与预警存在井下煤矿监测设备前兆信息采集可靠性差、云端平台集成应用融合深度不够、数据库安全性较弱、人工智能技术在煤矿监测中的应用尚不成熟等问题。展望了煤矿智能监测与预警技术的发展趋势:煤矿智能监测系统应用石墨烯/氧化石墨烯光纤传感器可实现多源信息感知,提升前兆信息采集的可靠性;研究多技术深度交叉融合技术,以探究监测数据的深层价值;构建基于区块链技术的煤矿监测数据库,保证数据库不可篡改,且具有较好的读写性能;研发具备自适应和深度学习的煤矿智能安全监测预警系统,实现矿井自动监测、智能预警。

引用

页码：35 / 40

页数：6

共 31 条

[1]

A Fiber Bragg Grating-Based Condition Monitoring and Early Damage Detection System for the Structural Safety of Underground Coal Mines Using the Internet of Things [J].

Jo, Byung Wan ;

Khan, Rana Muhammad Asad ;

Lee, Yun Sung ;

Jo, Jun Ho ;

Saleem, Nadia .

JOURNAL OF SENSORS, 2018, 2018

[2]

Trace hydrogen sulfide gas sensor based on tungsten sulfide membrane-coated thin-core fiber modal interferometer.[J].Dashen Deng;Wenlin Feng;Jianwei Wei;Xiang Qin;Rong Chen.Applied Surface Science.2017,

[3]

基于深度学习算法的矿用巡检机器人设备识别 [J].