Research progress on digital twin technology for intelligent mines
-
摘要: 智能矿山领域数字孪生技术的应用需面对较多复杂性、特殊性的技术突破。阐述了数字孪生在智能矿山领域的适用性，归纳梳理了数字孪生技术在煤矿安全、生产及运营管理等方面的研究及应用现状：在煤矿安全管理方面，数字孪生技术主要应用于灾害预警、风险管控、灾害救援等；在煤矿生产方面，数字孪生技术主要应用于采掘工作面区域整体、单机机械装备状态监测及控制、机械装备预测性维护。从物理实体、虚拟实体、连接交互、数字孪生数据及功能服务5个维度入手探讨了智能矿山领域数字孪生亟待解决的关键共性问题：物理实体维度需重点突破全面感知及控制装备的研发，虚拟实体维度需深入进行物理、行为、规则模型的研究，连接交互维度需攻关煤矿井下5G网络传输关键技术，数字孪生数据维度需解决高性能计算等问题，功能服务维度需研发仿真软件及人工智能算法，以便更好地适应现场环境。从矿井规划设计、开发、建设阶段的灾害预防性设计、生产系统设计、地质环境预测，矿井生产运营阶段的灾害预警及防控、生产调度决策优化、生产设备全生命周期管理等方面展望了数字孪生技术在智能矿山领域的发展趋势，认为宜针对关键部件或装备，核心环节，重要或危险场所、区域等进行精细化孪生。Abstract: The application of digital twin technology in the field of intelligent mining needs to face many complex and special technological breakthroughs. This article elaborates on the applicability of digital twins in the field of intelligent mining, and summarizes the research and application status of digital twin technology in coal mine safety, production, and operation management. In terms of coal mine safety management, digital twin technology is mainly applied in disaster warning, risk control, disaster rescue, etc. In terms of coal mine production, digital twin technology is mainly applied in the overall mining working face area, monitoring and control of single machine mechanical equipment status, and predictive maintenance of mechanical equipment. Starting from five dimensions: physical entity, virtual entity, connection interaction, digital twin data, and functional services, this paper explores the key common problems that urgently need to be solved in the field of intelligent mining. The physical entity dimension needs to focus on breaking through the research and development of comprehensive perception and control equipment. The virtual entity dimension needs to conduct in-depth research on physical, behavioral, and rule models. The connection interaction dimension needs to tackle key technologies for underground 5G network transmission in coal mines. The twin data dimension needs to solve problems such as high-performance computing. The functional service dimension needs to develop simulation software and artificial intelligence algorithms to better adapt to the on-site environment. This article looks forward to the development trend of digital twin technology in the field of intelligent mining from the aspects of disaster prevention design, production system design, geological environment prediction in the planning, development, and construction stages of mines, disaster warning and prevention, optimization of production scheduling decisions, and full life cycle management of production equipment in the production and operation stage of mines. It is believed that fine twinning should be carried out for key components or equipment, core links, important or dangerous places, areas, etc.
-
0. 引言
煤矿巷道的形变和破坏是煤矿生产实践中需要着重考虑解决的问题。煤矿巷道形变是指巷道岩层在受到外力因素作用下产生的形状和尺寸的变化，巷道形变会造成井下交通中断、生产设备损坏、人员伤亡等事故，严重威胁煤矿正常生产。因此，在煤矿开采过程中，及时、科学、准确地监测巷道形变，掌握巷道状态及形变趋势，对保障煤矿安全生产具有十分重要的意义[1]。
随着计算机技术的快速发展，多种数值模拟技术被广泛应用于巷道形变的研究中，如有限元法、离散元法、边界元法、有限差分法、十字观测法等。王伟等[2]运用理论计算与数值模拟分析，分析了动压巷道的应力分布规律，为巷道的布设位置选取与支护提供了指导。姜耀东等[3]对开滦矿区赵各庄矿、唐山矿深部开采过程中巷道形变、破坏特征进行了研究，采用FLAC2D数值模拟软件研究地应力与巷道岩层之间的密切关系。余伟健等[4]利用离散裂隙网络在FLAC3D软件中对矿山现场调查得到的裂隙进行了重构还原，研究分析了裂隙发育岩体巷道及典型支护结构体的变形破坏特征。杨景贺[5]采用离散元数值模拟方法，建立了不同支护条件下的高应力软岩巷道模型，研究了高应力软岩巷道变形破坏和支护加固的机理。
目前，针对巷道形变破坏的研究以现场实测为主，通过实测可掌握巷道形变破坏情况，直观了解导致巷道形变破坏的因素及作用效果。叶美图等[6]针对现有矿井巷道表面位移十字交叉测量方法存在的测量不便、耗时长、工作强度大、误差不可控等问题，设计了一种矿井巷道表面位移激光测量装置。该装置基于激光测距原理，利用激光测距仪完成十字定心和变形测量，通过单个激光测距仪可分别测得巷道中每个测试站顶板、底板、左帮和右帮4个方向的表面位移量。井下试验结果表明，该装置实现了无绳测量，测量效率高，结果准确。宋康磊等[7]采用地质雷达测定巷道松动圈，研究了极薄煤层跨采条件下的松动圈大小及巷道形变规律。荣耀等[8]提出了综采工作面三维激光扫描建模总体方案，对煤壁与顶板交线提取、标靶球检测、点云拼接及坐标转换等关键技术进行了研究，实现了三维地质坐标系下煤壁与顶板交线信息的近实时获取，该信息可直接发送给采煤机滚筒，为采煤机下一刀截割提供数据参考。杜江丽等[9]提出了多边形分割法，将模型的重点关注区域划分为多个多边形，对矿区边坡形变监测数据进行研究。亓玉浩等[10]提出了一种综采工作面实时三维建图方法，可满足综采工作面监控的精度需求。刘晓阳等[11]针对岩性变化和构造的分析监测越来越困难的问题，研究了当前巷道顶板稳定性监测方法。王峰[12]提出了以煤层透明化、综采装备透明化、决策及控制透明化为核心的基于透明工作面的智能化开采概念。邹筱瑜等[13]面向移动机器人在煤矿巷道的建图需求，提出了一种基于集成式因子图优化的煤矿巷道移动机器人三维地图构建方法。高晓进等[14]提出了软岩巷道超前爆破预裂顶板防控技术，以解决软岩巷道结构的形变问题。
上述方法为巷道形变监测提供了可行的解决方案，但还存在如下问题：① 单一的形变量指标难以准确反映巷道形变演化规律及围岩状态与发展趋势。② 巷道形变具有区域性、连续性、突发性的特点，现有方法存在监测站点单一、测点有限的问题，难以实现大范围、多站点、区域性同步测量。因此需要选取多个指标建立巷道形变监测指标体系，且需要研究一种具有区域性、连续性、实时性特点的巷道形变监测方法，及时、准确、全面地监测巷道形变以确保煤矿开采安全。
三维激光扫描技术可快速获取被测物体表面三维坐标，点云数据精度高、密度大，包含反射强度等信息[15]，可实现对巷道形变连续监测。因此，针对煤矿巷道形变监测面临的问题，本文提出了一种基于三维激光扫描的煤矿巷道形变监测方法。首先，利用深度学习模型VoxelNet对三维激光扫描数据进行检测去噪。然后，利用alphashape算法对断面离散点进行拟合，并采用基于差值的方法，对数据进行多维差值计算，得到巷道形变的具体数据，实现矿区巷道形变监测的全覆盖。最后，利用中煤大同能源有限责任公司塔山煤矿为期1个月的实际监测数据，对巷道形变进行截面分析和三维整体分析。
1. 煤矿巷道形变监测方法
1.1 三维激光扫描技术
三维激光扫描技术是一种先进的全自动、高精度立体扫描技术，具有操作简单、速度快、灵活性高、精度高等特点[16]，数字化、自动化、实时性强，解决了目前空间信息技术发展的瓶颈。
三维激光扫描技术借助水平方位偏转控制器及对应的高度角偏转控制器科学控制反射棱镜的实际转动，使激光测距系统发射的激光能够顺着不同的坐标轴实时移动并扫描测量。扫描仪自身定义的坐标系统中， X轴在横向扫描面内，Y轴在横向扫描面内与X轴垂直，Z轴与横向扫描面垂直。借助测得的三维扫描仪中心到目标点的斜距S、激光束水平方向偏转角a和竖直方向偏转角b来校准并计算激光脚点的实际三维坐标P（X，Y，Z）[17]。
$$ X = S \cos b \cos a $$ (1) $$ Y = S \cos b \sin a $$ (2) $$ Z = S \sin b $$ (3) 三维激光点坐标计算原理如图1所示，通过测量大量物体表面点位的三维坐标，读取并集成现场物体的反射率和纹理等信息，生成被测物点云模型，获取高精度、高分辨率的三维巷道点云数据。
1.2 点云去噪
对三维巷道点云数据去噪是煤矿巷道形变监测得以有效应用的重要预处理步骤[18]。将噪点设为巷道内的人物和内壁附着的螺丝钉和管道等，通过VoxelNet网络检测出噪点后，再对数据进行分离。
首先使用点云标注工具Semantic Segmentation Editor制造数据集，标注人物和管道等信息后送入VoxelNet训练。然后使用VoxelNet中的Voxel将三维空间中的一定空间划分为一个格子，并使用PointNet网络对格子的数据进行特征提取。最后用提取出来的特征代表这个格子，并放回到三维空间。将无序的点云数据变成高维特征数据，并使用三维卷积抽取有序的三维Voxel数据。
1.3 点云旋转
给定2个来自不同坐标系的三维数据点集，找到2个三维数据点集的空间变换关系，使2个三维数据点集处于同一坐标系中，即可实现三维点云配准[19]。配准目标是在全局坐标框架中找到单独获取视图的相对位置和方向，使2个三维数据点集之间的相交区域完全重叠。通过求点云M和点云N 之间的旋转矩阵和平移向量，使点云M和点云N的坐标处于同一坐标系下。通过欧拉角生成旋转矩阵，将点云数据进行平移和旋转。设新的空间直角坐标轴分别为X'，Y'，Z'，绕X'，Y'，Z' 3个轴旋转的角度分别为α，β，γ，绕X'，Y'，Z'旋转分别得到的旋转矩阵为
$$ {{\boldsymbol{R}}_{X'}}\left( \alpha \right) = \left[ \begin{gathered} 1\quad \quad 0\quad \quad 0 \\ 0\quad \cos \alpha \quad - \sin \alpha \\ 0\quad \sin \alpha \quad \cos \alpha \\ \end{gathered} \right] $$ (4) $$ {{\boldsymbol{R}}_{Y'}}\left( \beta \right) = \left[ \begin{gathered} \cos \beta \quad \;0\quad \sin \beta \\ \quad 0\quad \quad 1\quad \;\;0 \\ - \sin \beta \;\;\;0\quad \cos \beta \\ \end{gathered} \right] $$ (5) $$ {{\boldsymbol{R}}_{Z'}}\left( \gamma \right) = \left[ \begin{gathered} \cos \gamma \quad - \sin \gamma \;\;\;0 \\ \sin \gamma \quad \;\cos \gamma \quad \;0 \\ 0\;\;\;\;\;\;\;\;\;\;\;\;0\quad \,\,\cos \gamma \\ \end{gathered} \right] $$ (6) 对3个旋转矩阵的点云坐标进行逐元素相乘，得到最终的旋转矩阵R。
$$ {\boldsymbol{R}} = {{\boldsymbol{R}}_{Z'}}\left( \gamma \right) {{\boldsymbol{R}}_{Y'}}\left( \beta \right) {{\boldsymbol{R}}_{X'}}\left( \alpha \right) $$ (7) 1.4 点云连续断面
将巷道切分为连续的断面，根据断面对巷道进行形变分析，分别向点云的X'OY'和Y'OZ'面进行数据投影，计算当前断面的中心点$ {P^*} \left( {{x^ * },{y^ * },{{\textit{z}}^ * }} \right) $，其中，$ {x^ * },{y^ * },{{\textit{z}}^ * } $为中心点$ {P^*} $在X'，Y'，Z' 3个坐标轴上对应的数值。
随后，构造与Z'轴平行的平面，平面与Z'轴平行且与Y'轴相切，则该平面的法向量u=[0 1 0]，该平面的方程为$ y - {y^ * } = 0 $。由于落于平面的点比较稀疏，所以赋予平面一定的厚度，将点到平面一定距离d内的点都算作该平面的点。
1.5 形变分析
在实际扫描作业中，由于障碍物遮挡或受巷道空间扫描角度的限制，会出现部分点云空洞，难以保证断面上处处都有激光斑点，所以需要对投影后的断面离散点集进行拟合。alphashape算法可控制点集边界拟合以创建非凸区域，采用该算法拟合投影后的断面离散点集，其计算圆心的原理如图2所示，计算步骤如下：
![]()
图 2 alphashape算法计算圆心原理Figure 2. Diagram of alphashape algorithm calculating the center of a circle1） 选取任意一点$ p \left( {x,y} \right) $，以半径为r的圆进行滚动，在断面点集中搜索所有距离$ p $点2r以内的点的集合，形成点集Q。
2） 选取点集Q中的任意点$ {p_1} \left( {{x_1},{y_1}} \right) $，根据$ p $和$ {p_1} $2个点的坐标和半径r，计算出经过$ p $和$ {p_1} $2个点且半径为r的圆心${p_2} \left( {{x_2},{y_2}} \right) $，${p_3} \left( {{x_3},{y_3}} \right) $。
$$ \left\{ \begin{array}{l} {x_2} = x + 1/2({x_1} - x) - H ({y_1} - y) \\ {y_2} = y + 1/2({y_1} - y) - H (x - {x_1}) \\ {x_3} = x + 1/2({x_1} - x) + H ({y_1} - y) \\ {y_3} = y + 1/2({y_1} - y) + H (x - {x_1}) \\ \end{array} \right. $$ (8) 式中H为参数。
3） 计算点集Q中（除$ {p_1} $点）剩余点分别到$ {p_2},{p_3} $点的距离。若所有点到$ {p_2} $或$ {p_3} $的距离均大于半径r，则证明$ p $点为边界点。
4） 若剩余的点到$ {p_2} $或$ {p_3} $点的距离不全都大于半径r，则遍历点集Q内的所有点，将其轮换作为$ {p_1} $点，重复上述过程。若存在某点满足2）和3），则该点为边界点，终止该点的判断，继续判断下一点。若点集Q中所有临近点中均不存在$ {p_1} $这样的点，则$ p $点为非边界点。
根据alphashape算法拟合巷道断面轮廓图，构建不同监测时期同一位置的巷道断面，将其叠加后，采用对比不同时期同一位置巷道断面的高度和宽度等信息的方法，可以更直观地分析巷道形变趋势。具体分析过程：首先，由alphashapes算法计算第一期巷道断面的轮廓点，分别计算相邻2个点$p'\left( {{x_0},{y_0},{{\textit{z}}_0}} \right), q\left( {{x_1},{y_1},{{\textit{z}}_1}} \right)$所构成的线段$ {l_1} $的方向向量，默认$p',q$处于同一平面内，故只保留X轴和Z轴值，记为$p'\left( {{x_0},{{\textit{z}}_0}} \right), q\left( {{x_1},{{\textit{z}}_1}} \right)$。然后，计算过$p '$点与$ {l_1} $垂直的直线$ {l_2} $，$ {l_2} $即法向直线。最后，计算第二期与第一期相同法向直线的点的坐标，计算2个点间的距离，将其记为形变值。
2. 工程实践
2.1 工程概况
中煤大同能源有限责任公司塔山煤矿的开采工作面为30507工作面，工作面采用单巷布置方式，即在工作面分别布置胶带巷和回风巷。工作面西侧布置回风巷，东侧布置胶带巷，胶带巷东侧为实煤区，回风巷西侧为30509工作面采空区（2018年6月停采），30507工作面与30509工作面之间区段煤柱为8 m，因此将30507工作面回风巷作为监测地点，进行为期1个月的实际形变监测。
通过对30507工作面进行实地勘查，其具有以下特点：
1） 靠近工作面的回风巷区域形变量大，已有控制点坐标经过一定时间会发生变化，无法直接利用。
2） 对于井下空间地理坐标系，除用全站仪进行测点定位外，没有更好的方式将点云数据和矿井坐标系进行联系。
3） 矿区井下环境相对复杂，煤尘、空气湿度、振动等工况极易影响工作效率和数据精度。
2.2 实践方案
塔山煤矿正在回采的工作面为30507工作面，开始监测时采煤机所处位置在里程1 000 m处，监测范围为里程600～900 m。在测绘区域起始位置即里程600 m处，前后上下交错架设多个360°棱镜。根据30507回风巷实际情况，考虑到工作面附近棱镜位置会产生变化，因此以风门处于终采线以内的基准点为基准，测量各个360°棱镜的三维坐标，使棱镜与井下基准点处于同一坐标系下。采用后方交会的方式，在每次进行巷道形变监测数据采集时，以相同基准点作为初始测点的定向点，将矿井坐标系赋予点云数据，以保证每次进行形变监测工作所采集的点云数据都处于同一个空间坐标系下。
受巷道结构影响，只能选取接近于直线的布站路线进行三维激光扫描。为避免由于线性布站及井下煤尘、湿气等因素造成的拼接误差，相邻测站之间采用棱镜定位的方式进行拼接定位，选择应用可识别棱镜并记录棱镜信息的三维激光扫描仪。相邻测站间需保证有2个及以上共同的棱镜作为拼接基准。
将周期性采集的点云数据置于同一坐标系下，对多次的点云数据进行对比，得出巷道顶底板和煤柱侧、回采侧两侧壁的形变量。
2.3 数据采集
1） 控制测量。由于三维激光扫描仪具有独立的坐标系统，为了将点云数据坐标系转换为实际地理坐标系，需结合全站仪进行控制测量。在里程600 m处做3个能够固定在锚杆上的棱镜放置装置，并在其上安置3个360°棱镜。以风门处7号、9号、11号基准点为基准，采用全站仪测出3个棱镜在矿区地测坐标系中的坐标。
2） 在里程600～900 m段，按30 m的间距，在巷道两帮粉刷并做标记，作为扫描的架站位置；在里程600 m处开始架设三维激光扫描仪，并进行对中整平等操作。
3） 定位棱镜测量。扫描仪架设完毕后，使用棱镜扫描功能采集设置的360°棱镜点位数据，将定位棱镜信息同步至点云模型中。
4） 根据项目要求选择合适的扫描参数，建立测站文件夹，使用棱镜的扫描功能，识别测站间用于点云拼接所架设的棱镜，识别完成后开始三维激光扫描，获取该测站全景点云数据。
5） 检查数据质量，若数据质量合格，即可将扫描仪迁移至下一预设测站，并以同样步骤进行该测站的三维激光扫描。依次循环，直至待测区域全部扫描完成，即数据采集工作完成。
2.4 数据处理
数据处理过程只需将相邻测站间相同的棱镜目标进行匹配，即可达到点云拼接目的，过程如下：
1） 控制点坐标录入。在数据处理软件中，使用起始测站中采集的定位棱镜点创建目标，将全站仪测量的定位棱镜坐标赋予对应目标，控制点坐标录入，如图3所示。
2） 后方交会拼接。起始测站点云利用其中的定位棱镜点与已赋予现场坐标系坐标的目标点位匹配。第二测站点云以起始测站为基准，利用与起始测站共视的2个或2个以上棱镜进行后方交会，将其与起始测站拼接[20]。后续测站依次进行，得到定位于现场坐标系中的整体测区点云模型。
3） 数据去噪。为采集完整的巷道顶板、底板及煤柱侧、回采侧两侧壁数据，采用360°全景扫描仪采集现场所有可视数据。由于噪点数据[21]（图4）会对实施效率及结果精度造成影响，所以需对噪点数据进行去噪，去噪后数据如图5所示。
4） 数据输出。对数据进行拼接、去噪后，在确保点云定位信息固定的前提下，导出相应格式的点云模型，如图6和图7所示。
![]()
图 6 煤矿巷道点云数据内部视角Figure 6. Internal perspective of point cloud data in coal mine roadway![]()
图 7 煤矿巷道点云数据外部视角Figure 7. External perspective of point cloud data of coal mine roadway2.5 数据分析
在数据处理过程中，将所有三维点云模型置于同一坐标系下，因此在将同一测区的2期三维点云数据导入对比分析软件后，2期三维点云模型会自动放置在同一位置。
1） 三维整体分析。将置于同一位置的2期点云数据沿其法线方向进行差值分析，得到整体形变量，以色谱的形式将差值进行显示，不同颜色的分布表示不同区域2期点云模型偏差的分布，颜色的深浅表示该区域偏差大小。通过对模型上颜色的分布和深浅分析，得到该测段巷道形变的整体趋势，如图8所示。如果巷道受到向内的挤压，会变成红色，红色越深，表明挤压程度越大；如果巷道趋近于无变化，则会变成绿色；如果巷道向外扩张，会变成蓝色，蓝色越深，表明向外扩张程度越大。
2） 截面分析。以三维整体分析为基础，在整体巷道点云模型的竖直方向上按一定距离布置截面，截取2期点云在截面上的偏差，以色谱的形式将差值进行显示，截面分析结果如图9所示。可看出离工作面距离越近，附色模型的颜色越偏向红色和蓝色，且颜色越深，代表巷道形变越大。
两期巷道截面对比如图10所示，通过2个巷道轮廓的相对偏差，可看出该区域主要存在的形变：如果上轮廓向内偏离，则顶板发生塌陷；如果下轮廓向外偏离，则底板发生鼓起。
3） 预警记录。点选预警记录可查看预警位置、里程位置和最大形变值等信息，数据精确，可随时观察巷道形变情况，以便采取相应维护措施，巷道形变预警记录如图11所示。
3. 结论
1） 将三维激光扫描技术应用于塔山煤矿30507工作面的形变监测，将人工智能与传统方法相结合，提出了基于三维激光扫描的煤矿巷道形变监测方法。利用深度学习VoxelNet模型对点云数据进行去噪，利用alphashape算法对断面离散点进行拟合，并采用基于差值的方法，将数据进行多维差值计算以得到巷道形变数据。
2） 利用塔山煤矿的实际监测数据，对巷道三维点云数据进行了截面分析和三维整体分析。截面分析主要基于巷道三维点云按固定间距选取截面，比对2期点云截面数据，通过截面轮廓差异判断巷道形变情况；三维整体分析利用2期巷道三维点云数据进行整体比对，通过色谱显示比对结果，分析巷道形变区域和变化趋势。随着测点距工作面的距离越近，附色模型越偏向红色和蓝色，且颜色越深，表明巷道形变越大。
-
![]()
图 2 数字孪生5个维度的研究现状
Figure 2. Research status of five dimensions of digital twin technology
![]()
图 3 智能矿山领域数字孪生技术发展成熟度
Figure 3. Development maturity of digital twin technology in the field of intelligent mining
-
[1] 王国法,刘峰,孟祥军,等. 煤矿智能化(初级阶段)研究与实践[J]. 煤炭科学技术,2019,47(8):1-36. WANG Guofa,LIU Feng,MENG Xiangjun,et al. Research and practice on intelligent coal mine construction(primary stage)[J]. Coal Science and Technology,2019,47(8):1-36.
[2] 王国法,任怀伟,赵国瑞,等. 煤矿智能化十大“痛点”解析及对策[J]. 工矿自动化,2021,47(6):1-11. WANG Guofa,REN Huaiwei,ZHAO Guorui,et al. Analysis and countermeasures of ten 'pain points' of intelligent coal mine[J]. Industry and Mine Automation,2021,47(6):1-11.
[3] 王国法,任怀伟,赵国瑞,等. 智能化煤矿数据模型及复杂巨系统耦合技术体系[J]. 煤炭学报,2022,47(1):61-74. WANG Guofa,REN Huaiwei,ZHAO Guorui,et al. Digital model and giant system coupling technology system of smart coal mine[J]. Journal of China Coal Society,2022,47(1):61-74.
[4] 王国法,杜毅博,陈晓晶,等. 从煤矿机械化到自动化和智能化的发展与创新实践——纪念《工矿自动化》创刊50周年[J]. 工矿自动化,2023,49(6):1-18. WANG Guofa,DU Yibo,CHEN Xiaojing,et al. Development and innovative practice from coal mine mechanization to automation and intelligence:commemorating the 50th anniversary of the founding of Journal of Mine Automation[J]. Journal of Mine Automation,2023,49(6):1-18.
[5] 王国法. 煤矿智能化最新技术进展与问题探讨[J]. 煤炭科学技术,2022,50(1):1-27. WANG Guofa. New technological progress of coal mine intelligence and its problems[J]. Coal Science and Technology,2022,50(1):1-27.
[6] 高汶栋. 计算机集成制造系统[J]. 电世界,1995,36(9):6-7. GAO Wendong. Computer integrated manufacturing system[J]. Electrical World,1995,36(9):6-7.
[7] 邢震. 综放工作面采空区自燃危险区域监测技术及应用研究[J]. 煤炭工程,2017,49(11):130-132,137. XING Zhen. Research on monitoring technology for danger zone of spontaneous combustion in goaf of fully-mechanized top-coal caving face[J]. Coal Engineering,2017,49(11):130-132,137.
[8] 邢震. 高瓦斯矿井采空区瓦斯与煤自燃耦合规律研究[J]. 工矿自动化,2020,46(3):6-11,20. XING Zhen. Research on coupling law of gas and coal spontaneous combustion in goaf of high gas mine[J]. Industry and Mine Automation,2020,46(3):6-11,20.
[9] 周福宝,时国庆,王雁鸣,等. 矿井密闭全生命周期安全风险监测预警[J]. 工矿自动化,2023,49(6):48-56. ZHOU Fubao,SHI Guoqing,WANG Yanming,et al. Safety risks monitoring and warning throughout the full lifecycle of mine air stopping[J]. Journal of Mine Automation,2023,49(6):48-56.
[10] 张勇,宿国瑞,王鹏,等. 基于煤矿事故全过程的智慧应急云平台架构及关键技术研究[J]. 中国煤炭,2022,48(10):58-63. ZHANG Yong,SU Guorui,WANG Peng,et al. Research on the architecture and key technologies of intelligent emergency cloud platform based on the whole process of coal mine accident[J]. China Coal,2022,48(10):58-63.
[11] 田广宇,林泽东. 煤矿工作面超前预警模型与系统实现[J]. 软件导刊,2021,20(7):116-123. TIAN Guangyu,LIN Zedong. Advance warning model and system realization of coal mining face[J]. Software Guide,2021,20(7):116-123.
[12] 朱斌,张奎,张有为,等. 综掘面风流智能调控数字孪生系统[J]. 计算机集成制造系统,2023,29(6):2006-2018. ZHU Bin,ZHANG Kui,ZHANG Youwei,et al. Digital twin system for airflow intelligent control of fully-mechanized caving face[J]. Computer Integrated Manufacturing Systems,2023,29(6):2006-2018.
[13] 张有为. 综掘面风流调控数字孪生系统研究[D]. 西安:长安大学,2022. ZHANG Youwei. Study on digital twin system controlled by wind flow in fully mechanized excavation face[D]. Xi'an:Chang'an University,2022.
[14] 韩龙,王顺葵,陈广炎,等. 基于VR和数字孪生的煤矿井下巷道巡检机器人设计[J]. 科学技术创新,2023(19):217-220. HAN Long,WANG Shunkui,CHEN Guangyan,et al. VR and digital twin-based design of an underground coal mine tunnel inspection robot[J]. Scientific and Technological Innovation,2023(19):217-220.
[15] 李新,李飞,方世巍,等. 基于UE4的井下变电所巡检机器人数字孪生系统[J]. 煤矿安全,2021,52(11):130-133. LI Xin,LI Fei,FANG Shiwei,et al. Digital twin system of inspection robot in underground substation based on UE4[J]. Safety in Coal Mines,2021,52(11):130-133.
[16] 刘怡梦. 基于Kinect手势交互的综采工作面虚拟巡检系统设计与实现[D]. 太原:太原理工大学,2022. LIU Yimeng. Design and implementation of virtual inspection system for fully mechanized caving face based on Kinect gesture interaction[D]. Taiyuan:Taiyuan University of Technology,2022.
[17] WANG Hongwei,WANG Zeliang,JIANG Yaodong,et al. New approach for the digital reconstruction of complex mine faults and its application in mining[J]. International Journal of Coal Science & Technology,2022,9(1). DOI: 10.1007/s40789-022-00506-z.
[18] WANG Zhiquan. Prediction method of coal and gas outburst intensity based on digital twin and deep learning[J]. Frontiers in Energy Research,2022,10. DOI: 10.3389/FENRG.2022.891184.
[19] 王国法,庞义辉,李爽,等. 基于煤矿时空多源信息感知的智能安控闭环体系[J]. 矿业安全与环保,2022,49(4):1-11. WANG Guofa,PANG Yihui,LI Shuang,et al. Intelligent safety closed-loop management and control system based on multi-source information perception in coal mine[J]. Mining Safety & Environmental Protection,2022,49(4):1-11.
[20] 李爽,贺超,鹿乘,等. 煤矿智能双重预防机制与智能安全管控平台研究[J]. 煤炭科学技术,2023,51(1):464-473. LI Shuang,HE Chao,LU Cheng,et al. Research on intelligent dual prevention mechanism and intelligent security control platform of coal mine[J]. Coal Science and Technology,2023,51(1):464-473.
[21] 王佳奇,卢明银. 基于数字孪生的煤矿瓦斯事故安全管理[J]. 煤矿安全,2020,51(8):251-255. WANG Jiaqi,LU Mingyin. Mine gas accident safety management based on digital twin[J]. Safety in Coal Mines,2020,51(8):251-255.
[22] 李治理,邱向雷,刘海瑞,等. 煤矿防突信息管理数字孪生平台功能及应用[J]. 陕西煤炭,2023,42(4):177-181. LI Zhili,QIU Xianglei,LIU Hairui,et al. Function and application of information management digital twin platform for coal mine outburst prevention[J]. Shaanxi Coal,2023,42(4):177-181.
[23] 郭向阳,于亮亮,吴卫兵,等. 基于数字孪生的智慧煤矿安全管控平台研究[J]. 能源技术与管理,2022,47(4):134-136. GUO Xiangyang,YU Liangliang,WU Weibing,et al. Research on smart coal mine safety control platform based on digital twins[J]. Energy Technology and Management,2022,47(4):134-136.
[24] 郭泱泱. 元宇宙技术在煤矿安全培训和应急演练中的可行性研究[J]. 煤田地质与勘探,2022,50(1):144-148. GUO Yangyang. Feasibility study of the Metaverse technology in coal mine emergency training and drills[J]. Coal Geology & Exploration,2022,50(1):144-148.
[25] 葛世荣,王世博,管增伦,等. 数字孪生-应对智能化综采工作面技术挑战[J]. 工矿自动化,2022,48(7):1-12. GE Shirong,WANG Shibo,GUAN Zenglun,et al. Digital twin:meeting the technical challenges of intelligent fully mechanized working face[J]. Journal of Mine Automation,2022,48(7):1-12.
[26] 刘清,张龙,李天越,等. 综采工作面三机数字孪生及协同建模方法[J]. 工矿自动化,2023,49(2):47-55. LIU Qing,ZHANG Long,LI Tianyue,et al. A three machine digital twin and collaborative modeling method for fully mechanized working face[J]. Journal of Mine Automation,2023,49(2):47-55.
[27] 苗丙,葛世荣,郭一楠,等. 煤矿数字孪生智采工作面系统构建[J]. 矿业科学学报,2022,7(2):143-153. MIAO Bing,GE Shirong,GUO Yinan,et al. Construction of digital twin system for intelligent mining in coal mines[J]. Journal of Mining Science and Technology,2022,7(2):143-153.
[28] 葛世荣,张帆,王世博,等. 数字孪生智采工作面技术架构研究[J]. 煤炭学报,2020,45(6):1925-1936. GE Shirong,ZHNAG Fan,WANG Shibo,et al. Digital twin for smart coal mining workface:technological frame and construction[J]. Journal of China Coal Society,2020,45(6):1925-1936.
[29] 姜朔. 复杂煤层条件下综采工作面VR仿真系统及关键技术研究[D]. 太原:太原理工大学,2021. JIANG Shuo. Research on VR simulation system and key technology of fully mechanized coal-mining face under complex coal seam conditions[D]. Taiyuan:Taiyuan University of Technology,2021.
[30] 崔涛. 基于真实开采数据的采运装备虚拟规划方法研究[D]. 太原:太原理工大学,2022. CUI Tao. Research on virtual planning method of mining and transportation equipment based on real mining data[D]. Taiyuan:Taiyuan University of Technology,2022.
[31] 张帆,葛世荣. 矿山数字孪生构建方法与演化机理[J]. 煤炭学报,2023,48(1):510-522. ZHANG Fan,GE Shirong. Construction method and evolution mechanism of mine digital twins[J]. Journal of China Coal Society,2023,48(1):510-522.
[32] 蔡峰. 蒙陕地区中厚煤层智能化综采工作面关键技术应用研究[J]. 中国煤炭,2022,48(5):41-46. CAI Feng. Application study on the key technology for intelligent fully mechanized mining face in medium-thick coal seam in Inner Mongolia-Shaanxi region[J]. China Coal,2022,48(5):41-46.
[33] 雷晓荣,李明星,岳辉,等. 透明工作面数字孪生系统关键技术及实现[J]. 智能矿山,2022,3(7):50-56. LEI Xiaorong,LI Mingxing,YUE Hui,et al. Key technologies and implementation of digital twin system for transparent workface[J]. Journal of Intelligent Mine,2022,3(7):50-56.
[34] 迟焕磊,袁智,曹琰,等. 基于数字孪生的智能化工作面三维监测技术研究[J]. 煤炭科学技术,2021,49(10):153-161. CHI Huanlei,YUAN Zhi,CAO Yan,et al. Study on digital twin-based smart fully-mechanized coal mining workface monitoring technology[J]. Coal Science and Technology,2021,49(10):153-161.
[35] 符大利. 基于数字孪生驱动的综采工作面远程监控系统[J]. 煤炭技术,2022,41(4):175-178. FU Dali. Remote monitoring system of fully mechanized mining face based on digital twin drive[J]. Coal Technology,2022,41(4):175-178.
[36] 毛善君,鲁守明,李存禄,等. 基于精确大地坐标的煤矿透明化智能综采工作面自适应割煤关键技术研究及系统应用[J]. 煤炭学报,2022,47(1):515-526. MAO Shanjun,LU Shouming,LI Cunlu,et al. Key technologies and system of adaptive coal cutting in transparent intelligent fully mechanized coal mining face based on precisegeodetic coordinates[J]. Journal of China Coal Society,2022,47(1):515-526.
[37] 马宏伟,王世斌,毛清华,等. 煤矿巷道智能掘进关键共性技术[J]. 煤炭学报,2021,46(1):310-320. MA Hongwei,WANG Shibin,MAO Qinghua,et al. Key common technology of intelligent heading in coal mine roadway[J]. Journal of China Coal Society,2021,46(1):310-320.
[38] 吴淼,李瑞,王鹏江,等. 基于数字孪生的综掘巷道并行工艺技术初步研究[J]. 煤炭学报,2020,45(增刊1):506-513. WU Miao,LI Rui,WANG Pengjiang,et al. Preliminary study on the parallel technology of fully mechanized roadway based on digital twin[J]. Journal of China Coal Society,2020,45(S1):506-513.
[39] 王岩,张旭辉,曹现刚,等. 掘进工作面数字孪生体构建与平行智能控制方法[J]. 煤炭学报,2022,47(增刊1):384-394. WANG Yan,ZHANG Xuhui,CAO Xiangang,et al. Construction of digital twin and parallel intelligent control method for excavation face[J]. Journal of China Coal Society,2022,47(S1):384-394.
[40] 杨耀智. 煤矿远程智能掘进面临的挑战及发展趋势[J]. 内蒙古煤炭经济,2022(11):148-150. YANG Yaozhi. Challenges and development trends of remote intelligent mining in coal mines[J]. Inner Mongolia Coal Economy,2022(11):148-150.
[41] 王虹,王步康,张小峰,等. 煤矿智能快掘关键技术与工程实践[J]. 煤炭学报,2021,46(7):2068-2083. WANG Hong,WANG Bukang,ZHANG Xiaofeng,et al. Key technology and engineering practice of intelligent rapid heading in coal mine[J]. Journal of China Coal Society,2021,46(7):2068-2083.
[42] 徐伟锋,金向阳,张丽平. 煤矿掘进机器人视觉位姿感知与控制关键技术[J]. 煤矿机械,2022,43(5):181-184. XU Weifeng,JIN Xiangyang,ZHANG Liping. Key technology of vision pose perception and control of coal mine tunneling robot[J]. Coal Mine Machinery,2022,43(5):181-184.
[43] 张元鹏,路志国. 煤矿掘进远程智能控制系统的设计与发展[J]. 内蒙古煤炭经济,2023(3):157-159. ZHANG Yuanpeng,LU Zhiguo. Design and development of remote intelligent control system for coal mine excavation[J]. Inner Mongolia Coal Economy,2023(3):157-159.
[44] 雷孟宇,张旭辉,杨文娟,等. 煤矿掘进装备视觉位姿检测与控制研究现状与趋势[J]. 煤炭学报,2021,46(增刊2):1135-1148. LEI Mengyu,ZHANG Xuhui,YANG Wenjuan,et al. Current status and trend of research on visual pose detection and control of heading equipment in coal mines[J]. Journal of China Coal Society,2021,46(S2):1135-1148.
[45] 张旭辉,吕欣媛,王甜,等. 数字孪生驱动的掘进机器人决策控制系统研究[J]. 煤炭科学技术,2022,50(7):36-49. ZHANG Xuhui,LYU Xinyuan,WANG Tian,et al. Research on decision control system of tunneling robot driven by digital twin[J]. Coal Science and Technology,2022,50(7):36-49.
[46] 张旭辉,张超,王妙云,等. 数字孪生驱动的悬臂式掘进机虚拟操控技术[J]. 计算机集成制造系统,2021,27(6):1617-1628. ZHANG Xuhui,ZHANG Chao,WANG Miaoyun,et al. Digital twin-driven virtual control technology of cantilever roadheader[J]. Computer Integrated Manufacturing Systems,2021,27(6):1617-1628.
[47] 杨健健,张强,吴淼,等. 巷道智能化掘进的自主感知及调控技术研究进展[J]. 煤炭学报,2020,45(6):2045-2055. YANG Jianjian,ZHANG Qiang,WU Miao,et al. Research progress of autonomous perception and control technology for intelligent heading[J]. Journal of China Coal Society,2020,45(6):2045-2055.
[48] 任文涛,朱礼建,梁志斌,等. 唐口煤业10304综掘工作面数字孪生系统设计[J]. 采矿技术,2023,23(1):199-201. REN Wentao,ZHU Lijian,LIANG Zhibin,et al. Design of digital twin system for 10304 fully mechanized excavation face in Tangkou Coal Mine[J]. Mining Technology,2023,23(1):199-201.
[49] COETZEE B J,SONNENDECKER P W. Fully automated coal quality control using digital twin material tracking and statistical model predictive control for yield optimization during production of semi soft coking-and station coal[J]. Journal of the Southern African Institute of Mining and Metallurgy,2022,122(8):429-435.
[50] 王开松,徐记顺,靳华伟,等. 基于UWB技术的矿井辅助运输装备监测[J]. 绥化学院学报,2022,42(3):147-151. WANG Kaisong,XU Jishun,JIN Huawei,et al. Monitoring of mine auxiliary transportation equipment based on UWB technology[J]. Journal of Suihua University,2022,42(3):147-151.
[51] 王伟. 基于数字孪生的掘进机截割状态监测技术研究[J]. 内蒙古煤炭经济,2021(9):50-51. WANG Wei. Research on the monitoring technology of cutting condition of tunneling machine based on digital twin[J]. Inner Mongolia Coal Economy,2021(9):50-51.
[52] 薛旭升,任众孚,毛清华,等. 基于数字孪生的煤矿掘进机器人纠偏控制研究[J]. 工矿自动化,2022,48(1):26-32. XUE Xusheng,REN Zhongfu,MAO Qinghua,et al. Research on deviation correction control of coal mine roadheader based on digital twin[J]. Industry and Mine Automation,2022,48(1):26-32.
[53] 胡志强,李季涛,王洪鑫. 基于数字孪生的煤矿企业调车作业监控系统[J]. 铁路计算机应用,2023,32(2):68-72. HU Zhiqiang,LI Jitao,WANG Hongxin. Monitoring system of shunting operation in coal mine enterprise based on digital twins[J]. Railway Computer Application,2023,32(2):68-72.
[54] 赵墨波. 数字孪生驱动的协作机器人状态监测方法研究[J]. 煤矿机械,2023,44(8):210-212. ZHAO Mobo. Research on state monitoring method of cooperative robot driven by digital twin[J]. Coal Mine Machinery,2023,44(8):210-212.
[55] 李晓雪,韩赛伟. 基于数字孪生的采煤机预测性维护研究[J]. 煤矿机械,2022,43(1):173-176. LI Xiaoxue,HAN Saiwei. Research on predictive maintenance of shearer based on digital twin[J]. Coal Mine Machinery,2022,43(1):173-176.
[56] 张旭辉,鞠佳杉,杨文娟,等. 基于数字孪生的复杂矿用设备预测性维护系统[J]. 工程设计学报,2022,29(5):643-650,664. ZHANG Xuhui,JU Jiashan,YANG Wenjuan,et al. Predictive maintenance system for complex mining equipment based on digital twin[J]. Chinese Journal of Engineering Design,2022,29(5):643-650,664.
[57] 经海翔,黄友锐,徐善永,等. 基于数字孪生和概率神经网络的矿用通风机预测性故障诊断研究[J]. 工矿自动化,2021,47(11):53-60. JING Haixiang,HUANG Yourui,XU Shanyong,et al. Research on the predictive fault diagnosis of mine ventilator based on digital twin and probabilistic neural network[J]. Industry and Mine Automation,2021,47(11):53-60.
[58] 鲁泽明,王秀莉. 基于数字孪生技术的矿用设备预测性维护方案研究[J]. 数字通信世界,2022(12):21-23. LU Zeming,WANG Xiuli. Research on predictive maintenance scheme of mining equipment based on digital twin technology[J]. Digital Communication World,2022(12):21-23.
[59] 刘送永,刘强,崔玉明,等. 煤矿悬臂式掘进机多信息监测系统设计与研究[J]. 煤炭学报,2023,48(6):2564-2578. LIU Songyong,LIU Qiang,CUI Yuming,et al. Design and research on multi-information monitoring system for roadheader[J]. Journal of China Coal Society,2023,48(6):2564-2578.
[60] 张旭辉,张雨萌,王岩,等. 融合数字孪生与混合现实技术的机电设备辅助维修方法[J]. 计算机集成制造系统,2021,27(8):2187-2195. ZHANG Xuhui,ZHANG Yumeng,WANG Yan,et al. Auxiliary maintenance method for electromechanical equipment integrating digital twin and mixed reality technology[J]. Computer Integrated Manufacturing Systems,2021,27(8):2187-2195.
[61] 张雨萌. 数字孪生驱动的矿用设备维修MR辅助指导系统[D]. 西安:西安科技大学,2020. ZHANG Yumeng. DT-driven aided guidance system of mine equipment maintenance using MR[D]. Xi'an:Xi'an University of Science and Technology,2020.
[62] 丁华,杨亮亮,杨兆建,等. 数字孪生与深度学习融合驱动的采煤机健康状态预测[J]. 中国机械工程,2020,31(7):815-823. DING Hua,YANG Liangliang,YANG Zhaojian,et al. Health prediction of shearers driven by digital twin and deep learning[J]. China Mechanical Engineering,2020,31(7):815-823.
[63] HUANG Yourui,YUAN Biao,XU Shanyong,et al. Fault diagnosis of permanent magnet synchronous motor of coal mine belt conveyor based on digital twin and ISSA-RF[J]. Processes,2022,10(9). DOI: 10.3390/pr10091679.
[64] ISLAVATH S R,DEB D,KUMAR H. Life cycle analysis and damage prediction of a longwall powered support using 3D numerical modelling techniques[J]. Arabian Journal of Geosciences,2019,12(14). DOI: 10.1007/s12517-019-4574-y.
[65] SEMENOV Y,SEMENOVA O,KUVATAEV I. Solutions for digitalization of the coal industry implemented in UC Kuzbassrazrezugol[J]. E3S Web of Conferences,2020,174. DOI: 10.1051/e3sconf/202017401042.
[66] 马文昕. BIM+GIS数字孪生技术在煤矿全景数字化智能综合管控中的应用[J]. 中国高新科技,2022(16):39-41. MA Wenxin. Application of BIM+GIS digital twin technology in panoramic digital intelligent comprehensive management and control of coal mine[J]. China High and New Technology,2022(16):39-41.
[67] CHEN Long,HU Xiaoming,WANG Ge,et al. Parallel mining operating systems:from digital twins to mining intelligence[C]. IEEE 1st International Conference on Digital Twins and Parallel Intelligence,Beijing,2021:469-473.
[68] 肖粲俊,刘红梅,石发强,等. 基于数字孪生的煤矿智能管控平台架构研究与实现[J]. 矿业安全与环保,2023,50(5):43-49. XIAO Canjun,LIU Hongmei,SHI Faqiang,et al. Research and implementation of intelligent control platform architecture for coal mine based on digital twin[J]. Mining Safety & Environmental Protection,2023,50(5):43-49.
[69] 宋立. 三维可视化生产管控平台在集团型矿山企业的实现及应用[J]. 中国金属通报,2022(3):234-236. SONG Li. Implementation and application of 3D visualized production control platform in group mining enterprises[J]. China Metal Bulletin,2022(3):234-236.
[70] 赵建文,孟旭辉. 数字孪生在煤矿电网中的应用研究[J]. 工矿自动化,2023,49(2):38-46. ZHAO Jianwen,MENG Xuhui. Research on the application of digital twin in coal mine power grid[J]. Journal of Mine Automation,2023,49(2):38-46.
[71] 赵银燕,杨凯. 柿竹园多金属矿三维可视化综合管控系统设计与实现[J]. 采矿技术,2022,22(6):4-9. ZHAO Yinyan,YANG Kai. Design and implementation of 3D visualized comprehensive control system for Shizhuyuan Polymetallic Mine[J]. Mining Technology,2022,22(6):4-9.
[72] 陶飞,刘蔚然,张萌,等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统,2019,25(1):1-18. TAO Fei,LIU Weiran,ZHANG Meng,et al. Five-dimension digital twin model and its ten applications[J]. Computer Integrated Manufacturing Systems,2019,25(1):1-18.
[73] 陶飞,张辰源,戚庆林,等. 数字孪生成熟度模型[J]. 计算机集成制造系统,2022,28(5):1267-1281. TAO Fei,ZHANG Chenyuan,QI Qinglin,et al. Digital twin maturity model[J]. Computer Integrated Manufacturing Systems,2022,28(5):1267-1281.
[74] 孟峰,张磊,赵子未,等. 基于物联网的智能传感器技术及其应用[J]. 工矿自动化,2021,47(增刊1):48-50. MENG Feng,ZHANG Lei,ZHAO Ziwei,et al. Application of intelligent sensor technology based on Internet of things[J]. Industry and Mine Automation,2021,47(S1):48-50.
[75] 陶飞,马昕,戚庆林,等. 数字孪生连接交互理论与关键技术[J]. 计算机集成制造系统,2023,29(1):1-10. TAO Fei,MA Xin,QI Qinglin,et al. Theory and key technologies of digital twin connection and interaction[J]. Computer Integrated Manufacturing Systems,2023,29(1):1-10.
[76] 包建军. 智能矿山高精度位置服务系统研究现状与展望[J]. 智能矿山,2021,2(3):46-52. BAO Jianjun. Research status and prospect of high precision location service system for intelligent mines[J]. Journal of Intelligent Mine,2021,2(3):46-52.
[77] 陶飞,张贺,戚庆林,等. 数字孪生模型构建理论及应用[J]. 计算机集成制造系统,2021,27(1):1-15. TAO Fei,ZHANG He,QI Qinglin,et al. Theory of digital twin modeling and its application[J]. Computer Integrated Manufacturing Systems,2021,27(1):1-15.
[78] 谢嘉成,王学文,杨兆建. 基于数字孪生的综采工作面生产系统设计与运行模式[J]. 计算机集成制造系统,2019,25(6):1381-1391. XIE Jiacheng,WANG Xuewen,YANG Zhaojian. Design and operation mode of production system of fully mechanized coal mining face based on digital twin theory[J]. Computer Integrated Manufacturing Systems,2019,25(6):1381-1391.
[79] 李鹏,程建远. 采掘工作面地质信息数字孪生技术[J]. 煤田地质与勘探,2022,50(11):174-186. LI Peng,CHENG Jianyuan. Digital twin technology of geological information in mining and excavation working face[J]. Coal Geology & Exploration,2022,50(11):174-186.
[80] 李伟,叶鸥,刘辉,等. 基于数字孪生技术的大型煤矿远程智能监控研究[J]. 计算机测量与控制,2023,31(11):204-211. LI Wei,YE Ou,LIU Hui,et al. Research on remote intelligent monitoring of large coal mines based on digital twin technology[J]. Computer Measurement & Control,2023,31(11):204-211.
[81] 邢震,韩安,陈晓晶,等. 基于工业互联网的智能矿山灾害数字孪生研究[J]. 工矿自动化,2023,49(2):23-30,55. XING Zhen,HAN An,CHEN Xiaojing,et al. Research on intelligent mine disaster digital twin based on industrial Internet[J]. Journal of Mine Automation,2023,49(2):23-30,55.
[82] 邢震. 浅埋厚煤层地表漏风对采空区煤自燃影响数值模拟研究[J]. 工矿自动化,2021,47(2):80-87,103. XING Zhen. Numerical simulation study on the influence of surface air leakage in shallow thick coal seam on coal spontaneous combustion in goaf[J]. Industry and Mine Automation,2021,47(2):80-87,103.
[83] 邢震. 特厚煤层自燃关键参数现场观测及动态数值模拟研究[J]. 煤炭工程,2020,52(2):111-115. XING Zhen. In-situ observation and dynamic numerical simulation research on the key parameters of extra-thick coal seam spontaneous combustion[J]. Coal Engineering,2020,52(2):111-115.
[84] 邢震. 数字孪生驱动的煤矿多元业务全局动态协同管控[J]. 工矿自动化,2023,49(7):60-66,82. XING Zhen. Global dynamic collaborative management and control of diversified business in coal mines driven by digital twins[J]. Journal of Mine Automation,2023,49(7):60-66,82.
[85] 郭一楠,杨帆,葛世荣,等. 知识驱动的智采数字孪生主动管控模式[J]. 煤炭学报,2023,48(增刊1):334-344. GUO Yinan,YANG Fan,GE Shirong,et al. Novel knowledge-driven active management and control scheme of smart coal mining face with digital twin[J]. Journal of China Coal Society,2023,48(S1):334-344.
[86] 尤秀松,葛世荣,郭一楠,等. 智采工作面三机数字孪生驱动控制架构 [J/OL]. 煤炭学报:1-11[2024-01-11]. http://kns.cnki.net/kcms/detail/11.2190.TD.20230926.1756.004.html. YOU Xiusong,GE Shirong,GUO Yinan,et al. Digital twin-driven control construction for three machines of smart coal mining face[J/OL]. Journal of China Coal Society:1-11[2024-01-11]. http://kns.cnki.net/kcms/detail/11.2190.TD.20230926.1756.004.html.
-
期刊类型引用(8)
1. 刘登坤. 三维激光扫描技术在机场飞行区的应用与价值分析. 中国信息界. 2025(02): 31-33 . 
百度学术
2. 连忠文，任助理，郝英豪，杨帆，白刚，方程，袁瑞甫. 基于区域生长的非结构巷道点云去噪方法. 工矿自动化. 2024(03): 48-55 . 本站查看
3. 谢松君. 三维激光点云技术在智慧城市空间信息测绘中的应用. 中国信息界. 2024(03): 84-86 . 百度学术
4. 刘金生，张连杰. 港口常压储罐检验检测技术方法. 水道港口. 2024(04): 526-535 . 百度学术
5. 朱威霖，杨科，池小楼. 基于光纤光栅传感技术的深部巷道围岩状态精准表征. 中国矿业. 2024(10): 177-184 . 百度学术
6. 于洋，陈少青，程林. 三维激光扫描技术在储煤筒仓耐磨衬板检测中的应用. 港口航道与近海工程. 2024(05): 89-94 . 百度学术
7. 豆曙杰，李健. 长平煤矿Ⅲ53102巷三维激光扫描巷道变形监测研究. 煤. 2024(12): 49-53 . 百度学术
8. 刘敬东，李旭，郑志强，苟丙荣，韩维新，巩泽文. 激光SALM技术在煤矿巷道形变监测与支护中的应用. 矿山机械. 2024(12): 52-57 . 百度学术
其他类型引用(1)
下载:
计量
- 文章访问数: 480
- HTML全文浏览量: 162
- PDF下载量: 109
- 被引次数: 9
