視角·觀點┃中國中煤蔡峰高工：中煤能源煤炭板塊人工智能應用與挑戰(zhàn)

2025年04月15日 15:32 智能礦山雜志責編：戚金榮作者：智能礦山雜志

語音播報

點擊播放

人工智能（簡稱AI）的應用分為運算智能、感知智能、認知智能3個階段。運算智能為基于仿生學研究出的優(yōu)化算法，通過自適應性學習，以最快速度完成全局優(yōu)化，實現(xiàn)計算精度和計算時間的平衡；感知智能為機器通過傳感器設備感知物理信息，通過深度學習算法進行信息分析；認知智能為機器具有主動思考和決策能力，基于數(shù)據(jù)不斷自學習，更新迭代決策能力，輔助甚至代替人類的工作。

文章來源：《智能礦山》2025年第3期“視角·觀點”欄目

第一作者：蔡峰，正高級工程師，博士，現(xiàn)任中國中煤能源集團有限公司煤炭事業(yè)部機電裝備（智能化）經(jīng)理，主要從事煤炭機電、智能化管理工作。E-mail：caifeng@chinacoal.com

作者單位：中國中煤能源集團有限公司

引用格式：蔡峰，胡成軍，王奕鳴.中煤能源煤炭板塊人工智能應用與挑戰(zhàn)[J].智能礦山，2025，6(3)：18-24.

點擊文末左下角閱讀原文，免費下載閱讀pdf全文

關注微信公眾號，了解更多礦山智能化建設進展

目前以機器學習、計算機視覺、自然語言處理為主的AI技術已在煤炭行業(yè)廣泛應用，主要體現(xiàn)在以下3個方面。

（1）安全監(jiān)控與預警

AI在智能安全監(jiān)控領域，通過部署高清攝像頭和傳感器網(wǎng)絡，結合先進的圖像識別和機器學習算法，實時采集井下視覺信息和環(huán)境數(shù)據(jù)，自動監(jiān)測人員行為、設備狀態(tài)、礦井環(huán)境等多項重要指標，在風險發(fā)生前及時預警，通知管理人員采取相應措施，避免事故發(fā)生。

（2）生產(chǎn)過程優(yōu)化控制

AI在煤炭生產(chǎn)智能控制方面，通過集成先進的算法和傳感器技術，實時獲取設備運行與環(huán)境數(shù)據(jù)，AI算法分析判斷生產(chǎn)數(shù)據(jù)，生成優(yōu)化控制策略，通過自動控制系統(tǒng)，實現(xiàn)對生產(chǎn)過程的自動調優(yōu)控制。智能控制系統(tǒng)已經(jīng)在采掘、洗選、通風和輔助運輸?shù)雀魃a(chǎn)環(huán)節(jié)實現(xiàn)了自動化和智能化管理，有效提升了煤炭勘探準確性，優(yōu)化了生產(chǎn)過程資源利用率，提高了生產(chǎn)效率。

（3）輔助決策與管理

AI在決策與管理方面，通過構建工業(yè)互聯(lián)網(wǎng)平臺，實現(xiàn)煤礦生產(chǎn)、經(jīng)營和管理等數(shù)據(jù)收集，AI算法通過大數(shù)據(jù)挖掘，為企業(yè)管理層提供智能化決策支持，輔助制定更加科學的經(jīng)營決策。

中煤能源AI技術研發(fā)與應用

中國中煤能源股份有限公司（簡稱中國中煤）共有生產(chǎn)煤礦65座，目前已建成25座智能化煤礦（其中6座為國家首批智能化示范煤礦）、12個智能化選煤廠、133個智能化采煤工作面，智能化產(chǎn)能超 1.7億t。33處煤礦建成數(shù)據(jù)中心、31處煤礦建成智能一體化管控平臺、14處煤礦開展5G建設、83臺機器人應用于生產(chǎn)運行現(xiàn)場。

中國中煤在煤炭生產(chǎn)各環(huán)節(jié)開展了AI的研究與實踐，利用機器視覺、語音識別、無人駕駛、機器學習等技術實現(xiàn)智能監(jiān)測與風險預警、數(shù)據(jù)分析與決策支持、機器人作業(yè)等工作，減人、增安、提效成果顯著。

1.1 采煤工作面

（1）液壓支架護幫板智能監(jiān)測

護幫板是液壓支架的重要組成部分，護幫板正常展開或收起，關聯(lián)煤壁片幫、采煤機滾筒等安全運行，智能視頻監(jiān)控實現(xiàn)護幫板狀態(tài)遠程監(jiān)控，并通過機器視覺實時分析護幫板的開合狀態(tài)，以及護幫板和采煤機滾筒位置關系。當發(fā)現(xiàn)異常時觸發(fā)報警時，工作面集控系統(tǒng)和液壓支架電液控制系統(tǒng)數(shù)據(jù)交互，下發(fā)聯(lián)動控制命令，控制采煤機停車，保證了采煤工作面安全生產(chǎn)，護幫板監(jiān)測界面如圖1所示。

undefined

圖1 護幫板監(jiān)測界面

（2）放頂煤開采工藝參數(shù)優(yōu)化決策

放頂煤工藝參數(shù)對頂煤放出率影響較大，放頂煤最優(yōu)工藝參數(shù)可顯著提高煤礦經(jīng)濟效益及社會效益。在實際生產(chǎn)中，通常采用工藝工業(yè)性試驗決策工藝參數(shù)花費時間長且需較多人力物力。中煤華晉集團有限公司王家?guī)X礦采用神經(jīng)網(wǎng)絡算法，提出了放頂煤工藝參數(shù)的優(yōu)化決策，建立了放頂煤開采工藝參數(shù)決策模型，得出了最優(yōu)的放頂煤開采工藝參數(shù)，頂煤放出率由71.48%提高至86.56%。

1.2 掘進工作面

掘進設備自動化需解決智能截割和自動錨固2個技術瓶頸。中國中煤通過慣性導航系統(tǒng)+多傳感器+機器視覺技術實現(xiàn)了掘進機精準定位與自主糾偏；利用多傳感器+機器視覺技術精準定位錨桿鉆車鉆孔，實現(xiàn)了掘進機智能截割和錨固流程的自動化運行。已成功應用集自動鋪頂網(wǎng)、自動定位錨護位置、自動噴射藥卷、自動連續(xù)打錨桿等功能于一體的全自動錨桿鉆車，實現(xiàn)了錨護工序全流程自動化作業(yè)，有效減少了錨桿支護人員及巷道工作面人員數(shù)量，可由1名操作司機遙控操作完成，提高了錨桿支護工作的安全性，單根錨桿支護效率提高了25%。

1.3 探放水作業(yè)

探水作業(yè)為隱蔽工程，存在作業(yè)人員假探、漏探、少探等現(xiàn)象，需大量安檢員實時跟蹤探水作業(yè)現(xiàn)場。煤礦安裝大量視頻監(jiān)控設備，安檢員長時間觀看產(chǎn)生疲勞，難以發(fā)現(xiàn)異?，F(xiàn)象?，F(xiàn)場驗收無法比對數(shù)據(jù)，鉆孔質量難以保證。

基于鉆探作業(yè)管控和人員操作監(jiān)視需求，利用機器視覺對實際場景圖像深度學習訓練，研究工人操作流程，識別作業(yè)現(xiàn)場的鉆機運動軌跡和人員姿態(tài)，智能監(jiān)控系統(tǒng)實時判別人員、電力、鉆桿狀態(tài)，采用高質量高精度推理算法，計算鉆探深度，輔助求得鉆進速度、鉆進時間，實現(xiàn)了實時監(jiān)視鉆場探水情況，識別當前井下鉆機工作情況、井下作業(yè)人數(shù)、鉆探過程鉆進鉆桿數(shù)量和鉆孔深度，確保探水鉆孔施工質量，提供了安全監(jiān)管、科學決策可信數(shù)據(jù)，探放水作業(yè)識別現(xiàn)場如圖2所示。

undefined

圖2 探放水作業(yè)識別現(xiàn)場

1.4 主運輸系統(tǒng)

帶式輸送機長時間高強度運轉易出現(xiàn)各種故障，人工監(jiān)視存在錯漏現(xiàn)象，智能視頻監(jiān)控代替人工監(jiān)控，實現(xiàn)了對異常狀態(tài)實時自動監(jiān)測，及時發(fā)現(xiàn)和預防設備故障。智能視頻監(jiān)控精準識別堆煤、大塊煤、異物、水煤、跑偏、輸送帶撕裂等異常情況，整體識別率≥98%，實現(xiàn)了對帶式輸送機安全隱患的智能分析、報警。智能視頻監(jiān)控系統(tǒng)可實時監(jiān)測帶式輸送機深度信息，計算煤流量數(shù)據(jù)，根據(jù)調速策略，自動切換輸送帶速度，實現(xiàn)“煤多快跑、煤少慢跑”的節(jié)能控制，帶式輸送機智能視頻識別界面如圖3所示。

undefined

圖3 帶式輸送機智能視頻識別界面

1.5 立井提升系統(tǒng)

（1）智能巡檢系統(tǒng)

人工巡檢安全風險大、耗時長、效率低，空間受限存在巡檢盲區(qū)，首繩智能監(jiān)測系統(tǒng)、井筒智能巡檢機器人替代人工巡檢，有效解決了巡檢人員工作環(huán)境差、效率低等問題。首繩智能監(jiān)測系統(tǒng)實現(xiàn)了提升機首繩繩徑、捻距測量與變化計算，鋼絲繩斷絲、磨損、銹蝕等外部狀態(tài)分析及預警。井筒智能巡檢機器人安裝在罐籠頂部，應用機器視覺分析井筒罐道偏移、罐耳磨損等，及時發(fā)現(xiàn)缺陷。螺栓智能識別應用語音識別技術分析設備異響、管路砂眼漏水等狀況。智能井筒巡檢機器人每日可巡檢罐道梁間隙50余次，螺栓狀態(tài)150余次，巡檢效率為人工巡檢10倍，立井提升智能巡檢系統(tǒng)如圖4所示。

圖4 立井提升智能巡檢系統(tǒng)

（2）箕斗卸載監(jiān)測系統(tǒng)

可靠檢測提升箕斗卸空可避免重載下放、裝載導致的安全事故和生產(chǎn)浪費?；沸遁d智能監(jiān)測系統(tǒng)，可實時監(jiān)測提升箕斗卸載的殘留狀態(tài)，超出閾值報警并聯(lián)動控制提升機停鉤，識別卸載完成可自動控制進入下一個勾提升流程，每勾時間平均縮短6～8s，提高了主井的提升效率，箕斗卸載監(jiān)測系統(tǒng)界面如圖5所示。

undefined

圖5 箕斗卸載監(jiān)測系統(tǒng)界面

1.6 輔助運輸系統(tǒng)

無軌膠輪車有效提升了煤礦生產(chǎn)能力和運輸效率，但因井下道路彎曲、岔路眾多，車輛在行駛過程中存在避讓難或交通堵塞的情況。針對井下復雜交通環(huán)境，井下智能交通控制系統(tǒng)實時跟蹤輔助運輸目標，識別井下車輛的行駛狀態(tài)、車輛狀況、類型以及人員行為，并智能控制紅綠燈，保證車輛有序高效地通行。智能輔助運輸監(jiān)控系統(tǒng)界面如圖6所示。

undefined

圖6 智能輔助運輸監(jiān)控系統(tǒng)界面

1.7 通風系統(tǒng)

礦井通風系統(tǒng)為防止風流短路，常設置多重風門以形成隔斷，風門常為大小門結構，便于人員從小門通行?，F(xiàn)有風門多采用人工操作，通行效率較低，且人工推啟動風門安全系數(shù)較低，時常發(fā)生擠傷行人事故。風門智能控制系統(tǒng)實現(xiàn)了自動識別人員和車輛信息，并自動控制相應風門開啟，具備實時監(jiān)控風門狀態(tài)、記錄違規(guī)行為的功能。

1.8 反“三違”系統(tǒng)

智能視頻監(jiān)控系統(tǒng)構建了井下安全“天網(wǎng)”，計算機視覺技術融入煤礦安全生產(chǎn)各環(huán)節(jié)，所屬煤礦所有作業(yè)場所實現(xiàn)智能視頻全覆蓋，形成了人工篩查為主、智能視頻識別為輔，場景智能視頻識別、人工甄別數(shù)據(jù)、示范場景精準推送的逐級遞進安全管理模式，反“三違”系統(tǒng)識別界面如圖7所示。

undefined

圖7 反“三違”系統(tǒng)識別界面

1.9 智能綜合管控

基于語音識別、語義理解、語音合成3大核心技術，研發(fā)了智能語音調度系統(tǒng)，調度員通過語音向集控平臺下發(fā)指令，智能語音調度系統(tǒng)準確識別輸入語音，并精確反饋查詢信息。改變了傳統(tǒng)使用電腦手動操作或多人配合調取的方式，縮短操作路徑，高效匯總生產(chǎn)事件信息，助力礦井調度高效化運轉。目前已完成20余項指令意圖配置，適配100多種語音命令。構建了煤炭行業(yè)專業(yè)詞庫，包括2000余個煤炭行業(yè)專業(yè)術語，支持多種方言輸入和輸出，已在中煤陜西榆林大海則煤業(yè)有限公司等多家煤礦部署上線。

1.10 露天礦無人駕駛技術

無人駕駛技術是露天礦山智能化高效發(fā)展的關鍵路徑。中國中煤積極引進無人駕駛技術，應用深度學習、蟻群算法，動態(tài)優(yōu)化多車同時卸載的最優(yōu)行車路線；應用機器視覺實例分割算法，實時監(jiān)測道路不平整度，動態(tài)優(yōu)化行車路線。中煤平朔集團有限公司東露天礦已經(jīng)實現(xiàn)7臺無人礦用卡車安全員分批次下車編組運行。無人礦用卡車裝載區(qū)效率為人工73%、運輸?shù)缆沸蕿?8%、卸載區(qū)效率為74%。無人駕駛系統(tǒng)降低作業(yè)人員工作強度，增加采運管理靈活度，減少運營成本，露天礦用卡車無人駕駛系統(tǒng)管理界面如圖8所示。

undefined

圖8 露天礦用卡車無人駕駛系統(tǒng)管理界面

1.11 選煤廠AI技術應用

以選煤工藝為核心的AI技術在選煤各環(huán)節(jié)開展了研究與實踐。

（1）智能重介控制系統(tǒng)

智能重介控制系統(tǒng)包括在線灰分分析算法、自抗擾精準控制算法、分選密度參數(shù)在線學習算法、灰分密度調節(jié)因子模型、重介智能控制模式識別模型等，通過粒子群算法和大量數(shù)據(jù)將可選性曲線的理論最優(yōu)值，推送給邊緣側的智能控制系統(tǒng)，并根據(jù)實際效果修正數(shù)據(jù)，通過多頻次、小幅度、連續(xù)性調整，整個選煤環(huán)節(jié)達到最優(yōu)狀態(tài)。

（2）智能化浮選控制系統(tǒng)

開發(fā)了粒徑-灰分在線學習模型、粒徑-灰分推算灰量校正模型、浮選初設參數(shù)動態(tài)模型、基于案例推理的加藥算法控制模型等，精確預測復選藥劑量，實現(xiàn)浮選過程參數(shù)的智能化調控。智能化浮選控制系統(tǒng)投運后，壓濾精煤板數(shù)占比由81%提高到84%，浮選藥劑噸使用降低了13%。

煤礦AI技術應用挑戰(zhàn)

AI大模型為超大規(guī)模預訓練模型，具有億量級參數(shù)，學習海量數(shù)據(jù)中蘊含的特征、結構，具有強大的邏輯推理和分析能力。但是AI大模型的訓練需要大量生產(chǎn)數(shù)據(jù)，中國中煤積極推進搭建集團公司統(tǒng)一的AI大模型平臺，整合集團資源，推動典型場景算法模型的研發(fā)與投用。但是，AI技術在實際中仍受煤礦實際應用場景的多方面條件限制。

2.1 AI模型應用成熟度低

（1）訓練數(shù)據(jù)獲取難，算法模型準確率低

AI模型構建以大量實際數(shù)據(jù)為基礎，煤礦數(shù)據(jù)樣本小、獲取成本高、生產(chǎn)數(shù)據(jù)量少、原始數(shù)據(jù)質量差、異常數(shù)據(jù)少、正負樣本差距大、缺乏標記樣本等問題，導致AI模型準確性低。

（2）煤炭生產(chǎn)場景復雜，技術適應性差

煤層地質條件多變，井下生產(chǎn)環(huán)境復雜，各煤礦應用場景差異大，研發(fā)的煤礦AI模型是針對特定礦、特定場景的小模型，相同場景的模型算法無法直接應用于不同煤礦，需要定制化模型設計和參數(shù)調整，智能化應用成本高、復制難度大，模型泛化能力面臨極大挑戰(zhàn)。

2.2 煤礦數(shù)據(jù)基礎建設不足

當前，煤礦智能化數(shù)據(jù)利用率較低，生產(chǎn)運營過程中產(chǎn)生的大量數(shù)據(jù)資源尚未得到充分挖掘和利用，未能實現(xiàn)生產(chǎn)流程全數(shù)字化，未完全打通生產(chǎn)控制系統(tǒng)、經(jīng)營管理系統(tǒng)、安全管理系統(tǒng)等，“信息孤島”問題仍存在，多源數(shù)據(jù)融合、各系統(tǒng)各設備間的協(xié)同控制基礎數(shù)據(jù)平臺建設不足。

2.3 人才儲備缺乏

（1）專業(yè)人才缺乏

AI技術行業(yè)門檻較高，在數(shù)學基礎、計算機技術以及數(shù)據(jù)處理和分析能力等方面均有較高要求。煤炭行業(yè)的業(yè)務模式、運營需求和技術應用與新興的高科技行業(yè)存在差距。工作環(huán)境惡劣、強度大，薪資待遇相對較低，導致煤炭企業(yè)難以引進優(yōu)秀人工智能人才。

（2）管理人員缺乏

部分煤礦尚未建立智能化職能部門，智能化建設規(guī)劃與管理通常由機電部門兼職，人員對智能化技術熟悉程度不足，難以有效推進AI技術的落地應用。

（3）運維團隊缺乏

AI技術穩(wěn)定可靠運行需要專業(yè)的運維團隊支持。目前，由于技術人才匱乏，存在維護不及時、整體性差等問題，影響了智能化設備和系統(tǒng)的穩(wěn)定運行。

總結

（1）基于AI的安全監(jiān)測與預警已廣泛應用于煤炭行業(yè)，成效顯著。后續(xù)應持續(xù)加強AI在智能決策方面的應用研究，深度融合煤礦開采與人工智能技術，形成設備運行智能控制策略，支撐煤炭開采裝備的智能控制和全流程智能聯(lián)動，自適應持續(xù)變化的開采環(huán)境，減少人為干預，實現(xiàn)無人開采，保障礦井本質安全。

（2）由于煤礦行業(yè)的特殊性，人工智能新技術、新模型的推廣仍面臨諸多制約因素，國內煤炭行業(yè)頭部企業(yè)、科研院所應共同成立人工智能產(chǎn)業(yè)聯(lián)盟，構建煤炭行業(yè)人工智能生態(tài)圈，促進訓練資源共享、訓練數(shù)據(jù)共享、開發(fā)人才共享等機制，共同推進人工智能在煤炭行業(yè)的廣泛應用。

END

編輯丨李莎

審核丨趙瑞

煤科總院出版?zhèn)髅郊瘓F成立于2015年，擁有科技期刊21種。其中，SCI收錄1種，Ei收錄5種、CSCD收錄6種、Scopus收錄7種、中文核心期刊9種、中國科技核心期刊11種、中國科技期刊卓越行動計劃入選期刊4種，是煤炭行業(yè)最重要的科技窗口與學術交流陣地，也是行業(yè)最大最權威的期刊集群。

《智能礦山》

Journal of Intelligent Mine

月刊CN 10-1709/TN，ISSN 2096-9139，聚焦礦山智能化領域產(chǎn)學研用新進展的綜合性技術刊物。

主編：王國法院士

投稿網(wǎng)址：www.chinamai.org.cn（期刊中心-作者投稿）

聯(lián)系人：李編輯 010-87986441

往期薦讀