礦井智能通風與關鍵技術研究

張 浪 ，劉彥青

（1.煤科通安(北京)智控科技有限公司, 北京 100013；2.煤炭科學技術研究院有限公司, 北京 100013；3.智能開采與巖層控制全國重點實驗室, 北京 100013）

0 引 言

雙碳時代背景下要求煤礦生產活動向高效、綠色、清潔方向快速轉變，穩定可靠的礦井通風系統是煤礦安全綠色生產的重要保障，礦井通風精細化管控又是實現煤礦通風系統穩定可靠運行的重要技術路徑，而以機械式、半自動化式通風技術裝備為主的現階段煤礦通風管控模式難以達到煤礦通風精細化管控的要求。在嚴格遵守 “以風定產”前提下，礦井通風智能化為實現煤礦通風精細化管控和煤礦通風系統高效節能運行提供了有力的技術支撐，因此開展礦井智能通風系統建設是煤礦發展的必然趨勢[1]。

目前我國煤礦通風技術智能化水平處于初級到中級階段[2]，盧新明等[3]總結了按需調風、災變控風等智能通風解算決策理論基礎；周福寶等[4]構建了礦井智能通風人-機-環一體化綜合信息流架構，在通風精準監測預警、通風網絡實時解算、通風故障診斷與智能決策調控等方面取得了一系列成果。與此同時，礦井智能通風建設過程需要解決的科學技術難題也逐漸凸顯，涉及熱流耦合理論、傳感器布設優化、阻變型故障診斷、非災變型擾動識別等一系列關鍵技術難題需要攻關突破[5]。

為進一步推動礦井智能通風技術的發展與進步，筆者借鑒生產工藝環節思路，將“礦井通風系統時刻處于穩定可靠、安全可控、高效節能、應急降災的運行狀態”類比為“生產工藝流程生產出的合格產品”，將“各項智能通風業務實現”類比為“生產工藝流程中各個生產工藝環節正常運行”，將“各項智能通風業務之前相輔相成的關聯關系”類比為“生產工藝流程中各個生產工藝環節之間輸入輸出資源”，建成具有強耦合性的礦井智能通風系統，充分發揮礦井智能通風系統的整體優勢作用，同時能夠對影響礦井智能通風系統發揮整體作用的關鍵環節提出明確的技術先進性要求，促進智能通風關鍵技術迭代升級。因此，筆者開展了礦井智能通風建設流程環節、礦井通風智能化應用場景化、礦井智能通風系統整體架構、礦井智能通風管控平臺、礦井智能通風關鍵環節技術實現路徑5 個方面的研究探討，為實現礦井通風智能化和無人化提供借鑒。

1 礦井智能通風流程環節

通過梳理礦井通風業務，提出了礦井智能通風流程，將流程整體劃分為6 個板塊，每個板塊包括若干項環節，流程共包含24 個環節，明確了各個環節之間業務支撐關系，如圖1 所示。

圖1 礦井智能通風系統流程環節邏輯關系Fig.1 Logical relationship between process links of mine intelligent ventilation system

①感知監測板塊主要獲取礦井全時域通風環境狀態信息、通風動力與通風設施運行狀態信息、通風災變信號，主要包括在線同步監測礦井風速風量風壓，在線監測通風設施壓差過風量以及設備是否正常運行，在線監測通風動力通風參數和機電參數，并對監測數據進行濾波降噪處理，清洗噪聲和異常值，提高監測數據可靠性。②分析診斷板塊主要對海量通風相關信息進行有序整理與目的性篩選，通過數理算法模型，定量化分析通風系統健康程度，定量化評估通風系統安全態勢，準確定位排查危險隱患和故障問題，實時掌握通風系統人–機–環全方位運行狀態。③智能決策板塊主要包括礦井最優供風、風量按需調控、災變應急控風、避災路線規劃等通風業務，自動在線決策生成上述通風業務的執行方案。④方案審批板塊主要對自動生成的通風業務執行方案進行審核確認，確認執行方案的實施合理性和安全可靠性。⑤遠程集控聯控板塊主要以數字化、可視化、自動化技術為核心，對礦井通風動力、通風設施進行精準有序的互聯控制，實現井下無人或少人條件下通風系統合理供風與風量按需調控，災變時期應急控風方案快速及時執行。⑥執行反饋板塊主要對智能通風業務執行結果進行后評估，提出優化建議或整改意見，逐步提升智能通風系統的整體運行效率。具體環節詳細內容見表1。

表1 礦井智能通風系統流程環節信息匯總Table 1 Summary of process information of mine intelligent ventilation system

2 礦井通風智能應用場景化

為了實現整個礦井通風系統安全、高效、可靠運行，根據礦井智能通風系統流程環節，將整個礦井通風系統按功能劃分為礦井采煤工作面區域通風系統、掘進工作面區域通風系統、礦井主要進回風大巷通風系統，按照“礦井通風系統整體規劃+采掘用風區域重點細化”思路，進行智能通風應用場景構建，提出了礦井智能通風應用場景如圖2 所示，應用場景具體實現內容包括：①滿足礦井各類巷道(采掘巷道之外)風速上下限規定、人員呼吸，車輛尾氣排放、瓦斯二氧化碳氣體稀釋等要求；②解決礦井各類巷道(采掘巷道之外)瓦斯二氧化碳異常涌出、外因火災、煤塵瓦斯爆炸等突發災害問題；③解決礦井各類巷道(采掘巷道之外)車輛尾氣超限等突發職業衛生問題；④實現掘進工作面智能通風應用場景；⑤實現采煤工作面智能通風應用場景。

圖2 礦井全系統智能通風應用場景實現方案Fig.2 Implementation scheme of application scenario of intelligent ventilation process of whole system of mine

以采掘工作面為智能通風重點區域，分別對采煤工作面、掘進工作面進行智能通風應用場景研究，如圖3、圖4 所示。采煤工作面智能通風應用場景的具體實現內容包括：①滿足采煤工作面風速上下限規定、工作面人員呼吸，車輛尾氣安全排放、瓦斯二氧化碳安全氣體稀釋等要求；②解決上隅角低氧、采空區火災氣體異常涌出、瓦斯二氧化碳異常涌出、外因火災等突發災害問題；③解決風流溫度高、粉塵質量濃度超限等突發職業衛生事件。掘進工作面智能通風應用場景化具體實現內容包括：①滿足掘進工作面風速上下限規定、工作面人員呼吸，瓦斯二氧化碳氣體安全稀釋等要求；②解決瓦斯二氧化碳異常涌出等突發災害問題；③解決工作面掘進工作面風流溫度高、車輛尾氣異常超限、粉塵質量濃度超限等突發職業衛生問題。

圖3 采煤工作面智能通風應用場景實現方案Fig.3 Implementation scheme of application scenario of intelligent ventilation process of coal mining face

圖4 掘進工作面智能通風應用場景實現方案Fig.4 Implementation scheme of application scenario of intelligent ventilation process of excavation face

3 礦井智能通風系統整體架構

為了實現礦井智能通風系統各個環節，以邏輯分層思想研究了礦井智能通風系統架構，分解為智能通風感知系統、數據中臺、智能通風管控平臺、智能通風調控設備，如圖5 所示，其中數據中臺服務于全礦井所有智能化系統，各個智能化系統向數據中臺上傳數據，數據中臺對上傳數據進行匯聚整合和提純加工，同時各個智能化系統可向數據中臺申請獲取其他智能化系統數據，實現各個智能化系統之間數據共享，解決各個智能化系統之間數據孤島問題。

圖5 礦井智能通風系統架構Fig.5 Overall architecture of intelligent ventilation system

智能通風感知系統中各類終端傳感器與監測裝置采集各類數據，經邊緣計算終端篩選獲得有價值數據上傳數據中臺，同時智能通風管控平臺向數據中臺獲取人員車輛等其他系統的相關數據；數據中臺將分散在采掘、人員車輛等其他系統中的智能通風相關業務數據進行匯聚整理和提純加工之后，向智能通風管控平臺提供所需業務數據；智能通風系統從數據中臺獲取業務數據之后，開展各項智能通風相關分析、解算、決策相關功能服務，智能通風管控平臺根據分析、解算、決策相關功能服務結果下發遠控指令，同時根據數據中臺反饋的設備狀態監測、環境參數監測等參數，遠控智能通風調控設備，完成智能通風具體業務功能。

4 礦井智能通風管控平臺

礦井智能通風管控平臺是礦井智能通風系統的“大腦”，劃分為硬件驅動層、業務功能層、計算處理層、數據存儲層、數據采集層，如圖6 所示，其中客戶端集中展示與體現的業務功能層，通過客戶端實現各類智能通風功能，硬件驅動層與計算處理層直接支撐業務功能層的運行，實現智能通風各類功能；數據采集層、數據存儲層為計算處理層提供數據來源支撐和數據存儲功能支撐。

5 礦井智能通風關鍵環節技術實現路徑探討

5.1 通風感知監測板塊技術實現路徑探討

對于礦井風量風速監測感知環節，單點式超聲波風速傳感器、對射式超聲波風速傳感器已經應用于井下風速在線監測[6]，測風誤差為±0.1 m/s，測風下限達到0.1 m/s，實現巷道點風速、線風速準確監測。根據巷道風速結構場恒定原理，劉劍等[7-8]論證了基于湍流平均統計的巷道單點風速監測數據反演獲得巷道平均風速這一方法在理論上是可行的；筆者[9]采用CFD 模擬與現場測試結合方法探索研究了測風站單點測風的風速傳感器布置位置；卞歡等[10]構建了基于CFD 模擬數據的巷道平均風速單點監測神經網絡模型，根據巷道斷面內任一風速值反算巷道平均風速值；周福寶等[4]提出了差壓監測反演井巷風量技術，一定程度上降低單點傳感器監測巷道平均風速誤差；筆者團隊[11]研發了基于巷道斷面平均風速區域“9 點”采集法的全斷面多點移動式全自動測風系統，如圖7、圖8 所示，實現了巷道“點風速”到“面風速”監測升級；筆者團隊以對射式超聲波風速傳感器為基礎，基于巷道多條線風速積分成面風速原理，研發了全斷面掃描式全自動測風系統，如圖9 所示，實現了巷道全斷面風速場掃描式監測。

圖7 巷道平均風速區域（綠色區域）與風速監測九點布置位置[11]Fig.7 The average wind speed area of the roadway (the green area ) and the nine-point arrangement of wind speed monitoring

圖8 全斷面多點移動式全自動測風系統[11]Fig.8 Full-section multi-point mobile automatic wind measurement system[11]

圖9 全斷面掃描式全自動測風系統Fig.9 Full-section scanning automatic wind measurement system

對于通風阻力在線監測環節，巷道風流湍流脈動會造成通風阻力測試隨機誤差，采用傳感器在線監測技術在短時間多次測試取統計平均結果能夠實現通風阻力準確測試[12]。目前主要包括壓差監測法與絕壓監測法，監測原理如圖10 所示，將以往費時費力的井下通風阻力實測工作升級為在線監測。壓差監測法以測壓精度達到±1 Pa 的壓差傳感器作為核心設備，實現了礦井通風阻力在線監測，缺點是需鋪設整個礦井通風阻力路線長度的測壓氣管，鋪設工程量與后期維護工作量較大。絕壓監測法以實時監測絕對氣壓、風流溫濕度的通風多參數傳感器為核心設備，實現了通風阻力、空氣密度、自然風壓等通風阻力相關參量在線監測，通風多參數傳感器的絕壓監測精度為±10 Pa，通風阻力監測精度低于壓差監測法，但維護工作量遠小于壓差監測法。

圖10 礦井通風阻力在線監測原理示意Fig.10 Schematic of principle of online monitoring of mine ventilation resistance

礦井風量風速監測感知環節和通風阻力在線監測環節的技術實現路徑為：①針對傳感器探頭在井下高粉塵環境中適應差問題，設計開發了脈沖式壓風噴氣裝置、往復機械刷式裝置等清灰裝置，每日定時清潔傳感器探頭；②傳感器須具備邊緣計算能力，構建數據清洗模型[13-14]，能夠對采集數據進行分類辨識與提取，過濾掉風門正常開閉、車輛行駛、人員走動等擾動數據和傳感器受電磁環境影響產生的失真數據；③開發傳感器故障自診斷功能，及時上傳反饋故障信號；④傳感器實現無線信號傳輸，能夠顯著降低傳感器安裝運行維護工作量。

5.2 通風分析診斷解算板塊技術實現路徑探討

對于礦井全風網風量風壓解算環節，以往通風網絡解算是采用歷史數據解算，難以適應動態實時需求，為了準確解算高產高效礦井通風系統風量實時變化，眾多學者[15–18]基于回路風量法和結合風量平差計算模型，提出了基于有限風量監測數據的通風網絡實時網絡實時解算技術，在全礦井所有風壓風速傳感器的一個巡檢周期內能夠完成一次解算，實時解算結果準確率達到90%以上。該環節的技術實現路徑為：①研究風量監測巷道分支數量和位置優選方法能夠提升實時網絡解算結果準確性[19]；②建立考慮井巷熱濕影響的通風網絡解算數學模型能夠提升實時網絡解算的結果準確性[20]；③通過基于分形維數描述巷道表面粗糙程度[21]或BP 神經網絡等人工智能算法[22-23]實現了實時網絡模型井巷風阻快速準確自動預測更新，通過采掘設備實時空間坐標實現實時網絡模型巷道拓撲關系自動更新，能夠大幅度提升通風實時網絡解算效率。

對于災源判識和災變定位環節，災變風流模擬是基礎，災變風流模擬數學模型復雜程度、模擬解算速度、模擬解算結果準確性3 者之間存在相互制約關系。在礦井災變風流模擬分析方面，面向礦井通風災變的場量表達和可視化仿真是關鍵難點之一[24]，Ventsim,Mfire 等模擬軟件實現了通風網絡解算和火災煙流或瓦斯風流耦合模擬[25-26]，實現了通風網路內風量變化、風流逆轉、有毒有害氣體蔓延的快速模擬計算，筆者團隊構建了火災時期通風網絡“風量風壓–風流溫度–各類有毒有害煙氣–氧氣濃度”風流模擬多物理場耦合模型，實現了火災風流快速模擬解算，耦合模型如圖11 所示，解算流程如圖12 所示。對于瓦斯煤塵爆炸等強破壞性災變，董銘鑫等[27]、孟亦飛等[28]使用CFD 軟件能夠模擬研究通風管網中瓦斯爆炸沖擊波傳播特性；劉劍等[29]基于模擬數據構建訓練機器學習模型實現了通風網絡內爆炸沖擊波傳播的快速模擬。實際生產中，災變發生具有時間突發性、地點不確定性等特點，如何快速確定災源位置和災變類型至關重要，該工藝環節的技術實現路徑為：①研究災變快速模擬技術，快速模擬各類災變場景，定量分析火災影響范圍和影響時效；②根據各類災變場景模擬結果，總結出通風系統拓撲結構特征集、災源特征集、通風網絡內有害氣體等致災危險源蔓延擴散特征集，采用人工智能算法，構建與訓練災源位置與災變區域智能判識模型；③以礦井通風網絡結構、實時解算結果和災變實時感知信息作為數據輸入，通過災源位置與災變區域智能判識模型，快速確定災變類型，圈定災源位置。

圖11 火災風流模擬多物理場耦合模型Fig.11 Multiphysics coupling model for fire wind flow simulation

圖12 通風網絡火災風流模擬解算流程Fig.12 Simulation process of fire air flow in ventilation network

對于礦井動態需風量計算環節，目前礦井需風量根據往年礦井相關歷史數據計算得到，未按照礦井人機環各類條件動態變化情況進行需風量實時計算，礦井實際配風往往明顯大于礦井實際需風量，造成礦井風量浪費。該環節的技術實現路徑為：①多系統多元數據信息提取融合是實現礦井動態需風量計算的基礎，研究多源數據融合信息集成動態展示技術，通過數據中臺技術集成智能通風、人員車輛定位、安全監控、防火防塵等其他系統數據信息，建立基于實時數據的礦井最佳供風人–機–環多元動態決策模型，開發礦井多系統信息融合實時決策解算需風量技術，實現通風相關信息融合分析礦井動態需風量；②建立基于實時網絡解算結果的需風量動態分析預警模型，通過動態需風量與實際風量對比，對各地點風量不足、風速超限等問題進行報警預警。

在通風系統故障診斷環節方面，實現通風系統故障在線診斷與定位溯源，實時保證通風系統全時域安全穩定高效節能運行，根據故障對通風系統的影響可劃分為阻變型故障、通風動力失效故障、非風流隔斷與調控功能失效型通風設施故障。對于阻變型故障診斷，劉劍等[30]提出并驗證了適用于單故障條件下優化故障診斷監測傳感器布置的掃帚模型，倪景峰等[31]研究論證了小型通風網絡結構條件下隨機森林比決策樹具有更高故障診斷準確率；李秉芮等[32]提出了基于異常巷道風量變化最大理論和通風實時網絡解算的巷道風阻異常在線診斷技術；筆者團隊[33]研究論證了大型通風網絡結構條件下人工智能算法中神經網絡的故障診斷準確率相對較高。該環節的技術實現路徑為：①基于通風網絡實時解算技術，結合神經網絡等人工智能方法，優化傳感器布置位置，實現了復雜通風網絡結構條件下阻變型故障位置及故障類型快速診斷；②對于通風動力失效故障，沖擊脈沖技術能夠實現風機關鍵機械結構損傷的超前探測，風機軸溫監測技術能夠實現風機電機健康狀態實時評價分析；③對于非風流隔斷與調控功能失效型通風設施故障，通過開發邊緣計算風門控制器，對視頻圖像、位置傳感器信號等數據進行分析，實現了非風流隔斷與調控功能失效型通風設施故障診斷。

5.3 智能通風決策板塊關鍵技術實現路徑探討

對于礦井風量按需調控方案決策環節，魏引尚等[34]提出了礦井通風系統分級控制策略；裴曉東等[35]建立了以自動調節風窗為關鍵調節設施的基于元胞自動機模型的分支風量調節方案決策模型；基于靈敏度矩陣，吳新忠等[36-37]分別采用改進麻雀搜索算法和灰狼算法，任子暉等[38]采用改進天牛須搜索算法，均實現了最優風量調節分支集合和分支風阻最優調節值的決策。礦井風量按需調控方案決策以礦井通風系統安全、高效、綠色、低碳運行為目標導向，自動解算給出礦井通風動力與通風設施的調控方案，實現“用風地點→采區→礦井”分級分域礦井風量動態精準調控，調控設備涵蓋通風設施與通風動力，礦井分區域控風方案自主決策流程如圖13所示，該工藝環節的技術實現路徑為：①結合各區域用風地點動態需風量，確定風量調節位置與調節目標；②根據風量調節位置與調節目標，對采掘工作面、采區(盤區)、礦井進行控風區域劃分，圈定聯控影響區域范圍，確定聯控設備集；③采用各類改進的人工智能仿生算法，結合靈敏度矩陣，對控風方案決策這類非線性規劃問題進行在線解算，控風方案決策結果為自動調節風窗調節風阻范圍、局部通風機運行頻率、主通風機運行頻率葉角等參數組合集。

圖13 礦井分區域控風方案自主決策流程Fig.13 Independent decision-making process of mine sub-regional wind control scheme

對于礦井應急控風方案決策環節，根據事故災變源診斷定位結果，自動給出能夠消除故障的礦井通風動力與通風設施應急聯控方案，并結合安全監控、人員車輛定位等相關系統信息，在線自動生成安全逃生路線和人員避災路線，兼顧人員安全迅速撤離和災源快速有效控制。針對災變類型和災源位置已經明確的災變場景，張智韜等[39]提出了基于結合卡爾曼濾波PID 的遠控風門–風窗–風機聯合調控風流算法，實現火災煙氣應急排放；王凱等[40-41]基于災變時期礦井通風供需偏離特征，建立了多元特征融合的主通風機調頻、關聯分支調阻及聯合調節的數學模型，實現了以風門和主通風機為調控設備的火災風煙流智能調控。實際災變發生具有時間突發性、地點不確定性等特點，根據通風系統災情發展動態研判結果進行災變應急決策[42]，該環節技術實現路徑為：①采用人工智能算法，構建和訓練以災變類型和災源位置為數據輸入的災變應急控風方案快速決策優選模型；②災變發生之后，根據災變類型和災源位置，快速選定應急防控預案，同步實時調用獲取安全監控、人員定位、車輛定位等各類安全生產相關子系統數據信息，按照礦井災變分區域進行人員避災路線動態規劃，在線自動生成安全逃生路線，兼顧人員安全迅速撤離和災源區域快速有效控制。

5.4 通風遠程集控聯控板塊技術實現路徑探討

5.4.1 遠程控風無人化執行環節技術路徑探討

自動控制風門和自動調節風窗、具有變頻調速功能的主要通風機和局部通風機均已在全國煤礦中推廣開來。

目前自動控制風門已實現“紅外感應/遙控”“光控感應”“圖像識別”等多種自動開閉控制模式，筆者團隊[43]研發了自適應巷道變形–輕量化–可調合頁–遠程自動控制風門。目前百葉式自動調節風窗應用最為廣泛，均實現了風窗過風面積遠控調節，筆者團隊[44]建立調節風窗過風面積–等效局部風阻數學模型，如圖14 所示，筆者團隊[45]研發了基于PID 控制算法的多用風地點風量全自動在線聯合調控系統，實現了除井下掘進工作面之外的采煤工作面、各類硐室等多個用風地點風量在線按需調控，如圖15所示。

圖14 調節風窗過風面積–等效風阻數學模型構建流程[44]Fig.14 Building process of mathematical model of automatic adjustment of wind area of wind window and equivalent wind resistance[44]

圖15 基于自動風窗的多用風地點風量在線調控實現流程[45]Fig.15 Implementation process of online air volume control of multi-purpose air location based on automatic air window[45]

主要通風機以FBCDZ 系列軸流式目前應用最廣，風壓范圍為400～6 570 Pa，風量上限達到450 m3/s，變頻調速技術已經成熟應用，動葉可調技術也在逐步推廣使用中，筆者團隊[43]研發了主通風機遠程集中控制系統，實現了主通風機不停風切換、聯動反風和定量供風智能化控制等功能，實現了主通風機復雜的人工操作過程向自動化控制轉變和主通風機最佳工況點智能調節。

局部通風機以FBD 系列防爆對旋式應用最廣，效率達到80%以上，運行噪聲低于80 dB，局部通風機變頻調速技術已經成熟應用。筆者團隊[43]研發了基于PID 算法的掘進工作面智能通風控制系統，融合了掘進工作面風速風量監測、瓦斯監測、變頻調速技術，實現了掘進工作面按需動態最優供風功能，如圖16 所示；王磊等[46]建立了基于理論供風量/實際供風量/實際需風量匹配性的局部通風機變頻調控模型，實現了長距離掘進工作面動態調風；賈天毅等[47]提出了基于模糊控制理論的局部通風機運行頻率分級應急響應調控模型，實現了無瓦斯突變量預判前提下大量瓦斯異常涌出后局部通風機快速應急響應調頻稀釋瓦斯。

圖16 智能局部通風控制系統功能設計Fig.16 Functional design of intelligent local ventilation control system

該環節的技術實現路徑為：①將通風設備遠程人機干預控制模式逐步升級為可視化人機密切協同交互模式；②開發通風設施本安型電動驅動力系統，提升通風設施調控精準度和調節動力穩定性；③通風設備在保證結構強度條件下輕量化設計，方便現場運輸和安裝；④基于冗余控制策略，開發具有手動、自動、遠程控制多種控制模式的通風設施；⑤基于冗余控制策略，開發具有手動應急控制、遠程集中控制、自主調控多種控制模式的通風動力設備；⑥研究通風動力及通風設施聯動控制技術，保證設備群聯控期間礦井通風系統處于安全可靠狀態；⑦開發具有邊緣計算和局域自主網能力的井下分布式監控智能分站，節約地面管控平臺算力，提高通風設備控風效率。

5.4.2 應急控風無人化執行環節技術路徑探討

針對礦井內外因火災、瓦斯涌出等弱破壞性災變，控制通風網絡中煙氣擴散(或含瓦斯風流)和降低通風網絡內風流紊亂程度是火災通風應急的關鍵核心問題，利用火災煙氣傳播具有一定延時特點，超前采取措施疏導、排放煙氣，并及時控制災變區域范圍。研發具有遠控功能、漏風率低的耐火密閉/風門和煙氣疏導排放動力設備是防控礦井內外因火災的有效手段。為了防止火災煙氣通過風門侵入礦井安全區域，需提升風門閉鎖可靠性，以保證風門的風流隔斷效果；同時為了將火災煙氣快速排出礦井系統，需對風門進行遠程解閉鎖，將同一位置2 道風門同時打開，火災煙氣隨短路風流快速進入礦井回風巷，為此筆者團隊[43]開發了風門雙重閉鎖–遠程解閉鎖應急控制技術；基于此構建了采煤工作面一鍵反風降災減災應急系統(圖17)和主運巷火災應急短路疏煙排氣系統；針對井下外因火災、瓦斯涌出等具有災變位置不確定的特點，為了快速控制災變區域火災煙氣蔓延范圍，同時為井下人員爭取逃生時間，劉尚明等[48]研發了耐火性充氣式氣囊，重量輕操作簡單，能夠實現井下災變風煙流快速臨時封堵與隔離。

圖17 采煤工作面一鍵反風降災減災應急系統Fig.17 Local anti-wind system of coal mining face with disaster mitigation and mitigation effect

針對煤與瓦斯突出、瓦斯煤塵爆炸災害等強破壞性災變，如何保證爆炸沖擊波之后通風系統恢復通風功能是瓦斯煤塵爆炸災害之后應急防控的關鍵。研發具有保護通風動力、快速復原、災害有毒有害氣體疏導排放等功能的應急控風設備是防控瓦斯煤塵爆炸災害的有效手段。范喜生[49]研發了抗沖擊自動復位式風井防爆門(圖18)，王雁鳴等[50]優化了抗沖擊自動復位式風井防爆門，實現了爆炸沖擊波作用下風井防爆門自動泄壓與自動恢復；姜文忠等[51]研發了抗沖擊遠程快速密閉，解決了回采工作面內外因火災、瓦斯涌出等弱破壞性災害的快速密閉隔離難題；為了實現井下巷道發生煤塵瓦斯爆炸等強破壞性災害之后實現無人化遠程快速隔離災區，筆者團隊升級研發了自動復位式抗沖擊遠程快速密閉，如圖19 所示，沖擊波快速泄壓之后快速密閉能夠自動復位，抗沖擊波強度達到0.5 MPa，達到煤礦永久避難硐室防護密閉門抗沖擊壓力要求。

圖18 回風立井抗沖擊自動復位式風井防爆門Fig.18 Impact-resistant self-resetting blowshaft explosionproof door for return air shaft

圖19 自動復位式抗沖擊遠程快速密閉Fig.19 Fast sealing with auto-reset and impact-resistant remote functions

該環節的技術實現路徑為：①研發災變信息感知傳感器及配套系統，提高災變信息獲取能力；②應急控風減災設備應具備遠程控制、斷電續航、抗沖擊自動復位、有毒有害氣體疏導與阻隔等功能；③針對煤塵爆炸產生爆炸沖擊波、有毒有害煙氣等多種致災危險源，設計開發組合式應急控風設備，進行有效防控。

6 結 論

1）圍繞實現礦井通風業務智能化和無人化的目標，提出了礦井智能通風流程環節，按照業務類型劃分為6 個板塊，共包含24 個環節，明確了礦井智能通風各環節之間業務邏輯關聯關系和每個環節的輸入輸出要素。

2）按照“礦井通風系統整體規劃+采掘用風區域重點細化”思路，研究了礦井全系統智能通風應用場景實現方案和采煤工作面、掘進工作面兩個細化的智能通風應用場景實現方案。

3）建設礦井智能通風系統能夠使礦井通風系統更加有序、更加可控，實現通風智能感知、智能決策分析關鍵環節是推進礦井通風系統信息化進程的關鍵，實現通風智能調控和災變應急調控關鍵環節是推進礦井通風系統智能化進程的關鍵。針對通風感知監測、通風分析診斷解算、通風智能決策、通風遠程集控聯控4 個礦井智能通風關鍵板塊，總結分析了目前關鍵環節技術現狀，提出了關鍵環節的技術實現路徑。