易瑞強(qiáng)

(陜西黃陵二號煤礦有限公司，陜西 延安 727300)

0 引言

煤礦綜采自動化技術(shù)是實(shí)現(xiàn)煤炭安全、高效回采的重要保障，是國家經(jīng)濟(jì)發(fā)展所需煤炭供應(yīng)的先決條件[1]。隨著開采深度的加大和賦存地質(zhì)條件的惡化，已對深部煤炭資源的安全開采造成嚴(yán)重威脅。由于綜采工作面自動化系統(tǒng)[2]以過程化控制為核心，與生產(chǎn)管理過程脫節(jié)，未進(jìn)行高效實(shí)時(shí)的實(shí)現(xiàn)信息集成和互通，不能有效地對綜采關(guān)鍵設(shè)備進(jìn)行管理，更因?yàn)樽詣踊_采過程中存在大量數(shù)據(jù)可以廣泛使用，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的決策信息和控制策略，為生產(chǎn)控制生產(chǎn)管理者提供決策和建議，因此把綜采自動化各子系統(tǒng)的信息融合[3]形成統(tǒng)一監(jiān)管和大數(shù)據(jù)分析的平臺，并進(jìn)行數(shù)據(jù)深度挖掘，最終實(shí)現(xiàn)智能化精準(zhǔn)開采顯得尤為重要。

1 煤礦綜采自動化技術(shù)及信息融合

1.1 綜采自動化技術(shù)

信息整合：煤礦綜采工作面系統(tǒng)的自動化水平是當(dāng)前國際采礦界研究的熱點(diǎn)。我國煤礦綜采設(shè)備具備數(shù)據(jù)傳輸功能，并能與多種通信系統(tǒng)和接口進(jìn)行傳輸。對所有重要的參數(shù)，隨時(shí)隨地進(jìn)行監(jiān)測，并進(jìn)行信息交換。由于設(shè)備種類繁多，數(shù)據(jù)上傳的接口與協(xié)議不統(tǒng)一，給信息整合帶來了很大的難度。

系統(tǒng)控制：煤礦綜采自動化系統(tǒng)中液壓支架和采煤機(jī)在遠(yuǎn)程控制、全自動開采等方面做了大量的研究，并取得了一定的成果，但在設(shè)備位置監(jiān)測、姿態(tài)自動調(diào)整、三維自動開采等方面仍需攻關(guān)。由于開采過程是動態(tài)的，且傳輸環(huán)境惡劣，限制了各個(gè)設(shè)備關(guān)聯(lián)。因此，迫切需要建立一套系統(tǒng)，建立關(guān)聯(lián)的系統(tǒng)控制策略和精準(zhǔn)控制的算法。

1.2 綜采自動化信息融合

信息融合的難點(diǎn)：綜采自動化系統(tǒng)涵蓋整個(gè)工作面的所有設(shè)備和控制單元，復(fù)雜且完備，因此每個(gè)監(jiān)控系統(tǒng)既負(fù)責(zé)數(shù)據(jù)的采集控制，又負(fù)責(zé)數(shù)據(jù)的校驗(yàn)、傳輸、共享，大部分功能相互關(guān)聯(lián)。而現(xiàn)有設(shè)備數(shù)據(jù)采集沒有統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)、采集標(biāo)準(zhǔn)，在采集數(shù)據(jù)時(shí)，需根據(jù)提供的格式進(jìn)行解析、轉(zhuǎn)換，增加出錯(cuò)率與工作量；且現(xiàn)有設(shè)備所生成的數(shù)據(jù)格式不一。

信息融合重要性的表現(xiàn)：多源異構(gòu)數(shù)據(jù)的信息融合成為大量開采數(shù)據(jù)運(yùn)算平臺運(yùn)轉(zhuǎn)的核心，主要體現(xiàn)在以下3個(gè)方面。①原始數(shù)據(jù)采集。通過以太網(wǎng)采集相關(guān)的設(shè)備參數(shù)；②數(shù)據(jù)傳輸。將采集到的參數(shù)通過工業(yè)環(huán)網(wǎng)傳輸給開采大數(shù)據(jù)決策平臺，為數(shù)據(jù)挖掘開采決策提供實(shí)時(shí)準(zhǔn)確的設(shè)備信息；③集控中心作為平臺的執(zhí)行者，可以按照平臺下發(fā)的指令完成相應(yīng)的動作。通過融合集控所回傳的井下設(shè)備姿態(tài)數(shù)據(jù)，計(jì)算設(shè)備井下實(shí)際位置、輔助測量姿態(tài)數(shù)據(jù)、實(shí)際采高臥底、動作執(zhí)行狀態(tài)反饋。利用所計(jì)算出的數(shù)據(jù)來繪制各設(shè)備實(shí)時(shí)開采數(shù)據(jù)模型。

2 開采大數(shù)據(jù)決策平臺建立

2.1 大數(shù)據(jù)平臺設(shè)計(jì)架構(gòu)

設(shè)計(jì)架構(gòu)的要求：圍繞綜采開采工藝流程分析及模型建立、生產(chǎn)過程決策及可視化控制、生產(chǎn)過程動態(tài)數(shù)據(jù)挖掘分析、精準(zhǔn)控制決策分析等需求，開發(fā)智能控制算法，實(shí)現(xiàn)精準(zhǔn)控制決策，創(chuàng)新設(shè)計(jì)平臺設(shè)計(jì)架構(gòu)，具體設(shè)計(jì)架構(gòu)要求，如圖1所示。

圖1 開采大數(shù)據(jù)決策平臺架構(gòu)

大數(shù)據(jù)決策平臺數(shù)據(jù)采集：參數(shù)采集功能模塊作為整個(gè)系統(tǒng)的重要部分，主要用來監(jiān)測井下的各類環(huán)境參數(shù)[4]和設(shè)備開停等主要生產(chǎn)參數(shù)。綜采自動化的一些環(huán)境參數(shù)和設(shè)備運(yùn)行工況信息可以直接在地面中心站及管理工作站上反映出來，并對設(shè)備、系統(tǒng)、生產(chǎn)等關(guān)鍵信息進(jìn)行集成和互通，減少工作負(fù)擔(dān)，在第一時(shí)間掌握安全生產(chǎn)和設(shè)備運(yùn)行工況，為綜采自動化生產(chǎn)和日常調(diào)度提供數(shù)據(jù)支持。系統(tǒng)可對有關(guān)檢測參數(shù)進(jìn)行記錄、顯示、分析運(yùn)算、超限報(bào)警控制、查詢、編輯、動態(tài)定義等。平臺實(shí)現(xiàn)對信息化設(shè)備，通過自定義通訊[5-6]實(shí)現(xiàn)對綜采自動化數(shù)據(jù)采集、本地存儲，并將數(shù)據(jù)過濾處理，多層加密后發(fā)布[7]到云服務(wù)平臺。數(shù)據(jù)終端通過訪問云服務(wù)平臺，實(shí)現(xiàn)移動應(yīng)用端和移動端服務(wù)器的數(shù)據(jù)連接，完成跨移動平臺的數(shù)據(jù)交互[8]。

數(shù)據(jù)預(yù)處理：在設(shè)備工況數(shù)據(jù)及其他數(shù)據(jù)接入平臺之后，因?yàn)閿?shù)據(jù)量太大，并且多半來自多個(gè)異種數(shù)據(jù)源，因此需要對數(shù)據(jù)預(yù)處理。①數(shù)據(jù)噪點(diǎn)降噪、清洗。平臺通過分箱(Bining)方法考察數(shù)據(jù)的“近鄰”來光滑有序的數(shù)據(jù)值。對于丟失的數(shù)據(jù)但屬性級別較高的，平臺采用多重插補(bǔ)法對數(shù)據(jù)變量之間的關(guān)系進(jìn)行預(yù)測，利用蒙特卡洛方法生成多個(gè)完整的數(shù)據(jù)集，并對這些數(shù)據(jù)集進(jìn)行分析，最后對分析結(jié)果進(jìn)行匯總處理；②大數(shù)據(jù)算法自主優(yōu)化。平臺采用Alluxiospark計(jì)算方式，比傳統(tǒng)Spark框架在效率及速度上提高了10倍，極大降低了數(shù)據(jù)的延遲，提高了數(shù)據(jù)之間傳遞的實(shí)時(shí)性，降低占用網(wǎng)絡(luò)帶寬。平臺擁有自主深度學(xué)習(xí)和算法擴(kuò)展功能。

數(shù)據(jù)管理和存儲：平臺包括實(shí)時(shí)庫和工業(yè)庫[9]本地存儲以及云數(shù)據(jù)庫存儲功能，綜采數(shù)據(jù)通過智能化管理平臺處理、加工、過濾、整理，以統(tǒng)一的形式發(fā)送給云數(shù)據(jù)庫，平臺對云數(shù)據(jù)庫進(jìn)行主從分布式數(shù)據(jù)庫管理和負(fù)載平衡管理，使用分布式系統(tǒng)，可做到數(shù)據(jù)容災(zāi)保護(hù)，更為數(shù)據(jù)分析提供穩(wěn)定可靠的數(shù)據(jù)源基礎(chǔ)。

2.2 開采大數(shù)據(jù)決策平臺分析功能

平臺可以實(shí)現(xiàn)生產(chǎn)數(shù)據(jù)分析和設(shè)備自診斷，針對設(shè)備運(yùn)行工況，根據(jù)運(yùn)行參數(shù)，通過數(shù)據(jù)分析算法，實(shí)現(xiàn)在生產(chǎn)前預(yù)判設(shè)備狀態(tài)，生產(chǎn)中系統(tǒng)實(shí)時(shí)自診斷。

設(shè)備數(shù)據(jù)分析：①啟停分析。記錄設(shè)備啟停情況，分析自動或人工操作啟動成功率，反饋啟動成功的比率；②操作記錄。分析違規(guī)操作詳情，包括違規(guī)的行為、時(shí)間、違規(guī)操作的設(shè)備、位置、違規(guī)的類型、違規(guī)操作人、處理辦法；③故障記錄。記錄故障的名稱、發(fā)生的時(shí)間、出現(xiàn)的位置、故障分類、發(fā)生故障的設(shè)備、系統(tǒng)若能自動修復(fù)則展示系統(tǒng)正在自動恢復(fù)中請等待、系統(tǒng)若不能修復(fù)則展示系統(tǒng)無法處理并給出人工處理的處理意見。

設(shè)備自診斷：①可通過定時(shí)周期自診斷或收到命令開始自診斷，系統(tǒng)會檢查當(dāng)前各設(shè)備的控制狀態(tài)是否正確、各傳感器的數(shù)據(jù)是否正常、通訊狀態(tài)是否正常等，并將診斷結(jié)果展示出來；②建立故障分析庫，將已處理的故障進(jìn)行分類整理、可選性的分類顯示，以列表的形式呈現(xiàn)，點(diǎn)擊后可查看詳情。詳情頁面展示故障的名稱、每次出現(xiàn)此故障所出現(xiàn)的時(shí)間列表、故障分類、發(fā)生故障的設(shè)備、相同故障出現(xiàn)的次數(shù)；③建設(shè)大數(shù)據(jù)平臺必然是由自動化集控向智能化決策分析推進(jìn)，主要體現(xiàn)在基于大數(shù)據(jù)挖掘技術(shù)對建立的開采模型進(jìn)行融合，根據(jù)實(shí)時(shí)工況數(shù)據(jù)及各傳感器測量數(shù)據(jù)反饋實(shí)際，進(jìn)行智能開采模型算法的深度學(xué)習(xí)和控制算法的迭代，隨著數(shù)據(jù)挖掘不斷優(yōu)化控制參數(shù)和決策算法分析，增加了系統(tǒng)和裝備的分析決策功能，最終轉(zhuǎn)換為開采策略指導(dǎo)開采模型，必將極大地提升智能化控制的整體水平。

3 綜采自動化數(shù)據(jù)挖掘及精準(zhǔn)智能開采

3.1 綜采自動化數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘流程：在開采大數(shù)據(jù)決策平臺建立的開采數(shù)據(jù)模型基礎(chǔ)上，通過平臺的大數(shù)據(jù)分析功能提取測量高度，實(shí)時(shí)反饋的測量位置，同時(shí)結(jié)合開采數(shù)據(jù)及輔助校準(zhǔn)建立數(shù)據(jù)樣本庫，對多源異構(gòu)下的數(shù)據(jù)源進(jìn)行相關(guān)性和開采工況數(shù)據(jù)校準(zhǔn)精準(zhǔn)度的深度分析挖掘[10-11]。研究過程以基于設(shè)備工況和測量數(shù)據(jù)條件為核心設(shè)計(jì)研發(fā)工作面開采模型，對融合后的地質(zhì)及開采數(shù)據(jù)進(jìn)行影響因素分析，采集推進(jìn)過程中各相關(guān)設(shè)備的運(yùn)行狀態(tài)、故障情況、生產(chǎn)工藝調(diào)整，特別是運(yùn)輸機(jī)的直線度、俯仰角度等內(nèi)容。結(jié)合實(shí)際測量數(shù)據(jù)通過分析收集到的現(xiàn)場數(shù)據(jù)具體化工作面推進(jìn)過程，不斷學(xué)習(xí)抽取其中可能的工作面的推進(jìn)邏輯，而且針對不同工作面依照程度的大小列出影響推進(jìn)過程、精準(zhǔn)控制的因素。數(shù)據(jù)挖掘技術(shù)路線，如圖2所示。

算法因素：在上述基礎(chǔ)上建立相關(guān)的數(shù)據(jù)挖掘分析結(jié)果。其中分析校準(zhǔn)的算法因素主要體現(xiàn)在以下3方面，如圖3～圖5所示。精準(zhǔn)校準(zhǔn)決策分析實(shí)現(xiàn)對推進(jìn)過程采集的大量數(shù)據(jù)建立分析系統(tǒng)的邏輯關(guān)聯(lián)，通過平臺自動根據(jù)實(shí)時(shí)測量數(shù)據(jù)迭代歷史樣本庫進(jìn)行不斷的自我迭代升級提供有效的數(shù)據(jù)模型庫。為精準(zhǔn)開采決策模型提供精準(zhǔn)的數(shù)據(jù)支撐。

圖3 支架控制及校準(zhǔn)算法數(shù)據(jù)挖掘模型

圖4 采煤機(jī)控制及校準(zhǔn)算法數(shù)據(jù)挖掘模型

圖5 運(yùn)輸機(jī)控制及校準(zhǔn)算法數(shù)據(jù)挖掘模型

3.2 精準(zhǔn)智能開采

精準(zhǔn)控制技術(shù)：在結(jié)合工作面透明地質(zhì)、綜采大數(shù)據(jù)決策技術(shù)得到突破和解決，攻克工作面透明地質(zhì)信息建模、平臺和精準(zhǔn)設(shè)備姿態(tài)定位、增強(qiáng)可視化遠(yuǎn)程控制等多種技術(shù)后，形成一套具有“模型—推理—決策—執(zhí)行”的綜采工作面，“地質(zhì)模型→開采決策→精準(zhǔn)控制”的智能開采方式，從嚴(yán)格意義上講是填補(bǔ)了基于大數(shù)據(jù)挖掘的精準(zhǔn)開采技術(shù)空白。通過不斷對工作面集中控制影響，連續(xù)推進(jìn)的控制因素大數(shù)據(jù)算法研究，過程中深入探究設(shè)備姿態(tài)實(shí)時(shí)定位和直線度測量、控制模型與平臺的數(shù)據(jù)融合、控制策略控制算法挖掘等關(guān)鍵精準(zhǔn)控制技術(shù)。精準(zhǔn)控制技術(shù)路線，如圖6所示。

圖6 基于數(shù)據(jù)挖掘技術(shù)的精準(zhǔn)控制技術(shù)路線

精準(zhǔn)開采的控制流程：①平臺提供的精準(zhǔn)開采模型，對井下精準(zhǔn)控制系統(tǒng)進(jìn)行執(zhí)行控制轉(zhuǎn)換，轉(zhuǎn)換為全自動開采的控制算法，根據(jù)算法指導(dǎo)設(shè)備全自動作業(yè)。根據(jù)設(shè)備姿態(tài)的實(shí)測數(shù)據(jù)，實(shí)現(xiàn)設(shè)備具體控制姿態(tài)的準(zhǔn)確測量值，通過精準(zhǔn)控制設(shè)備姿態(tài)反饋，實(shí)現(xiàn)基于精準(zhǔn)開采模型的控制閉環(huán)；②利用大數(shù)據(jù)挖掘是否達(dá)到指令狀態(tài)。精準(zhǔn)開采模型控制閉環(huán)后，記錄執(zhí)行動作以及控制指令，生成數(shù)據(jù)樣本庫，并通過算法對樣本庫結(jié)合精準(zhǔn)開采數(shù)據(jù)模型，反饋到大數(shù)據(jù)精準(zhǔn)開采決策平臺，利用控制模型閉環(huán)后所產(chǎn)生的樣本數(shù)據(jù)挖掘進(jìn)行精準(zhǔn)開采模型算法的迭代優(yōu)化；③通過決策平臺對自動化系統(tǒng)的關(guān)鍵性過程進(jìn)行應(yīng)用分析，主要包括設(shè)備的精細(xì)化管理決策，實(shí)現(xiàn)設(shè)備的故障診斷，提供維護(hù)和運(yùn)行策略；工作面頂板管理決策，實(shí)現(xiàn)周期來壓預(yù)測，提供頂板管理策略；操作行為管理策略，實(shí)現(xiàn)操作人員行為分析，提供操作方式的最優(yōu)改進(jìn)策略。

3.3 關(guān)鍵技術(shù)分析

開采大數(shù)據(jù)決策平臺關(guān)鍵技術(shù)：平臺基于工業(yè)化組態(tài)架構(gòu)，通過該平臺開發(fā)的綜采自動化、智慧礦山等信息項(xiàng)目的應(yīng)用，擔(dān)負(fù)著數(shù)據(jù)采集、通信、計(jì)算、存儲、顯示及監(jiān)控邏輯的定制、控制設(shè)備動作等重要任務(wù)，是系統(tǒng)實(shí)時(shí)監(jiān)控、數(shù)據(jù)分析、數(shù)據(jù)云發(fā)布、云服務(wù)數(shù)據(jù)采集轉(zhuǎn)換及存儲的中樞。開采大數(shù)據(jù)決策平臺工業(yè)化組態(tài)架構(gòu)關(guān)鍵技術(shù)，如圖7所示。

圖7 開采大數(shù)據(jù)決策平臺工業(yè)化組態(tài)架構(gòu)關(guān)鍵技術(shù)

數(shù)據(jù)中心部署架構(gòu)：①數(shù)據(jù)中心包含數(shù)據(jù)存儲和處理。從各種Type和Stype的數(shù)據(jù)中抽取數(shù)據(jù)作為歷史數(shù)據(jù)，并且從已有的歷史數(shù)據(jù)中抽取數(shù)據(jù)集合，存儲到數(shù)據(jù)中心，使用數(shù)據(jù)流操作，最大限度保證數(shù)據(jù)的延續(xù)性，防止數(shù)據(jù)丟失。使用分布式系統(tǒng)，可以做到容災(zāi)；②采用大數(shù)據(jù)分布式架構(gòu)可以保證信息化的延續(xù)性，如圖8所示。隨著信息化程度的逐年提高，數(shù)據(jù)必然會有爆發(fā)期，如果在系統(tǒng)整合期，沒有大數(shù)據(jù)作為基礎(chǔ)條件，未來的可擴(kuò)展性就會受到嚴(yán)重限制；③數(shù)據(jù)獲取技術(shù)。實(shí)現(xiàn)從設(shè)備到生產(chǎn)、排查、應(yīng)急、預(yù)警、運(yùn)維管理、運(yùn)輸、用戶等生產(chǎn)全過程自動監(jiān)測與感知，對獲取的海量數(shù)據(jù)實(shí)時(shí)監(jiān)測并及時(shí)上傳，是實(shí)現(xiàn)智能化管理平臺的基礎(chǔ)；④數(shù)據(jù)管理技術(shù)。包括關(guān)系型和非關(guān)系型數(shù)據(jù)管理技術(shù)、數(shù)據(jù)融合和集成技術(shù)、數(shù)據(jù)抽取技術(shù)、數(shù)據(jù)清洗和過濾技術(shù)，具體是指礦山數(shù)據(jù)ETL、礦山數(shù)據(jù)統(tǒng)一公共模型等技術(shù)；⑤模塊化技術(shù)。針對現(xiàn)場的需求變更，需要加強(qiáng)各種系統(tǒng)間的協(xié)作，必須能夠及時(shí)響應(yīng)功能需求的變更，在項(xiàng)目工程組態(tài)時(shí)，設(shè)計(jì)實(shí)現(xiàn)組態(tài)圖形畫面、變量、設(shè)備和腳本等，是一項(xiàng)繁雜而耗時(shí)的工作。所以通過提供豐富的模塊化功能，復(fù)用已有組態(tài)工程的內(nèi)容，將組態(tài)工程中常使用到的設(shè)備、變量、腳本、畫面等工程組態(tài)內(nèi)容分別生成模板，生成模塊化組態(tài)單元，從而在構(gòu)建新項(xiàng)目時(shí)可以從模板中快速生成。在此過程中，用戶只需要按照向?qū)ё鲂┖唵闻渲煤妥兞?、字符串替換等工作，就可以快速創(chuàng)建工程組態(tài)，大大提高工作效率。

圖8 大數(shù)據(jù)分布式架構(gòu)

大數(shù)據(jù)挖掘關(guān)鍵技術(shù)：①大數(shù)據(jù)采集及管理技術(shù)。利用 HDFS(分布式文件系統(tǒng))來處理節(jié)點(diǎn)服務(wù)器之間的交互。由于平臺是一個(gè)分布式系統(tǒng)集群，對于計(jì)算節(jié)點(diǎn)的服務(wù)器來說，服務(wù)器的硬件配置要求稍低，也避免了大量的服務(wù)器集群之間的數(shù)據(jù)傳輸問題。關(guān)于數(shù)據(jù)的安全性、容錯(cuò)性、容災(zāi)機(jī)制，則在HDFS上均有非常完善的體系機(jī)制，能夠達(dá)到毫秒級實(shí)時(shí)數(shù)據(jù)的接入，避免由于數(shù)據(jù)量大在傳輸中出現(xiàn)數(shù)據(jù)失幀、臟數(shù)據(jù)無法處理的現(xiàn)象。②大數(shù)據(jù)的分類、篩選方法。工作面的設(shè)備種類多，數(shù)據(jù)量大，因此研究“綜采工作面大數(shù)據(jù)”的分類、篩選方法非常必要。③過程數(shù)據(jù)挖掘技術(shù)。過程數(shù)據(jù)挖掘技術(shù)主要包括：數(shù)據(jù)的預(yù)處理技術(shù)研究，實(shí)現(xiàn)數(shù)據(jù)中的噪聲消除、丟失數(shù)據(jù)的恢復(fù)、錯(cuò)誤數(shù)據(jù)的清理、多維數(shù)據(jù)的維數(shù)約減、特征提取、概念形成、標(biāo)度統(tǒng)一；分析過程數(shù)據(jù)特征，選擇適當(dāng)?shù)耐诰蚰Ｐ?，通過模式評估、分類等算法，對綜采工作面系統(tǒng)進(jìn)行建模，并利用神經(jīng)網(wǎng)絡(luò)技術(shù)提供智能決策；知識的可視化技術(shù)和方法研究，以一種圖形化的簡明形式呈現(xiàn)知識。④數(shù)據(jù)展現(xiàn)技術(shù)。數(shù)據(jù)解決方案自助分析工具包含報(bào)表工具和分析工具。自定義報(bào)表工具使用了報(bào)表引擎，為用戶開發(fā)出圖形界面，用戶就可以使用向?qū)?，無需編寫代碼，通過工具配置創(chuàng)建出一個(gè)報(bào)表，能更大程度上滿足用戶的數(shù)據(jù)需求。多維分析工具提供了豐富的圖形化展現(xiàn)界面和接口。⑤信息安全體系。平臺在數(shù)據(jù)傳輸、處理和存儲過程中建立信息安全體系，管理平臺將處理后的數(shù)據(jù)通過多層保護(hù)機(jī)制。一是數(shù)據(jù)本身的安全，對數(shù)據(jù)多重加密進(jìn)行主動保護(hù)，并通過雙向強(qiáng)身份驗(yàn)證之后才會發(fā)送至云服務(wù)平臺，從而保證數(shù)據(jù)的保密性、完整性；二是數(shù)據(jù)防護(hù)的安全，主要是采用云數(shù)據(jù)庫存儲手段對數(shù)據(jù)進(jìn)行主動防護(hù)，同時(shí)通過云磁盤陣列、云數(shù)據(jù)備份、異地容災(zāi)等手段保證服務(wù)端數(shù)據(jù)的安全。在數(shù)據(jù)處理和存儲的安全體系中，平臺主要保護(hù)數(shù)據(jù)庫在系統(tǒng)運(yùn)行之外可讀的安全性。對數(shù)據(jù)庫中數(shù)據(jù)加密是為了增強(qiáng)關(guān)系數(shù)據(jù)庫管理系統(tǒng)的安全性，提供一個(gè)安全適用的數(shù)據(jù)庫加密平臺，對數(shù)據(jù)庫存儲的內(nèi)容實(shí)施有效保護(hù)。防止出現(xiàn)某些敏感或保密的數(shù)據(jù)被不具備資格的人員或操作員閱讀，而造成數(shù)據(jù)泄密等后果。

4 結(jié)語

智能化綜采管理平臺項(xiàng)目以遠(yuǎn)程通訊、物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、數(shù)據(jù)挖掘等高新技術(shù)為主導(dǎo)，以智慧監(jiān)測管理理論為指導(dǎo)，建成面向礦山的智慧監(jiān)測管理體系，實(shí)現(xiàn)信息數(shù)字化、控制自動化、故障預(yù)知化、決策智慧化，提升礦山系統(tǒng)的管理水平，降低人員及設(shè)備成本，實(shí)現(xiàn)經(jīng)濟(jì)效益最大化。平臺的實(shí)施應(yīng)用，可隨時(shí)隨地掌握工作面的動態(tài)工況，并為設(shè)備保養(yǎng)、生產(chǎn)工藝、系統(tǒng)優(yōu)化、故障處理提供可靠的數(shù)據(jù)依據(jù)和決策依據(jù)，提高了礦井智能化綜采工作面的智能化程度，改進(jìn)了現(xiàn)場管理方式，基于生產(chǎn)大數(shù)據(jù)構(gòu)建深度數(shù)據(jù)挖掘模型，實(shí)現(xiàn)設(shè)備的精準(zhǔn)控制、故障自診斷以及對生產(chǎn)工藝的智能決策，最終實(shí)現(xiàn)基于數(shù)據(jù)挖掘的智能化精準(zhǔn)開采。