白光星，陳煒樂(lè)，孫 勇，宋雙林，李國(guó)芳，王彩萍，王偉峰，康付如

（1.西安科技大學(xué) 安全科學(xué)與工程學(xué)院，陜西 西安 710054；2.陜西省煤火災(zāi)害防治重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710054；3.中煤科工集團(tuán)沈陽(yáng)研究院有限公司，遼寧 撫順 113122；4.煤礦安全技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，遼寧 撫順 113122；5.山東新巨龍能源有限責(zé)任公司，山東 菏澤 274000）

據(jù)統(tǒng)計(jì)，目前全國(guó)煤礦帶式輸送機(jī)膠帶在籍長(zhǎng)度超過(guò)1 800 萬(wàn)m，每年遞增約20 萬(wàn)m。我國(guó)煤礦現(xiàn)有帶式輸送機(jī)約100 萬(wàn)臺(tái)，是礦井煤炭運(yùn)輸系統(tǒng)的中樞[1-2]。伴隨礦井生產(chǎn)能力不斷加大，開采深度逐漸增加，機(jī)械化程度逐步提升，帶式輸送機(jī)輸送系統(tǒng)正向高速化、大型化發(fā)展，大幅提升開采效率、降低勞動(dòng)強(qiáng)度的同時(shí)，也使得帶式輸送機(jī)火災(zāi)潛在隱患增大[3]。

國(guó)內(nèi)外煤礦每次死亡10 人以上的重大火災(zāi)事故中，90%為礦井外因火災(zāi)造成。如1984 年日本三池煤礦和美國(guó)Wilerg 煤礦帶式輸送機(jī)火災(zāi)，分別造成83 人和27 人死亡，三池煤礦被迫采取淹井滅火的措施，損失慘重[4]。據(jù)《科技創(chuàng)新導(dǎo)報(bào)》統(tǒng)計(jì)分析，我國(guó)煤礦火災(zāi)事故中，外因火災(zāi)占重大惡性事故比例高達(dá)90%，死亡人數(shù)占總數(shù)的65%，帶式輸送機(jī)火災(zāi)尤為突出[3，5-7]。綜上可知，帶式輸送機(jī)火災(zāi)事故發(fā)生的主要原因分為3 類：托輥超溫、滾筒打滑及外界火源。托輥超溫是由于粉塵、水分等進(jìn)入托輥軸承引起軸承損壞卡死后，在發(fā)生故障的托輥表面膠帶不斷摩擦，導(dǎo)致大量熱量積聚在托輥表面，溫度逐漸升高，機(jī)器停止運(yùn)行后，靜止的輸送帶與高溫托輥持續(xù)接觸進(jìn)而烤燃輸送帶；滾筒打滑主要是由于滾筒與輸送帶之間發(fā)生相對(duì)滑動(dòng)，造成兩者之間發(fā)生高速摩擦，從而產(chǎn)生熱量引燃輸送帶；外界火源是由于井下電線短路、變電所著火、自然或人為的明火等外界因素引起的礦井帶式輸送機(jī)火災(zāi)。根據(jù)相關(guān)資料統(tǒng)計(jì)，大多數(shù)帶式輸送機(jī)火災(zāi)事故都是由于摩擦產(chǎn)生的高溫?zé)嵩椿蛲獠棵骰饘⒛z帶周圍遺煤等易燃物引燃，進(jìn)而引發(fā)帶式輸送機(jī)火災(zāi)事故[8-9]。

T/CCS 001-2020《智能化煤礦（井工）分類、分級(jí)技術(shù)條件與評(píng)價(jià)》關(guān)于智能安全監(jiān)控系統(tǒng)技術(shù)要求明確提出：“4.10.11 礦井電氣設(shè)備、帶式輸送機(jī)等易發(fā)生火災(zāi)的場(chǎng)所，應(yīng)設(shè)置火災(zāi)智能感知裝置，以及防滅火系統(tǒng)，宜實(shí)現(xiàn)火災(zāi)監(jiān)測(cè)與防滅火系統(tǒng)的智能聯(lián)動(dòng)?！睘榇?，結(jié)合煤礦帶式輸送機(jī)運(yùn)輸火災(zāi)實(shí)際情況，從方法原理、系統(tǒng)應(yīng)用和技術(shù)特點(diǎn)等方面出發(fā)，綜述了近年來(lái)帶式輸送機(jī)運(yùn)輸火災(zāi)風(fēng)險(xiǎn)智能監(jiān)測(cè)與早期預(yù)警技術(shù)的研究進(jìn)展，提出了礦井帶式輸送機(jī)運(yùn)輸火災(zāi)與早期預(yù)警的新型智能化監(jiān)測(cè)預(yù)警體系：“大（大數(shù)據(jù)）智（智能化）移（移動(dòng)互聯(lián)網(wǎng)）云（云計(jì)算）”帶式輸送機(jī)火災(zāi)監(jiān)測(cè)系統(tǒng)和多方法耦合、立體式、連續(xù)性監(jiān)測(cè)體系等，為構(gòu)建高效現(xiàn)代化的煤礦膠帶運(yùn)輸火災(zāi)風(fēng)險(xiǎn)智能監(jiān)測(cè)體系提供理論基礎(chǔ)。

1 帶式輸送機(jī)運(yùn)輸火災(zāi)風(fēng)險(xiǎn)智能監(jiān)測(cè)方法

近年來(lái)，國(guó)內(nèi)外學(xué)者圍繞煤礦帶式輸送機(jī)運(yùn)輸火災(zāi)風(fēng)險(xiǎn)智能監(jiān)測(cè)進(jìn)行了深入研究，主要包括：基于巡檢、分布式光纖測(cè)溫、機(jī)器視覺和無(wú)線通信網(wǎng)絡(luò)的火災(zāi)風(fēng)險(xiǎn)監(jiān)測(cè)技術(shù)。帶式輸送機(jī)運(yùn)輸火災(zāi)風(fēng)險(xiǎn)智能監(jiān)測(cè)方法如圖1。

圖1 帶式輸送機(jī)運(yùn)輸火災(zāi)風(fēng)險(xiǎn)智能監(jiān)測(cè)方法Fig.1 Intelligent monitoring method of fire risk in belt transportation

1.1 巡檢技術(shù)

現(xiàn)有的帶式輸送機(jī)運(yùn)輸火災(zāi)巡檢技術(shù)主要有人工巡檢和自動(dòng)巡檢技術(shù)。

1）人工巡檢技術(shù)。目前，我國(guó)煤礦帶式輸送機(jī)的巡檢方式絕大多數(shù)仍是人工巡檢，人工巡檢主要依據(jù)現(xiàn)場(chǎng)工人攜帶的巡檢工具對(duì)帶式輸送機(jī)的狀態(tài)數(shù)據(jù)進(jìn)行采集與記錄，并由技術(shù)人員對(duì)記錄結(jié)果進(jìn)行分析。由于帶式輸送機(jī)較長(zhǎng)，傳統(tǒng)的帶式輸送機(jī)運(yùn)輸火災(zāi)人工巡檢方式存在諸多問(wèn)題[10-11]。巡檢人員主要通過(guò)人力在帶式輸送機(jī)機(jī)頭和機(jī)尾之間往返，由于礦山帶式輸送機(jī)巷環(huán)境復(fù)雜，極大增加了巡檢人員的勞動(dòng)強(qiáng)度和自身風(fēng)險(xiǎn)。同時(shí)，由于體力限制，巡檢人員完成1 次巡檢耗時(shí)長(zhǎng)且速度慢，難以保證巡檢實(shí)時(shí)性，巡檢項(xiàng)目是否完整、巡檢要求是否標(biāo)準(zhǔn)等都會(huì)影響最終的巡檢結(jié)果[12]。

2）自動(dòng)智能巡檢技術(shù)。隨著計(jì)算機(jī)技術(shù)的發(fā)展，巡檢工作正向智能無(wú)人化發(fā)展，自動(dòng)智能巡檢技術(shù)已經(jīng)在國(guó)內(nèi)外開發(fā)并上市，并已應(yīng)用于油田石油管道巡檢、電力線路巡檢和地鐵巡檢等多個(gè)領(lǐng)域中，同時(shí)也逐步應(yīng)用于煤礦。由于礦井帶式輸送機(jī)工作環(huán)境的特殊性和復(fù)雜性，帶式輸送機(jī)火災(zāi)自動(dòng)智能巡檢系統(tǒng)需要滿足諸多條件。例如，射頻和電磁干擾影響的大型機(jī)電設(shè)備附近，需要考慮智能巡檢系統(tǒng)的抗干擾能力[13]；轉(zhuǎn)彎空間小并且長(zhǎng)度大的帶式輸送機(jī)，則需考慮智能巡檢系統(tǒng)的轉(zhuǎn)彎半徑和控制方式等[14]；工作環(huán)境潮濕，要求帶式輸送機(jī)智能巡檢系統(tǒng)需要滿足一定的精度和穩(wěn)定性[15]。帶式輸送機(jī)自動(dòng)智能巡檢系統(tǒng)用于輸入巡檢時(shí)間、巡檢人員編號(hào)和巡檢數(shù)據(jù)等信息，并將信息傳輸至上位機(jī)進(jìn)行監(jiān)測(cè)分析。李偉等[16]通過(guò)發(fā)明懸索式帶式輸送機(jī)自動(dòng)巡檢系統(tǒng)和同步帶牽引帶式輸送機(jī)自動(dòng)巡檢系統(tǒng)，實(shí)現(xiàn)了礦井帶式輸送機(jī)狀態(tài)的自動(dòng)化智能監(jiān)測(cè)；李偉等[17]發(fā)明了一種基于多旋翼無(wú)人機(jī)的帶式輸送機(jī)自動(dòng)巡檢系統(tǒng)，通過(guò)高清攝像頭和圖像處理器自動(dòng)識(shí)別托輥并對(duì)其運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)；王彥等[18]針對(duì)帶式輸送機(jī)存在的漏檢等問(wèn)題，設(shè)計(jì)了相應(yīng)的自動(dòng)巡檢系統(tǒng)并在現(xiàn)場(chǎng)進(jìn)行了應(yīng)用；張永等[19]通過(guò)研究由運(yùn)行軌道、無(wú)線基站和本體組成的礦井帶式輸送機(jī)智能巡檢機(jī)器人，實(shí)現(xiàn)了帶式輸送機(jī)的全方位監(jiān)測(cè)；朱振[20]則針對(duì)帶式輸送機(jī)托輥運(yùn)行狀態(tài)在線巡檢機(jī)器人關(guān)鍵技術(shù)進(jìn)行了研究。帶式輸送機(jī)自動(dòng)化智能巡檢技術(shù)不僅具有巡檢質(zhì)量高、監(jiān)控面廣等優(yōu)點(diǎn)，而且可通過(guò)無(wú)線傳輸與遠(yuǎn)程監(jiān)控平臺(tái)，實(shí)現(xiàn)對(duì)輸送機(jī)及其環(huán)境的實(shí)時(shí)連續(xù)監(jiān)控與應(yīng)急火災(zāi)報(bào)警。就目前而言，礦井帶式輸送機(jī)自動(dòng)化智能巡檢系統(tǒng)尚不成熟，還需進(jìn)一步研究與探索。

1.2 分布式光纖測(cè)溫技術(shù)

分布式光纖測(cè)溫技術(shù)采用單根光纜實(shí)現(xiàn)溫度數(shù)據(jù)的監(jiān)測(cè)和信號(hào)輸送，通過(guò)光纖拉曼散射效應(yīng)（Raman Scattering） 和光時(shí)域反射測(cè)量技術(shù)（Optical Time-Domain Reflectometry，簡(jiǎn)稱OTDR）獲取空間溫度分布特征，其中前者應(yīng)用實(shí)現(xiàn)溫度的測(cè)量，后者應(yīng)用實(shí)現(xiàn)溫度的定位[21]。

分布式光纖溫度監(jiān)控主要是根據(jù)光纖的溫度特性，沿礦井帶式輸送機(jī)進(jìn)行鋪設(shè)，對(duì)帶式輸送機(jī)及各重要測(cè)量點(diǎn)（滾筒、驅(qū)動(dòng)電機(jī)、托輥、機(jī)尾堆煤、軸承等）的溫度進(jìn)行現(xiàn)場(chǎng)采集，并將采集到的現(xiàn)場(chǎng)溫度數(shù)據(jù)實(shí)時(shí)發(fā)送到監(jiān)控主機(jī)，通過(guò)監(jiān)控平臺(tái)實(shí)現(xiàn)溫度曲線分析、定位與預(yù)警、數(shù)據(jù)存儲(chǔ)等功能，實(shí)現(xiàn)現(xiàn)場(chǎng)火災(zāi)的監(jiān)測(cè)預(yù)警[22]。煤炭科學(xué)研究總院重慶分院于2008 年研制了KGFC-J4 礦用分布式光纖溫度監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)了對(duì)傳感光纖敷設(shè)沿線空間溫度變化的實(shí)時(shí)連續(xù)監(jiān)測(cè)[23]；程永新[24]將光纖作為溫度傳感介質(zhì)，對(duì)帶式輸送機(jī)沿線的溫度進(jìn)行監(jiān)測(cè)，實(shí)現(xiàn)了礦井帶式輸送機(jī)沿線的分布式連續(xù)實(shí)時(shí)監(jiān)測(cè)；郭清華[25]設(shè)計(jì)了2 種基于光纖測(cè)溫的托輥軸溫傳感裝置，該裝置可以適用不同的測(cè)量需求。

基于分布式光纖測(cè)溫的帶式輸送機(jī)監(jiān)測(cè)系統(tǒng)如圖2[22]。分布式光纖測(cè)溫系統(tǒng)監(jiān)測(cè)距離長(zhǎng)達(dá)10 km，監(jiān)測(cè)范圍廣，可準(zhǔn)確定位帶式輸送機(jī)故障位置，定位精度高，采樣周期短，安裝簡(jiǎn)單，運(yùn)行可靠，可滿足多個(gè)設(shè)備同時(shí)監(jiān)測(cè)，但其只能對(duì)靜態(tài)物體進(jìn)行監(jiān)測(cè)，無(wú)法滿足對(duì)動(dòng)態(tài)物體的監(jiān)測(cè)需求[26]。

圖2 基于分布式光纖測(cè)溫的帶式輸送機(jī)監(jiān)測(cè)系統(tǒng)Fig.2 Monitoring system of belt conveyor based on distributed optical fiber temperature measurement

1.3 基于機(jī)器視覺技術(shù)

1）輸送帶火災(zāi)紅外熱像技術(shù)。紅外熱成像檢測(cè)主要通過(guò)測(cè)取物體表面的紅外輻射，獲得可表示目標(biāo)物體表面溫度的熱圖像。將紅外熱成像技術(shù)應(yīng)用于礦井帶式輸送機(jī)難以布線的托輥、電機(jī)等關(guān)鍵部件，可實(shí)現(xiàn)其狀態(tài)監(jiān)測(cè)與故障預(yù)警。馬宏偉等[27]采用模式識(shí)別技術(shù)、圖像處理技術(shù)和紅外檢測(cè)技術(shù)，設(shè)計(jì)了礦井帶式輸送機(jī)關(guān)鍵部件監(jiān)測(cè)預(yù)警系統(tǒng)，通過(guò)對(duì)實(shí)時(shí)采集的紅外圖像進(jìn)行特征提取與分類，實(shí)現(xiàn)對(duì)滾筒、托輥和電機(jī)的自動(dòng)識(shí)別與分類；馮加宇等[28]提出了一種基于紅外熱成像技術(shù)的礦井帶式輸送機(jī)火災(zāi)監(jiān)測(cè)預(yù)警技術(shù)，并確定了紅外熱像儀在礦井巷道中的布置和信息傳輸方式；馬宏偉等[29]提出了一種基于連通分量的礦井輸送機(jī)托輥紅外圖像分割與定位算法，該算法可以在采集的紅外圖像上完成帶式輸送機(jī)托輥的自動(dòng)分割與定位。紅外熱成像技術(shù)具有測(cè)溫范圍廣、速度快、非接觸式等優(yōu)點(diǎn)，但是其易受背景干擾物與環(huán)境溫度、測(cè)量距離的影響，影響其測(cè)量精度[30-31]。

2）計(jì)算機(jī)視覺監(jiān)測(cè)技術(shù)。目前，國(guó)內(nèi)礦井帶式輸送機(jī)視頻監(jiān)控方法主要通過(guò)安裝攝像設(shè)備將視頻信息傳輸至監(jiān)控室進(jìn)行人工監(jiān)控，這種方式因?yàn)橥ㄟ^(guò)人為的經(jīng)驗(yàn)判斷礦井帶式輸送機(jī)的運(yùn)轉(zhuǎn)情況，所以經(jīng)常存在漏報(bào)、誤報(bào)的情況。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，礦井智能視頻監(jiān)控技術(shù)將取代人工監(jiān)控，實(shí)現(xiàn)對(duì)礦井帶式輸送機(jī)異常狀態(tài)的實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)[32-33]?；仿〈髮W(xué)的Christopher C Fromme[34]于2003 年提出并開發(fā)了一種基于圖像處理技術(shù)和攝像頭的輸送帶監(jiān)控系統(tǒng)，該系統(tǒng)主要監(jiān)測(cè)輸送帶接頭的損壞；何倩[35]在礦井智能視頻的基礎(chǔ)上，采用計(jì)算機(jī)視覺監(jiān)測(cè)技術(shù)對(duì)礦井帶式輸送機(jī)的運(yùn)動(dòng)狀態(tài)進(jìn)行監(jiān)測(cè)，并設(shè)計(jì)了一種適用于礦井視頻圖像的預(yù)處理方法，實(shí)現(xiàn)了礦井帶式輸送機(jī)視頻監(jiān)測(cè)圖像的增強(qiáng)；Zhu 等[36]針對(duì)礦井帶式輸送機(jī)的跑偏現(xiàn)象，提出了一種基于Canny 算法和小波包的圖像邊緣檢測(cè)算法實(shí)現(xiàn)對(duì)其檢測(cè)；祁雋燕等[37]針對(duì)帶式輸送機(jī)輸送帶的撕裂現(xiàn)象，分析了機(jī)器視覺和圖像處理技術(shù)在礦井帶式輸送機(jī)輸送帶縱向撕裂檢測(cè)中的應(yīng)用；隨后，祁雋燕等[38]又對(duì)帶式輸送機(jī)輸送帶縱向撕裂檢測(cè)作了進(jìn)一步研究，提出了基于虛擬儀器和計(jì)算機(jī)視覺技術(shù)的帶式輸送機(jī)輸送帶縱向撕裂檢測(cè)方法；Chen 等[39]提出將支持向量機(jī)技術(shù)用于礦井帶式輸送機(jī)輸送帶檢測(cè)；Yang 等[40-41]提出了一種礦井帶式輸送機(jī)輸送帶縱向撕裂預(yù)警方法，該方法通過(guò)紅外攝像頭采集圖像，并采用二值化自動(dòng)閾值選擇算法分析輸送帶是否應(yīng)發(fā)出警告信號(hào)。

基于機(jī)器視覺的輸送帶縱向撕裂監(jiān)測(cè)系統(tǒng)如圖3[42]?；谟?jì)算機(jī)視覺監(jiān)測(cè)技術(shù)的礦井帶式輸送機(jī)檢測(cè)方法不僅減少了工作量，而且實(shí)現(xiàn)了對(duì)輸送機(jī)的遠(yuǎn)程實(shí)時(shí)控制，但同時(shí)也易受到環(huán)境噪聲等的影響。

圖3 基于機(jī)器視覺的輸送帶縱向撕裂監(jiān)測(cè)系統(tǒng)Fig.3 Longitudinal tear monitoring system of belt conveyor based on machine vision

1.4 無(wú)線通信網(wǎng)絡(luò)技術(shù)

無(wú)線通信網(wǎng)絡(luò)技術(shù)在礦井帶式輸送機(jī)監(jiān)測(cè)的應(yīng)用延伸了原有監(jiān)測(cè)系統(tǒng)的控制范圍，是現(xiàn)場(chǎng)總線和有線網(wǎng)絡(luò)的有效補(bǔ)充。將有線通信與無(wú)線通信結(jié)合，無(wú)線通信的經(jīng)濟(jì)性、靈活性和有線通信的可靠性、穩(wěn)定性相互補(bǔ)充，將有效地促進(jìn)了帶式輸送機(jī)監(jiān)測(cè)預(yù)警的發(fā)展。

施山菁[43]提出了基于GPRS/GSM 通信技術(shù)的帶式輸送機(jī)無(wú)線監(jiān)測(cè)系統(tǒng)，結(jié)合射頻通信技術(shù)，解決了礦井復(fù)雜環(huán)境下的布線難題；武斌[44]針對(duì)礦井帶式輸送機(jī)現(xiàn)場(chǎng)環(huán)境，搭建了基于Zigbee 技術(shù)的無(wú)線通信網(wǎng)絡(luò)，實(shí)現(xiàn)了基于物聯(lián)網(wǎng)的帶式輸送機(jī)狀態(tài)監(jiān)測(cè)；張長(zhǎng)森等[45]設(shè)計(jì)了基于Web 技術(shù)的礦井帶式輸送機(jī)實(shí)時(shí)在線監(jiān)測(cè)系統(tǒng)，該系統(tǒng)通過(guò)將采集的信號(hào)進(jìn)行故障診斷、數(shù)據(jù)實(shí)時(shí)傳輸與可視化，實(shí)現(xiàn)了礦井帶式輸送機(jī)的遠(yuǎn)程實(shí)時(shí)在線監(jiān)測(cè)；劉露露[46]針對(duì)礦井帶式輸送機(jī)存在的抗干擾能力不高、實(shí)時(shí)性差等問(wèn)題，設(shè)計(jì)了基于CAN 現(xiàn)場(chǎng)總線的礦井帶式輸送機(jī)監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)了帶式輸送機(jī)運(yùn)行過(guò)程中的煙霧濃度、CO 體積分?jǐn)?shù)、托輥溫度等參數(shù)的實(shí)時(shí)在線監(jiān)控；李宏偉等[47]將RS485 總線和CAN 現(xiàn)場(chǎng)總線相結(jié)合，實(shí)現(xiàn)了礦井帶式輸送機(jī)故障位置的準(zhǔn)確定位；鄧軍等[48]結(jié)合無(wú)線自組網(wǎng)、束管檢測(cè)等多種特征融合技術(shù)，對(duì)礦用帶式輸送機(jī)早期火災(zāi)進(jìn)行預(yù)警，并分析得到帶式輸送機(jī)輸送帶火災(zāi)的發(fā)展規(guī)律和預(yù)警指標(biāo)。無(wú)線通信網(wǎng)絡(luò)技術(shù)具有數(shù)據(jù)利用率高、功能全面、可靠性高、自動(dòng)化程度高等優(yōu)點(diǎn)，但目前大多數(shù)輸送機(jī)監(jiān)控系統(tǒng)兼容性差，影響系統(tǒng)的功能擴(kuò)展性[49]。

1.5 4 種帶式輸送機(jī)火災(zāi)風(fēng)險(xiǎn)智能監(jiān)測(cè)方法對(duì)比

4 種帶式輸送機(jī)火災(zāi)風(fēng)險(xiǎn)智能監(jiān)測(cè)方法，其監(jiān)測(cè)部位、優(yōu)勢(shì)和弊端對(duì)比如下：

1）巡檢技術(shù)。①人工巡檢：為帶式輸送機(jī)全線監(jiān)測(cè)，優(yōu)勢(shì)為靈活性較強(qiáng)，弊端為實(shí)時(shí)性差、效率低、存在大量的安全隱患；②自動(dòng)智能巡檢：為帶式輸送機(jī)全線范圍移動(dòng)巡檢監(jiān)測(cè)，優(yōu)勢(shì)為巡檢質(zhì)量高、監(jiān)控面廣、實(shí)時(shí)連續(xù)監(jiān)控，弊端為自動(dòng)化智能巡檢系統(tǒng)尚不成熟。

2）分布式光纖測(cè)溫技術(shù)。為帶式輸送機(jī)及各重要測(cè)量點(diǎn)（滾筒、驅(qū)動(dòng)電機(jī)、托輥、機(jī)尾堆煤、軸承等）監(jiān)測(cè)，優(yōu)勢(shì)為監(jiān)測(cè)范圍廣、定位精度高，采樣周期短，安裝簡(jiǎn)單，運(yùn)行可靠，可滿足多個(gè)設(shè)備同時(shí)監(jiān)測(cè)，弊端為只能對(duì)靜態(tài)物體進(jìn)行監(jiān)測(cè)，無(wú)法滿足動(dòng)作物體的監(jiān)測(cè)需求。

3）基于機(jī)器視覺技術(shù)。①紅外熱像：為托輥、電機(jī)等關(guān)鍵部件監(jiān)測(cè)，優(yōu)勢(shì)為測(cè)溫范圍廣、速度快、非接觸式，弊端為易受背景干擾物與環(huán)境溫度、測(cè)量距離的影響；②計(jì)算機(jī)視覺監(jiān)測(cè)：為輸送帶打滑、跑偏、撕裂監(jiān)測(cè)，優(yōu)勢(shì)為減少了工作量、遠(yuǎn)程實(shí)時(shí)監(jiān)控，弊端為信號(hào)噪聲影響大。

4）無(wú)線通信網(wǎng)絡(luò)技術(shù)。為帶式輸送機(jī)全線監(jiān)測(cè)，優(yōu)勢(shì)為數(shù)據(jù)利用率高、功能全面、可靠性高、自動(dòng)化程度高，弊端為監(jiān)控系統(tǒng)兼容性差，影響系統(tǒng)的功能擴(kuò)展。

2 帶式輸送機(jī)早期預(yù)警方法

帶式輸送機(jī)早期預(yù)警以預(yù)測(cè)為基礎(chǔ)，進(jìn)一步量化故障趨勢(shì)，現(xiàn)有的礦井帶式輸送機(jī)早期預(yù)測(cè)預(yù)警技術(shù)主要為基于計(jì)算智能的數(shù)據(jù)驅(qū)動(dòng)預(yù)警方法。

計(jì)算智能從20 世紀(jì)80 年代初興起到至今發(fā)展迅速。常見的計(jì)算智能方法包括：人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）、支持向量機(jī)（Support Vector Machine, SVM）、粗糙集理論（Rough Set,RS）、群智能算法（Swarm Intelligence, SI）-包括魚群算法、蟻群算法、粒子群算法等[50]。基于計(jì)算智能的數(shù)據(jù)驅(qū)動(dòng)預(yù)警方法的思想是通過(guò)算法對(duì)監(jiān)測(cè)的數(shù)據(jù)建立數(shù)據(jù)驅(qū)動(dòng)模型，根據(jù)建立的數(shù)據(jù)驅(qū)動(dòng)模型對(duì)檢測(cè)的實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)測(cè)。數(shù)據(jù)驅(qū)動(dòng)預(yù)警模型因其只需對(duì)監(jiān)測(cè)的數(shù)據(jù)進(jìn)行分析處理，因此具有強(qiáng)大的自適應(yīng)能力。

Zhu A 等[36]針對(duì)礦用帶式輸送機(jī)跑偏故障，提出了基于Canny 算子的邊緣提取何小波包算法，實(shí)現(xiàn)了帶式輸送機(jī)膠帶跑偏的檢測(cè)；Wang Y 等[51]針對(duì)礦井帶式輸送機(jī)存在異物導(dǎo)致其損壞的問(wèn)題，提出一種基于改進(jìn)SSD 算法的輸送帶表面異物檢測(cè)方法，從本質(zhì)上預(yù)防了輸送帶撕裂的問(wèn)題；樊榮等[52]針對(duì)傳統(tǒng)帶式輸送機(jī)預(yù)測(cè)算法存在的誤報(bào)率高等問(wèn)題，提出了一種機(jī)器學(xué)習(xí)和傳統(tǒng)火災(zāi)預(yù)警算法相結(jié)合的帶式輸送機(jī)火災(zāi)預(yù)測(cè)算法，并通過(guò)實(shí)驗(yàn)表明該算法可以將樣本數(shù)據(jù)中的火災(zāi)預(yù)警狀態(tài)準(zhǔn)確識(shí)別；張美金等[53]提出了一種基于粗糙集-支持向量機(jī)的礦井帶式輸送機(jī)輸送帶火災(zāi)預(yù)測(cè)算法，并通過(guò)與貝葉斯、RS-SVM、RBF-NN 3 種算法對(duì)比驗(yàn)證得出：該算法具有非線性能力強(qiáng)、速度快、預(yù)測(cè)精度高等優(yōu)點(diǎn)，適用于礦井帶式輸送機(jī)輸送帶火災(zāi)預(yù)測(cè)；Hao等[54]針對(duì)帶式輸送機(jī)損傷現(xiàn)象，提出了一種基于視覺顯著性的多類支持向量機(jī)檢測(cè)系統(tǒng)，并檢測(cè)了干濕2 種情況下該系統(tǒng)檢測(cè)的輸送帶損傷準(zhǔn)確率；韓濤等[55]采用多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)方法檢測(cè)礦用帶式輸送機(jī)的輸煤量和跑偏現(xiàn)象，實(shí)現(xiàn)了帶式輸送機(jī)輸煤量和跑偏的同時(shí)檢測(cè)。

計(jì)算智能的方法具有計(jì)算步驟簡(jiǎn)單、節(jié)約時(shí)間、自適應(yīng)、自組織、自學(xué)習(xí)、通用等優(yōu)點(diǎn)，計(jì)算智能理論和技術(shù)在帶式輸送機(jī)早期預(yù)警領(lǐng)域中具有廣闊的應(yīng)用前景，但當(dāng)前尚處于起步階段，研究如何充分發(fā)揮各種計(jì)算智能算法的優(yōu)勢(shì)，進(jìn)而提高帶式輸送機(jī)早期預(yù)測(cè)模型的準(zhǔn)確性具有理論和實(shí)際意義。

3 結(jié) 語(yǔ)

煤礦帶式輸送機(jī)運(yùn)輸火災(zāi)是威脅煤礦安全的主要災(zāi)害之一。從方法原理、系統(tǒng)應(yīng)用和技術(shù)特點(diǎn)等方面出發(fā)，系統(tǒng)地論述了近年來(lái)帶式輸送機(jī)運(yùn)輸火災(zāi)風(fēng)險(xiǎn)智能監(jiān)測(cè)與早期預(yù)警技術(shù)的研究進(jìn)展。展望未來(lái)，煤礦膠帶運(yùn)輸火災(zāi)與早期預(yù)警將有以下發(fā)展熱點(diǎn)和趨勢(shì)：

1）建立基于“大智移云”的煤礦膠帶運(yùn)輸火災(zāi)監(jiān)測(cè)系統(tǒng)。利用“大（大數(shù)據(jù)）智（智能化）移（移動(dòng)互聯(lián)網(wǎng)）云（云計(jì)算）”分析煤礦帶式輸送機(jī)運(yùn)輸火災(zāi)監(jiān)測(cè)數(shù)據(jù)。隨著5G 時(shí)代的到來(lái)，“大智移云”等高科技領(lǐng)域的快速發(fā)展，將有助于推進(jìn)礦井帶式輸送機(jī)運(yùn)輸火災(zāi)監(jiān)測(cè)技術(shù)的變革?？稍诘V井運(yùn)輸巷道部署5G網(wǎng)絡(luò)，將傳感器采集的煙氣信息通過(guò)5G 基站傳輸至礦用遠(yuǎn)端匯聚站進(jìn)行匯聚，最終將采集到的煤礦帶式輸送機(jī)運(yùn)輸火災(zāi)隱患信息實(shí)時(shí)動(dòng)態(tài)發(fā)送到地面監(jiān)控中心監(jiān)測(cè)預(yù)警系統(tǒng)軟件，實(shí)現(xiàn)煤礦帶式輸送機(jī)運(yùn)輸火災(zāi)信息的動(dòng)態(tài)感知預(yù)警及主動(dòng)防控。

2）構(gòu)筑多方法耦合、立體式、連續(xù)性監(jiān)測(cè)體系。煤礦帶式輸送機(jī)輸運(yùn)不僅需要火災(zāi)早期風(fēng)險(xiǎn)監(jiān)測(cè)研究，還需考慮發(fā)生火災(zāi)時(shí)的人員撤離和火災(zāi)撲滅等問(wèn)題。構(gòu)筑多方法耦合立體式監(jiān)測(cè)體系，可將4G/5G、人工智能、邊緣計(jì)算方法相結(jié)合，運(yùn)用到煤礦帶式輸送機(jī)運(yùn)輸火災(zāi)火焰與煙霧高清視頻智能識(shí)別技術(shù)中，通過(guò)視頻圖像采集與智能識(shí)別技術(shù)，有效地協(xié)助現(xiàn)場(chǎng)救護(hù)人員處理火災(zāi)危機(jī)，最大限度降低誤報(bào)和漏報(bào)率，實(shí)現(xiàn)煤礦帶式輸送機(jī)運(yùn)輸火災(zāi)風(fēng)險(xiǎn)防控打早滅小的目的，為礦井安全生產(chǎn)保駕護(hù)航。