一、研究背景
二、数字孪生在煤矿灾害研究中的应用模式
通过煤矿井下灾害监测传感器等设备进行实时监测，将监测数据（如CO浓度、CH4浓度、O2浓度、风速、粉尘浓度、顶板压力等环境参数及风门风窗状态、烟雾传感器状态、粉尘洒水装置状态、灌浆注氮装备状态、通风机运行状态等设备状态数据）通过边缘通信模块、云端通信模块上传至云端。数字孪生数值仿真软件部署在云端，利用传感器上传的监测数据作为初始条件参数、边界条件参数、效果验证参数，经过实时仿真分析，通过不断试错，寻求最佳的优化参数及解决方案。当技术手段在孪生世界应用成熟后，对虚拟实体的最佳参数、解决方案等进行分析、判断、决策，并下发决策指令至井下执行器，控制灾害防治装备动作。文章源自数字孪生可视化-http://www.hjcool.com/122.html
三、基于工业互联网的煤矿灾害数字孪生服务体系
四、面向矿山灾害的数字孪生关键技术
文章源自数字孪生可视化-http://www.hjcool.com/122.html
文章源自数字孪生可视化-http://www.hjcool.com/122.html
感知及执行装备作为数字孪生技术的神经末梢，承载了数据采集、交互及末端执行的功能。数据的准确性及数据测点数量直接影响顶层数字孪生体模型的精度及分析决策结果的有效性，传统的井下传感器大多是点式部署，数量非常有限，远远满足不了数字孪生数据采集及交互需求，研究煤矿灾害智能、低成本、分布式感知装备迫在眉睫。文章源自数字孪生可视化-http://www.hjcool.com/122.html
结合工业领域通用仿真软件的优点，完善行业专用仿真软件功能，实现实时动态仿真效果，是实现煤矿数字孪生的必经之路。数字孪生技术可实现实时仿真，但同样受限于资源及实时性要求。对于危险程度、变化幅度比较大的区域（如采空区、工作面等）要重点倾斜资源，可加大网格划分密度；对于危险程度小的区域要统筹兼顾，可在适当分配资源的同时防止低概率事故发生。针对灾害发生概率大的地点，可在计算资源充裕时预先进行计算，将结果存储于云平台，一旦发生灾害可直接调取计算结果，从而大大缩短实时计算时间。文章源自数字孪生可视化-http://www.hjcool.com/122.html
随着智能感知装备数据呈指数级爆炸增长，边缘计算设备承担了数据的预处理及常规分析功能。5G通信技术可满足物理实体海量多源异构数据的上传需求及虚拟实体数据的下发需求，有效实现多系统之间低时延的互联互通，保障虚实数据交互。大数据平台可用于多模态数据的集成、治理、计算、存储及管理，并基于煤矿灾害数据融合分析与信息建模，为顶层数字孪生应用提供高质量数据资产。云计算分布式共享与按需调整自服务的模式满足数字孪生系统实时动态存储、仿真、运行的需求，通过云计算服务器端预置的数字孪生仿真工具，可实现不同灾害不同状态下的实时动态仿真及预测。另外，结合边缘协同计算技术及云端决策分析算法，根据灾害仿真结果，可实现灾害防治方案、设计方案、优化方案等的智能执行。文章源自数字孪生可视化-http://www.hjcool.com/122.html
评论