期刊文章详细信息
文献类型:期刊文章
ZHANG Fan;GE Shirong;LI Chuang(School of Electrical and Information Engineering,China University of Mining and Technology-Beijing,Beijing 100083,China;Institute of Intelligent Mining and Robotics,China University of Mining and Technology-Beijing,Beijing 100083,China)
机构地区:[1]中国矿业大学(北京)机电与信息工程学院,北京100083 [2]中国矿业大学(北京)智慧矿山与机器人研究院,北京100083
基 金:国家重点研发计划资助项目(2016YFC0801800);国家自然科学基金山西联合基金重点资助项目(U1610251);中央高校基本科研业务费资助项目(2020YJSJD12)。
年 份:2020
卷 号:48
期 号:7
起止页码:168-176
语 种:中文
收录情况:AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊
摘 要:煤矿智能化是煤炭工业高质量发展的核心技术支撑。数字孪生面向煤炭工业互联互通及智能化应用,发挥连接物理世界和信息世界的桥梁与纽带作用,将在煤炭开采、视频监控、人机交互等方面提供更加实时、智能、高效的服务。面向智慧矿山技术需求,提出了基于数字孪生+5G的智慧矿山建设新思路,将"数字孪生+5G"与AI技术相结合,为实现智慧矿山提供一种创新的方法。首先从智慧矿山建设进展及应用方面存在的问题入手,系统地梳理和分析了当前智慧矿山研究和发展现状,通过研究新一代信息技术与工业技术融合应用,阐述了数字孪生的概念内涵,指出数字孪生是智慧矿山发展的必然趋势并将为智慧矿山赋能;然后针对智慧矿山建设的难点和痛点问题,提出了基于"数字孪生+5G"的智慧矿山体系架构理论,通过构建矿山数字孪生模型(MDTM)实现物理矿山实体与数字矿山孪生体之间的虚实映射与实时交互。聚焦智慧矿山建设目标,以智慧矿山系统建设、优化和关键技术为核心,基于矿山信息物理空间的数字孪生和深度学习方法,以实际矿井为原型设计了智能开采的数字孪生一体化方案,构建了全域感知、边缘计算、数据驱动和辅助决策的智慧矿山平台。最后针对智慧矿山的数字孪生应用需求,提出并探讨了数字孪生赋能智慧矿山的关键技术问题,并指出了未来需要实现的关键技术路径。旨在通过对智慧矿山的数字孪生技术研究,为数字孪生模型构建、协同控制与交互优化等提供思路,为未来智慧矿山建设与设计提供理论借鉴。
关 键 词:智慧矿山 数字孪生 数字孪生矿山 矿山5G 煤矿智能化 煤炭工业互联网
分 类 号:TD67] TP18]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...