中国矿业大学实践团赴鄂尔多斯开展矿井安全监测调研

2026年暑期，中国矿业大学“智安’矿’世”－－－多融合感知矿山安全青年攻坚队赴内蒙古鄂尔多斯市伊金霍洛旗红庆河煤矿开展暑期社会实践。团队聚焦井下多传感器数据离散、误报率高的行业痛点，依托＂矿井灾变环境超前探测机器人＂项目需求，通过实地踏勘、人员访谈、数据采集与仿真验证，探索多源数据融合技术在矿山安全监测中的应用路径。

红庆河煤矿由伊泰集团运营，可采储量21.69亿吨、年产能800万吨，是当地智能化标杆矿井。团队在矿区引导下，系统观摩了矿井安全智能监测系统的整套运作模式，覆盖综采工作面、回风巷、机电硐室及调度中心4个典型点位，每点位采集20组参数，累计获取80组有效样本。

图为实践团观摩矿井安全智能监测系统。尚煜坤　供图

调研期间，团队与矿区安全监测、设备运维、数据监测三个领域的一线技术人员深入交流。安全监测科技术员坦言：＂各传感器各看各的，受干扰误报时其他数据正常，工人仍须跑一趟核查，时间长了难免麻痹。＂这让团队认识到，矿山安全监测不是单一技术叠加，而是不同专业视角在具体场景中的深度耦合。

图为团队成员利用MATLAB对监测数据进行融合处理。杨旭瑞　供图

实地调研结束后，团队在指导教师郭强副教授带领下迅即转入数据处理环节，运用MATLAB构建两级融合模型：一级融合采用分批估计与自适应加权算法，对瓦斯、一氧化碳、风速、粉尘、温度五类传感器数据进行融合，平滑单传感器随机扰动；二级融合运用灰色关联度分析方法，将融合值与安全标准特征向量比对，实现一致性估计与分级判定。

过程并非一帆风顺。跨专业协作初期存在知识壁垒，两个学院学生专业术语互不理解，数据解读角度存在偏差。团队通过集体学习会、补充公开数据集、逐行排查代码等方式逐步攻克难关。

图为两级融合综合验证结果对比图。杨旭瑞　供图

仿真结果显示，该模型有效区分不同安全态势：正常工况下系统判定为＂较安全＂，灰色关联度0.8825；模拟异常工况下，瓦斯浓度升至0.97％、温度升至36.7℃、风速下降、粉尘浓度上升，呈现典型灾变前兆，系统正确判定为＂不安全＂，关联度达0.8155。一级融合中，自适应加权算法根据测量方差动态分配权重，方差小者获更高权重，提升整体精度。

指导教师郭强副教授表示，本次实践创新体现在三方面：方法上，将数据级融合引入矿井安全监测，误报率显著降低；架构上，构建＂数据级＋决策级＂两级融合架构，灰色关联度在样本量有限时仍能给出量化评估，适配中小型矿山；应用上，方案轻量化、低成本，便于现有设备软件升级，无需大规模更换硬件。

走进矿区一线，团队成员真切感受到课本算法与工程现场的差距。2025级学生杨旭瑞感慨：＂有价值的科研问题不在书本夹缝里，而在生产现场那些尚未被充分解释的信号与图像之中。＂团队成员表示，作为矿大学子将立足专业所学，把论文写在矿山深处，以青年力量守护矿山安全生产。

据了解，团队后续将持续对接红庆河煤矿，系统学习矿用防爆与矿山安全管理规范，完善商业化落地测算，推动研究成果从实验室走向矿山一线。（供稿人：　杨旭瑞　）