云南滇东雨汪能源有限公司雨汪煤矿一井选煤厂（简称雨汪选煤厂）作为大型群矿型选煤厂，工艺链长、设备系统复杂，对全局协同与智能运维提出更高要求。为此，提出构建一体化的智能管控平台，以实现“无人值守、机器人巡检”的先进目标。笔者聚焦雨汪选煤厂智能管控平台的架构设计与系统实践，构建以工业网络与云平台为基础设施、以数据融合为核心、以智能应用为驱动的整体方案，以期为同类选煤厂的智能化建设提供可参考的技术范式与实施路径。

01、雨汪选煤厂智能管控平台总体架构设计

智能管控平台的总体架构基于模块化理念，构建了层次清晰、功能协同的4个核心模块：基础支撑模块、智能生产模块、数据管理模块与智能监测模块。各模块通过统一数据总线与API接口进行数据交互，形成从感知、分析、决策到执行的闭环控制流。基于数据中台架构，实现多源数据的实时集成与标准化处理。形成感知-分析-决策-执行的闭环智能管控体系，系统性支撑选煤厂实现“无人值守、少人巡检”的智能化建设目标，雨汪选煤厂智能管控平台界面如图1所示，雨汪选煤厂智能管控平台总体架构如图2所示。

图1 雨汪选煤厂智能管控平台界面

图2 雨汪选煤厂智能管控平台总体架构

（1）基础支撑模块

构成平台的物理与网络底座，主要包括工业私有云平台及配套支撑软件、千兆冗余综合信息工业环网。提供统一的数据存储、计算资源与高速可靠的网络通信环境，实现多源数据接入、实时历史数据管理及系统间互联互通，为上层应用提供稳定、安全的基础运行环境。

（2）智能生产模块

聚焦于工艺流程的自动化与智能化控制，集成智能采制化系统、智能重介分选、智能加药及智能压滤等关键工艺控制系统。通过实时数据感知与模型预测，实现分选密度、药剂添加、压滤周期等工艺参数的自主优化与精准调节，提升分选效率与产品质量稳定性。

（3）数据管理模块

作为平台的信息中枢，整合生产管理、机电设备全生命周期管理、经营管理等功能，并通过移动终端应用提供灵活的数据访问与操作界面。实现生产、设备、物资、成本等全维度数据的结构化汇聚、统计分析与可视化展现，支持生产调度、运维决策与经营优化，提升管理协同能力。

（4）智能监测模块

面向设备状态、生产环境与人员安全，构建了多层次的感知与预警体系。该模块涵盖设备健康状态监测、视频联动识别、AI视频分析及智能巡检机器人系统，实现对关键设备运行参数、工艺异常状态、安全风险行为的实时监测、智能诊断与自动报警，为安全生产与预防性维护提供支撑。

（5）“云-边-端”协同架构的核心定位

云端层以工业私有云平台与数据管理模块为核心，主要负责全局数据的存储、集中计算、智能决策和整体调度。此为实现“管”功能的主要部分，负责接收边缘层上传的预处理数据，通过算法模型形成优化决策与控制指令，并下发给边缘层和终端层。

边缘层基于物联网关、本地计算节点和边缘控制器等基础支撑模块，负责实时数据预处理、本地闭环控制以及设备间的协同联动。作为“控”的关键枢纽，能够就近处理终端数据并快速响应云端指令，从而降低网络传输时延。

终端层包括各类传感器、AI相机、巡检机器人以及执行设备等，主要负责数据采集、状态感知和指令执行，此为“监”和“控”的最终落点，实现对生产现场、设备状态和安全环境的全面感知与精准操作。

（6）“管-控-监”融合的实现路径

“监”作为前端感知的核心，通过终端设备采集设备参数、生产环境与安全行为等信息，经边缘层初步处理后，同步传送至云端数据管理模块和智能生产模块，为监测预警提供前端支持。

“控”作为执行核心，依据边缘层接收的监测数据和云端下发的优化指令，自动调节工艺参数，实现设备间的协同联锁控制，同时将生产执行数据和设备状态反馈给云端数据管理与智能监测模块，形成控制执行的中间闭环。

“管”作为决策与管理核心，汇总“监”和“控”的全部数据，通过云计算进行统计分析、趋势预测与决策优化，形成生产计划、维护工单及安全策略等内容，并分别下达给智能生产模块和智能监测模块，从而推动管理优化的全过程。

02、基础支撑模块

基础支撑模块作为整个平台的统一底座，通过标准化数据接口与通信网络，为所有上层模块提供稳定可靠的数据接入、流转与计算环境。

（1）工业私有云平台

工业私有云平台作为整个系统的计算与存储核心，基于OpenStack构建的工业私有云平台，满足数据本地化与低时延处理需求。基于虚拟化技术构建了可弹性伸缩的分布式资源池，实现对物理服务器资源的统一池化管理。作为全厂级数据的集中存储与集成处理枢纽，承担着复杂计算任务的统一调度与高效执行职能。通过其多租户架构与细粒度权限控制机制，平台能够在确保数据安全隔离的前提下，支持跨业务部门、跨系统的算力资源协同调度与数据安全共享，为上层的各类智能分析应用提供标准化、可扩展的资源服务接口。授权用户可通过远程客户端，在任何网络可达节点接入平台进行操作与指令下发，实现计算任务的云端化执行与集中化管控。

（2）支撑软件与数据系统

支撑软件与数据系统构成连接底层物联数据与上层业务应用的关键中间件层。其核心是构建一条高效率、低时延的数据处理流水线，涵盖从多源数据采集、实时流处理、高压缩比持久化存储到高效访问与断网续传的全链路。通过先进的数据压缩算法与存储优化策略，提升海量实时/历史时序数据的存储效率与查询性能，并保障数据在异常工况下的连续性与完整性。

基于分布式大数据技术，实现数据的可靠持久化与实时流式分析，支撑了离线批量建模与在线实时预测相结合的混合计算模式，为操作人员提供可视化的设备状态监测与生产绩效看板，并依据系统诊断生成智能巡检清单；通过标准化的服务接口与统一的身份认证与访问控制机制，支持管理人员依据角色权限，通过异构终端安全地访问其授权范围内的功能与服务。

（3）综合信息工业环网

综合信息工业环网构成系统的网络通信骨干与全域数据感知基础。采用千兆光纤环网，支持IEEE 802.1Q VLAN与PRP/HSR协议，确保控制指令的确定性与低延时传输。在通信网络层面，采用应用层、网络层与现场设备层3层体系架构。应用层提供统一的数据集成平台与服务门户；网络层主干采用千兆光纤构建双环冗余拓扑，实现链路故障的毫秒级自愈，确保了网络通信的高带宽与超高可靠性，具备融合承载工业控制、高清视频监控、语音通信等多类业务流的能力。

系统内置完善的网络异常处理机制，确保在通信中断期间数据可本地缓存并在恢复后自动同步。在网络安全层面，于选煤厂网络边界部署了工业防火墙等专用安全设备，实施严格的访问控制策略与深度威胁检测，构建集网络隔离、访问控制、入侵防护于一体的纵深防御安全体系，基础支撑模块架构如图3所示。

图3 基础支撑模块架构

03、智能生产模块

智能生产模块基于实时工艺数据与优化指令，通过自适应算法动态调节生产设备，其核心创新在于构建了感知-决策-执行的闭环控制体系，实现工艺参数的自主动态优化与跨工序协同。

（1）智能采制化系统

智能采制化系统将采样、制样、化验分析3个环节集成于一套全自动、无人值守的闭环流水线中。系统采用高精度与高稳定性的输送带端部采样方式，确保了样品的代表性。全流程机械自动化作业可消除人为误差，并实现系统全封闭运行，有效解决堵煤、粘煤与漏洒问题，可适应水分≤25%、灰分≤50%的煤质条件。系统以3 min为周期进行循环采样与在线分析，实时检测灰分、硫分、水分及发热量等关键指标，为下游智能控制系统提供及时、可靠的煤质数据输入，智能采制化系统控制系统如图4所示。

图4 智能采制化系统控制系统

（2）智能重介分选控制

智能重介分选控制系统通过在原煤输送带部署在线测灰仪，实时获取入洗原煤的灰分数据。以海量历史数据与实时数据为基础，融合原煤、精煤、矸石输送带秤的瞬时流量信息以及精煤灰分目标值，运用机器学习算法构建并持续优化分选密度预测模型，采用XGBoost算法，基于超过10万条历史生产数据构建模型，并实现在线增量学习。

该模型能够分别建立适用于块煤与末煤的灰分-密度关系模型，并具备自学习能力，可随生产数据积累不断自我迭代优化。控制系统将模型给出的最优密度设定值与介质桶实测密度进行比对，通过智能PID算法动态调节分流箱开度与补水阀，实现对悬浮液密度的精准、稳定控制，从而确保在不同煤质条件下均能获得理想的分选效果，智能重介分选控制模块如图5所示。

图5 智能重介分选控制模块

（3）智能加药控制

智能加药系统通过集成通信模块、在线界面仪与高精度计量泵，构建了感知-决策-执行的闭环控制。系统依据入料煤泥水的实时性质与历史运行数据，建立基于规则专家系统与LSTM神经网络融合的加药量动态预测模型。系统实时监测浓缩机溢流水的浊度与澄清层厚度作为关键反馈变量。控制算法综合前馈预测与反馈修正，动态调节絮凝剂与凝聚剂的添加量及配比，实现药剂的精准、按需投加，智能加药控制模块如图6所示。

图6 智能加药控制模块

（4）智能压滤控制

智能压滤控制将4台快速隔膜式压滤机通过工业网络与集控系统互联，实现集群化监控与协同控制。智能压滤子系统通过监测入料压力、滤板闭合信号及时间模型，智能判断注料结束点；基于压榨时间、滤液滴落情况或预设程序，自主决策卸料时机；并通过视频或传感器监测卸料是否彻底。系统同时可实现压滤机与入料泵、煤泥输送设备的紧密工艺联锁，确保各设备按序启停、协调运作，形成完整的煤泥脱水自动化作业线，显著提升脱水工段的运行效率与可靠性，智能压滤控制如图7所示。

图7 智能压滤控制

04、数据管理模块

数据管理模块作为全厂数据枢纽，其创新体现在通过统一数据平台整合多源信息，并利用分析模型主动生成决策建议，驱动生产、运维与管理的协同优化，而非被动存储与展示。

（1）生产与运营数据中心

生产与运营数据中心聚焦于生产流程与经营活动的全景式数据管理。生产调度管理实时汇聚生产系统运行状态、事故报警、原料煤库存、产品质量及消耗等信息，自动生成调度日志、生产日报并跟踪作业计划执行，实现生产过程的透明化与可追溯。煤质管理整合从原煤入厂到商品煤出厂的全链条质量数据，通过专业算法进行统计分析并绘制可选性曲线、分配曲线等，为工艺优化与质量控制提供科学依据。运销管理则对接地磅、输送带秤等计量设备，集成销售合同、客户信息，实现产品发运、结算对账的数字化管理，并分析销售结构与市场趋势。

（2）机电设备全生命周期数据管理

建立覆盖设备全生命周期的数字化档案，为构建数字孪生模型奠定数据基础，覆盖从采购、安装、运行、维护到报废的全生命周期。日常管理维护设备静态档案、技术资料、备件清单及检修历史。运行管理实时关联设备在线监测数据、保护动作记录与人工点检、维修工单，形成完整的动态运行日志。在此基础上，智能运维应用大数据分析技术，对设备运行参数进行趋势分析与模式识别，构建故障预测模型，实现从“事后维修”“定期检修”到“预测性维护”的转变，为设备健康管理与维修决策提供数据支撑。

（3）HSE与能效数据管理

安全与职业健康管理通过建立危险源数据库、员工健康档案，并关联视频监控、隐患排查与事故记录数据，进行风险动态评估与预警。节能管理通过精确计量全厂、各系统及关键设备的电、水、介质等能耗，进行多时间尺度的统计、对比与能效分析，识别异常能耗，为节能技术改造与管理优化提供量化依据，数据管理模块数据中心界面如图8所示。

图8 数据管理模块数据中心界面

05、智能监测模块

智能监测模块创新地构建“监测-诊断-联动”一体化体系，通过多源感知与智能分析，可实现异常预警，直接触发控制响应与管理闭环，形成从风险感知到主动处置的完整链路。

（1）设备状态智能感知网络

部署一套覆盖全厂关键旋转设备的在线状态监测系统，针对合介泵、各类带式输送机、破碎机、筛分机、离心机、压滤机入料泵等53类共计200余个关键测点，安装了温振一体传感器。传感器直接安装于设备的电机驱动端、非驱动端、主轴及激振器等关键部位，实时采集振动加速度、速度、位移及温度信号。监测数据通过工业网络实时传输至数据管理模块中的设备全生命周期管理系统，利用专业算法进行时域、频域分析，建立每台设备的健康基线，智能识别轴承损伤、齿轮啮合故障、转子不平衡、不对中等早期机械故障征兆，显著提升了故障预警能力，推动维修模式向预测性维护转型，为安排计划性检修、优化备件库存、减少非计划停机提供直接依据，设备状态智能感知网络如图9所示。

图9 设备状态智能感知网络

（2）机器视觉安全监测与智能巡检系统

系统利用AI图像识别技术，将传统的被动视频监控升级为主动智能感知系统。视频识别与联动系统在关键工艺点部署AI工业相机，通过深度学习算法，实时识别大块煤、铁器、木材等异物，并联动控制系统进行预警或停机，保护下游设备。同时，对高压配电柜的接地刀闸、断路器分合状态进行视觉识别与远程确认，杜绝电气误操作风险。跑粗检测系统则专门针对原煤分级筛、脱介筛，通过分析筛下物料图像，实时监控筛板破损或漏煤情况，保障分级效果。智能轨道巡检机器人作为固定监测点的有效补充，共部署6套，覆盖原煤栈桥、主厂房核心区域、变配电室等高风险或人员不便长期停留的区域。机器人搭载可见光与热成像双光云台，可沿预设轨道自动巡检，完成设备跑冒滴漏识别、仪表读数识别、环境气体探测等任务，并将数据与视频实时回传，形成固定监测与移动巡检相结合的立体监控网络，巡检机器人应用场景如图10所示。

图10 巡检机器人应用场景

（3）智能化无人装车系统

智能化无人装车系统是该模块在物流端的最终体现。5套装车系统分别部署于块煤仓、末精煤仓及产品仓，系统通过激光雷达、车牌识别等技术自动识别车型与位置，根据销售订单自动计算装车量，并控制定量仓或溜槽实现高精度快速装车，全程无需人工干预，可有效减少装车环节的扬尘、偏载与超载现象，装车精度提升至±0.5%，装车环节的扬尘、偏载、超载等难题，实现产品发运环节的完全自动化与智能化，智能装车系统如图11所示。

图11 智能装车系统

为实现系统间的有机融合，该平台以统一数据标准与通信架构为基础，构建了层次清晰、协同联动的逻辑体系。在数据层面，平台通过标准化接口规范（如OPC UA、MQTT）和统一数据模型，可实现从终端传感、边缘计算到云端管理的全链路数据贯通，确保了多源异构数据的语义一致与实时同步。在控制逻辑上，依托“云-边-端”协同架构，系统明确了各层级的职责与交互机制：边缘层负责实时控制闭环与本地联动，云端进行全局优化与决策下发，形成“监测-分析-决策-执行”的动态智能循环。在业务协同方面，平台以工艺流程为主线，通过事件驱动与服务调用的方式，将智能生产、设备管理、安全监控等模块串联为连贯的业务链，从而实现了跨模块的闭环管理与智能响应。整体上，系统以数据为纽带、以控制为链路、以业务为场景，形成了功能深度融合、逻辑紧密耦合的有机智能体。

06、总 结

（1）智能管控平台采用云-边-端协同架构，结合边缘实时处理与全局数据决策，降低网络依赖与延时。将工艺机理与机器学习融合，可实现重介分选密度模型自学习与自适应调节，突破了传统固定模型局限。通过统一数据中枢实现业务联动，消除系统孤岛，形成完整智能闭环。

（2）智能管控平台构建多维感知与全景监控体系，部署振动、温度、视觉等监测网络，搭配 AI 视频分析、巡检机器人与无人装车系统，可实现设备、工艺、物流全场景监控。相比同类系统，在协同部署、自适应算法、业务融合与综合感知上具备显著技术优势与实践差异。

（3）智能管控平台支撑选煤厂可实现工艺、运维、安全、管理全方位智能化升级，助力 “无人值守、少人巡检”。未来将融合数字孪生与知识图谱，向自主决策、智能诊断、预测运维演进，推动选煤厂迈向全流程自适应智慧化运行，为行业高质量发展提供技术支撑。

文章来源：《智能矿山》2026年第4期“选煤厂智能化建设成果专栏”

第一作者：辛战文，高级工程师，主要从事选煤厂设计、项目管理及智能化相关研究工作。E-mail：xzwcumt@126.com

作者单位：中煤科工集团沈阳设计研究院有限公司

引用格式：辛战文，于超.基于 “云–边–端” 协同的选煤厂智能管控平台架构设计与实践[J].智能矿山，2026，7 (4):53-61.