丁恩傑教授：礦山資訊化發展及以數字孿生為核心的智慧礦山關鍵技術

【能源人都在看，點選右上角加'關注'】

礦山資訊化建設在經歷了單機自動化、綜合自動化、數字礦山幾個階段之後，正朝著礦山智慧化和智慧礦山的方向發展。智慧的前提是礦山生產系統各個環節均可測、可觀、可控，即形成面向生產各環節透明化的知識服務體系。

綜合自動化礦山階段主要解決了礦山數字化、監測監控技術與資訊孤島問題，就煤礦生產流程而言，基本完成了智慧礦山的建設工作，在環境條件允許的情況下，可實現區域性的少人化和無人化控制。智慧的前提條件是礦山生產系統的各個環節均可測、可觀、可控，也就是要形成面向生產各環節透明化的知識服務體系。以煤炭行業為例，從目前取得的成果來看，遠沒有達到透明礦山的要求，這是制約智慧礦山發展的瓶頸問題。黑色或灰色（不透明）礦山的問題，制約我們在一般情況下仍需依靠較多人力維持正常的安全生產，導致礦山重大事故時有發生，解決礦山執行狀態知識建模與服務的問題迫在眉睫。

要解決這一問題就是要解決上述可測、可觀和可控問題。在可測方面，物聯網礦山技術的發展已經解決和優化了大量相關難題，可以滿足目前安全生產的基本需求，下一步需要重點研究智慧裝置和裝備自治、自主化工作相關技術，並進行新型檢測機理和檢測裝置的研究；可觀問題就是要結合數字孿生技術對礦山安全生產、指揮排程與管理各個方面，如人、機、環、管等被控物件進行物理與虛擬融合建模，透過建立的模型可實現對各個被控物件的狀態及其演化規律的可觀，這個可觀不僅僅對人，更重要的是讓機器能夠自動理解，做到機器可觀。

在建模過程中，需要採礦、機械和資訊等領域的專家密切協同，需要實現對資訊的統一語義描述，需要建立礦山領域知識庫和礦山數字孿生模型，這將是智慧礦山建設的核心。可控問題是在可觀的基礎上，也就是在掌握（自動化解析）感測資料、模型資料等多模態資料的基礎上，利用知識庫和礦山數字孿生模型各種知識進行推理，採用機器人或機器人化的裝置裝備實現基於機器自治協同的全流程自動控制，最終形成少人化或無人化的智慧礦山。

1礦山資訊化發展歷程

礦山資訊化發展，歷經了單機（單系統）自動化、綜合自動化、數字礦山階段，礦山物聯網和礦山智慧化技術近年來得到快速的發展和應用，礦山資訊化技術正朝著智慧礦山的目標發展，在礦山生產過程中不斷融合新興技術，提高礦山生產的智慧化水平，從而實現礦山無人化或少人化。

（1）單機（系統）自動化

1984年煤炭工業部通訊資訊中心成立，宣示了中國煤礦資訊化建設正式開啟，我國煤礦進入單機自動化階段。PLC在礦用裝置上的成功應用解決了傳統控制器佔用空間大、成本高等問題；現場匯流排的連線方式提升了礦用裝置控制的可靠性，減少了裝置的停機時間。單機自動化系統存在很多問題需要進一步解決，如模擬訊號只能在本地採集、處理並直接用於就地控制；有線網路通訊是訊號傳輸的唯一方式，各系統之間難以進行資訊交換。此時通訊網路嚴重製約了煤礦自動化的發展，造成多臺上位機共存的場景，形成子系統資訊孤島的格局，導致全礦資訊不能共享。

（2）綜合自動化

2000年後，無線感測器網路及工業乙太網技術得到飛速發展，為實現各煤礦系統之間的互聯互通奠定了基礎，得益於此，我國煤礦進入了綜合自動化時期，綜合自動化網路服務架構如圖1所示。無線感測器技術極大擴充套件了各類感測器的應用場景，豐富了各類資訊的採集。工業乙太網以其強大的通訊速率和通道容量將各子系統連線在一起，完成了各子系統的資訊互動，解決了子系統資訊孤島問題，實現了全礦資訊的融合分析處理。但是感測器與各種裝備沒有聯網，只能用於本系統中，無法實現裝置間的協同控制；採集到的感測器資訊也只是簡單地處理，資料並沒有得到有效利用，亟需高效的演算法來實現資訊的融合處理。

綜合自動化網路架構

（3）礦山物聯網

礦山物聯網將物聯網技術應用到煤礦生產中，進一步提高礦山開採的無人化和自動化水平。礦山物聯網是綜合實時感知、網路通訊和動態控制等技術來實現礦山物與物、人與物之間的資訊傳遞與控制，礦山物聯網服務架構如下圖所示。智慧感測器除了對物理世界進行感知，還搭載了用於資料處理的嵌入式晶片，使得裝置從自動化向智慧化過度；高速通訊網路連線生產的各個環節，實現萬物互聯；智慧演算法挖掘大資料的潛藏資訊，實現實時控制、精確管理和科學決策。但是人工智慧技術發展水平有待提高，裝置的智慧化程度較低，礦用物聯網產品極少，不能滿足礦山智慧化生產的需求。

礦山物聯網網路架構（4）礦山智慧化

礦山智慧化是智慧礦山的中級階段。礦用機器人技術和通訊技術還在普及應用，以人工智慧和大資料為代表的新興技術也融入其中，推動礦山向智慧化、智慧化發展。將人工智慧和自動化、機器人化技術結合，實現礦山生產複雜流程的自動化，進一步簡化人工操作。5G通訊技術為雲平臺提供了通訊基礎，大資料和雲計算技術在雲端的應用為礦山分析決策、動態預測、協同控制提供了新的渠道。但是裝備的智慧化水平還需要進一步提高，資訊的語義化描述沒有形成統一的標準，資訊通訊技術和傳統礦山技術的融合應用還停留在初步階段。立足於此，可以設想未來礦山智慧化發展的高階階段——智慧礦山。

（5）智慧礦山

王國法院士給出了智慧煤礦的定義：智慧煤礦是基於現代煤礦智慧化理念，將物聯網、雲計算、大資料、人工智慧、自動控制、移動網際網路、機器人化裝備等與現代礦山開發技術深度融合，形成礦山全面感知、實時互聯、分析決策、自主學習、動態預測、協同控制的完整智慧系統，實現礦井開拓、採掘、運通、分選、安全保障、生態保護、生產管理等全過程的智慧化執行。在智慧礦山階段，智慧物和自動化機器人得到了廣泛應用；雲端計算和邊緣計算能有機融合在一起，實現各類資料的高效處理；以大資料和人工智慧為基礎的各類智慧應用能夠滿足礦山的日常生產需求。各類感測器是智慧礦山的資訊來源，需要進一步升級最佳化以此來滿足日益增長的智慧化應用需求；大量智慧體和各級子系統均接入到雲平臺，需要提供高效的智慧決策方案，以實現各部分協同工作。

2智慧礦山核心關鍵技術

結合物聯網、人工智慧、大資料技術的發展，智慧礦山將會是資訊化、自動化和智慧化的高度融合，其最終目標是實現礦山關鍵生產環節的無人化或少人化。礦山物聯網技術實現了礦山物的智慧連線，使得“人-機-環”感知資訊能夠有效的彙集，各類礦山大資料平臺的湧現解決了礦山“人-機-環”感知資料的高效管理和存取問題。數字孿生技術建立了虛實融合和知識生成機制，可以將現有的礦山機理模型、經驗知識和礦山“人-機-環”大資料有機融合，為礦山“人-機-環”狀態判識與智慧協同管控提供知識服務。礦山數字孿生模型以及圍繞孿生模型的智慧化資料分析演算法將成為智慧礦山下一步需要突破的關鍵技術。

基於數字孿生的智慧礦山服務架構

①感知層與智慧裝置/裝備，分散式、光纖光柵、鐳射、MEMs等低功耗等新型感測技術的發展拓寬了礦山物聯網的感知邊界，可以線上獲取更多的安全隱患尤其是隱蔽災害的探測資料；智慧感測器裝置的研發和應用，使得感測器節點具備了線上計算、狀態自診斷、網路自治等能力，提升了終端節點對訊號實時處理和反饋調節的效率；機器人化智慧化的礦山裝備為礦山生產系統的智慧排程、協同控制、少人化、無人化提供了基礎；智慧感測和智慧裝備技術是礦山資料孿生技術體系中的物理基礎。

②緣智慧與網路層，隨著各類邊緣分站和智慧閘道器算力的提升，輕量級數字孿生模型得以在邊緣節點解除安裝，結合輕量級演算法模型的應用，可以很大程度提高各子系統資料分析的效率和反饋響應的及時性；融合通訊網路技術實現多源異構網路的統一接入，可以解決智慧裝置/ 裝備的快速連線發現、高效連線管理和線上透明交換問題；5G技術在礦山的應用可以解決“人－機－環”感知資料實時高效傳輸問題，尤其是採掘工作面等有線連線受限的場景，提高了無線通訊的實時性和可靠性。

③數字孿生與演算法模型層，隨著硬體、網路、大資料平臺技術不斷演進升級，圍繞礦山生產過程的知識發現和知識服務成為智慧礦山發展的瓶頸。數字孿生可以實現礦山物理實體狀態演化規律到虛擬實體的對映，透過虛實融合演進的狀態分析模式，可以建立機理模型、自然規律、經驗知識、資料特徵相融合的礦山知識服務體系，從而達到對礦山物理世界實時可測、可觀、準確控制、精確管理和科學決策的目的，將成為未來智慧礦山發展的技術核心。礦山數字孿生模型的建立需要礦山物理實體相關的機理模型、人工智慧演算法模型、大資料分析、虛擬模擬等技術的支撐。

④智慧化應用服務層，結合礦山生產環境孿生模型和孿生互動服務機制，融合獨立分散的礦山安全監測與災害預警系統，構建統一的礦山安全態勢分析平臺。基於礦山生產場景孿生模型和生產過程推理演算法，結合工作流技術以及智群計算理論，研發面向多生產場景的礦山安全生產智慧排程服務系統；基於礦山裝置狀態孿生分析模型，結合大資料分析、智慧診斷與協同控制技術，建立礦山“採、掘、機、運、通、供電、排水、輔助運輸”等裝備系統的狀態線上診斷與協同管控平臺。

（1）智慧感測與智慧裝備

可靠穩定的感測資料，是礦山智慧化建設的基礎，透過光學、MEMs、無線智慧、能量自動捕獲等感測技術實現線上感知邊界的拓展和感測資料的長期穩定獲取是智慧礦山感測層需要重點研究的關鍵技術。智慧化機器人化的裝備技術是智慧礦山生產執行的載體，需要重點研究採掘裝備智慧化無人化控制技術，通風、壓風、提升、排水、供電、皮帶運輸等礦山大型裝置高效可靠執行與預測性維護機制，生產輔助機器人作業環境感知建模與自主調控技術等內容。

（2）礦山數字孿生建模技術

礦山不斷新增的感測器和平臺積累的海量生產過程資料，為礦山生產安全知識的孕育奠定了基礎，需要一套能夠反映礦山生產規律、跟蹤生產過程裝置環境狀態演化，並與生產過程進行智慧互動的知識服務體系來支撐下一步的礦山智慧化建設。面向礦山生產要素的數字孿生建模方法、數字孿生模型之間的互動機制，以及圍繞數字孿生模型的深度資料探勘分析技術可以為礦山安全生產過程的實時再現、預測分析、互動演繹提供支撐。礦山數字孿生建模技術需要結合礦山執行機理和特點，重點研究圍繞礦山“人－機－環”生產要素的孿生模型設計方法，面向生產場景的孿生建模方法與互動機制，以及礦山數字孿生虛擬模型設計與資料深度融合分析方法等內容。

①礦山安全生產中的數字孿生模型

數字孿生技術中提出了物理實體、虛擬空間建模和虛實融合互動機制的知識建模方法，將數字孿生技術應用於煤礦“人、機、環、管”各環節，進行多學科交叉融合，促進人、機智慧協同，有助於解決礦山生產過程的精準控制和各種災害的預警防控問題。Michael Grieves給出了數字孿生的3個組成部分：物理空間的實體產品、虛擬空間的虛擬產品、物理空間和虛擬空間之間的資料和資訊互動介面。目前，最常用的是五維數字孿生模型，即包含物理實體、虛擬模型、服務、資料、連線等5個方面，據此，我們可以設計礦山數字孿生的基本模型構成。數字孿生技術中提出了物理實體、虛擬空間建模和虛實融合互動機制的知識建模方法，將數字孿生技術應用於煤礦“人、機、環、管”各環節，進行多學科交叉融合，促進人、機智慧協同，有助於解決礦山生產過程的精準控制和各種災害的預警防控問題。Michael Grieves給出了數字孿生的3個組成部分：物理空間的實體產品、虛擬空間的虛擬產品、物理空間和虛擬空間之間的資料和資訊互動介面。目前，最常用的是五維數字孿生模型，即包含物理實體、虛擬模型、服務、資料、連線等5個方面，據此，可以設計礦山數字孿生的基本模型構成。

②面向礦山生產場景的數字孿生建模技術

礦山生產場景複雜多變，涉及到的裝置種類多，又面臨與採動環境的耦合問題，結合數字孿生的五維模型，礦山生產場景的資料孿生模型建立涉及多個領域的知識，需要礦山執行機理、礦山安全、CPS、大資料分析、自動化控制等理論與技術的深度融合。

以採煤工作面為例，結合地質資訊、圍巖資訊、時空資料、裝置及關鍵部件設計引數等基礎資訊和環境感測、裝置感測、人員感測、實時排程資訊、生產狀態等實時感知資料，在“人-機-環”虛實融合感知理論模型的基礎上，完成截割煤巖地質體、採掘裝置及關鍵部件、工作人員動作行為的數字孿生虛擬模型建立。基於各物理實體的狀態演化機理和生產過程的執行模式，建立數字孿生虛擬模型與實時感知資訊的之間的智慧互動機制，實現對煤巖地質體環境和裝置執行狀態的演進分析，實現“人-機-環”執行安全狀態的耦合分析，為各種場景耦合下工作面裝置的聯合排程與協同控制提供服務。以實時互動模型分析結果為指導，完成採煤機行走、截割、位姿引數的調控，液壓支架動作、支撐、平衡引數調控，以及刮板輸送機速度、運載、運移引數調控，達到工作面生產過程智慧化調控和安全穩定高效執行要求，實現工作面採煤過程的透明化管控。

採煤工作面數字孿生模型

礦山生產場景數字孿生建模關鍵技術③礦山數字孿生虛擬模型構建方法

礦山生產過程中涉及到複雜裝置系統和地質環境的變化，虛擬模型以數字化的方式建立物理實體的對映，虛擬模型對物理實體靜態屬性和動態演化過程的真實表達成為礦山生產場景數字孿生建模的關鍵。藉助於對物理實體執行機理、演化規律、變化規則的分析，透過模擬模擬、多源資訊感知、虛實融合互動、深度資料分析、反饋最佳化調節等技術，可以促進虛擬模型與物理實體之間的融合與互動，提高數字孿生建模的可信度和判識、預測分析能力。以採煤機截割系統為例，採煤機截割系統由截割電動機、截割傳動系統、截割滾筒和液壓系統等組成，是多級傳動與控制機構耦合的結構，同時面臨煤巖介面變動、噴淋、閃石等複雜環境，是採煤機最容易產生故障的部位。建立截割系統的數字孿生體有利於實現截割系統狀態的線上評估和截割系統的全週期生命管理。

如下圖所示，構建截割系統虛擬模型之前需要對截割系統的工作原理、作業環境、演變規律進行分析。結合多場耦合作用下的截割系統狀態演變機理，分析採煤機截割系統與截割環境（煤層、頂底板、圍巖體）及聯動裝置（行走機構、液壓支架、刮板輸送機）的複雜相互作用關係；針對煤巖截割過程、截割系統執行過程、截割系統關鍵部件的異常狀態特點，分析系統狀態與感知資訊的關聯關係；設計多場耦合作用下的截割系統多源感知資訊描述、知識表示、知識抽取方法，實現“多源感知資訊－多狀態”知識關聯分析。

數字孿生虛擬模型構建方法

（3）邊緣計算與網路服務層

隨著感知邊界的拓展和前端感知資訊的急劇增加，基於5G的融合通訊網路技術將為礦山感知資訊的高效傳輸和互動提供基礎支撐。隨著現場硬體計算能力的提升和智慧化應用技術的下沉，邊緣計算裝置將成為礦山安全生產感知和快速決策響應的重要載體，結合融合通訊網路技術，需要重點研究輕量化邊緣計算演算法、邊緣計算解除安裝技術以及雲邊協同服務模式。

①基於5G的融合通訊網路技術

在礦山物聯網建設中需要對來自不同網路、不同子系統的海量異構資料資訊進行統一的處理及儲存，從而要求融合通訊閘道器能夠融合多網、多源、異構的海量資料並且對這些資料進行高效快速地處理，從中獲取有價值的資訊，進而提供智慧決策輔助服務。需要對融合通訊網路架構與傳輸技術進行研究，實現對礦山物聯網海量資訊的統一傳輸與資源管控功能。在網路的資源管控方面，隨著礦山物聯網中感測裝置種類增多，井下網路閘道器處匯聚了各種型別的業務資訊，由於不同的業務型別具有不同的QoS需求，因此高效合理的排程方案至關重要。

面對海量感測器接入、異構系統融合和多種業務服務需求，需要結合5G通訊技術，設計支援異構協議的礦山物聯網融合通訊網路架構，實現面向頂層需求的資料交換、處理、服務。融合通訊網路需要支援4G/5G，NB-IoT，LoRa，WIFI，ZigBee，RFID，Wavemesh，RS485，CAN，Profibus，Lonworks異構接入融合，滿足礦山有線/無線、圖文/音影片、實時/非實時、寬/窄帶等礦山物聯網多網融合傳輸的需求。需要研製具備邊緣計算能力的智慧閘道器裝備，實現異構協議的解析，具備邊緣計算、控制、儲存能力，實現單功能感知節點向檢測、分析、通訊、定位一體化智慧裝置/裝備演變。在資訊匯聚融合方面，設計針對海量匯聚資訊的資料關聯分析、資料冗餘分析和資料綜合方案，有效實現資料的透明高效傳輸。在融合通訊網路架構中整合基於QoS需求的多型別業務排程演算法，設計資訊種類與傳輸網路的匹配方案，保證資源的按需均衡分配和服務的按需提供，提高網路利用效率。將5G移動通訊技術融入到支援異構協議的礦山物聯網融合通訊網路系統，可以滿足智慧工作面、AR智慧巡檢、高畫質影片回傳、無人駕駛等5G特色業務的需求，為智慧煤礦建設提供強有力的網路服務支撐。

礦山物聯網融合通訊網路架構②邊緣計算與雲邊協同技術

邊緣計算優勢在於對物理世界資料實時反應和降低網路傳輸壓力，而云服務平臺提供了在遠端資料中心處理異構資料的能力。隨著對礦山精確泛在感知的發展，現場生成的資料量越來越大，將採集到的礦山資訊全部傳輸到雲端不僅大幅增加了網路通訊負擔，效率低下，且難以滿足數字孿生實時互動的要求。因此，研究在邊緣端對資料進行快速處理、雲邊協同技術以及邊緣解除安裝技術是十分必要的。

邊緣端快速計算。邊緣計算節點可以實現不同感測系統的接入同時具備一定的算力，可以在邊緣側進行資料預處理、狀態分析判識及反饋控制等，同時，可以基於邊雲協同服務架構，結合實時採集的資料可在邊緣端進行人工智慧演算法檢測並及時輸出控制訊號。為了避免邊緣節點間相互獨立、彼此孤立，形成資料孤島和功能孤島，影響應用服務質量，應當重視研究利用不同邊緣端的就地資訊進行資料共享與快速計算。邊緣端快速計算有以下2種方式：① 計算協同，即雲端的超算中心對模型和演算法進行訓練，根據邊緣節點的情況將已訓練好的模型進行下發，每個邊緣計算伺服器只執行一部分演算法，最終透過各邊緣端協同的方式快速完成應用任務；② 分散式訓練協同，即邊緣端內建完整的模型和演算法，並利用其他邊緣端資料承擔模型和演算法的訓練任務，訓練完成後的模型引數會更新到雲端，最終得到完整模型。最佳化模型的執行效率，如利用剪枝、量化等方法對神經網路模型進行壓縮，可以提高邊緣端的部署效率。邊緣演算法的最佳化與排程工作目前主要可分為3個方面：① 多路資料之間的協同處理。透過快取資料推理模型，對來自多源異構裝置的相似資料進行復用，從而有效節省邊緣節點的資源，提高計算效率。② 計算層次之間的協同處理。利用淺層網路的部分推理結果降低樣本計算量，將該方法與雲邊協同機制相融合，可有效實現資料的分級診斷，幫助裝置實現協同運算。③ 多模型之間的協同處理。最佳化模型之間的資源排程方式，平衡模型的時間和空間資源，在有限的條件下提高系統整體效能。

雲邊協同技術。邊緣計算是雲計算的延伸，在雲邊協同中，雲端負責礦山大資料分析、模型訓練、演算法更新等任務，邊緣端負責基於就地資訊進行資料的計算、儲存和傳輸。運用雲邊協同技術，邊緣節點負責處理數字孿生體中對時延或算力要求不高的礦山資料，而云伺服器負責處理時延或算力要求高的礦山資料。在邊緣端處理時間敏感型礦山資料，有助於提升反饋控制指令的執行能力、生產異常/擾動監測等突發狀況的響應速度，從而助力礦山智慧自治生產執行。在雲端處理時間不敏感型礦山資料，有助於數字孿生體對實體礦山產生的海量資訊進行深層次挖掘，進一步最佳化雲端和邊緣端各應用服務模型引數，從而提升智慧礦山資料分析與服務能力。雲邊協同有以下3種方式：① 訓練-計算的雲邊協同，即雲端根據邊緣端上傳的資料對智慧模型進行設計、訓練和更新，邊緣端負責蒐集資料並實時下載最新的模型進行計算任務；② 以雲端為導向的雲邊協同，即模型中高算力要求的訓練部分在雲端完成，邊緣端負責處理輕量化的運算任務，接力雲端的計算結果，最終模型由雲邊端共同運算得到。這種方式可以權衡雲端和邊緣端的計算量和通訊量；③ 以邊緣端為導向的雲邊協同，即模型的訓練工作首先在雲端完成，邊緣端在收到雲端模型的計算結果後適當微調，並且結合各感測器傳送到邊緣端的資料進一步最佳化模型。此方法可以更有針對性地滿足煤礦井下實際生產需求，更充分的考慮了煤礦實際情況。

智慧礦山雲邊協同服務機制

邊緣計算解除安裝技術。邊緣計算透過在裝置上直接部署計算單元，將雲計算的算力和儲存下放到每個邊緣終端，可有效減小網路頻寬壓力、降低系統時延、分散系統風險，從而緩解雲計算帶來的問題。由於邊緣節點的資源有限，為了滿足系統整體的計算需求，就需要採用計算解除安裝技術來協調算力，透過計算解除安裝將任務分配給資源充足的節點，從而統籌系統資源、加快處理速度、最佳化服務質量。計算解除安裝主要由解除安裝決策和資源分配兩大部分構成，解除安裝決策用於判斷節點是否需要解除安裝以及解除安裝多少任務，資源分配用於研究解除安裝的任務應該被分發到何處。常見的計算解除安裝方式分為粗粒度任務解除安裝和細粒度任務解除安裝。粗粒度任務解除安裝將整個終端作為解除安裝物件，沒有根據實際情況劃分子任務，這種解除安裝方式無法充分利用終端節點的系統資源；而細粒度任務解除安裝會根據當前解除安裝任務的實際需求，將任務劃分為多個具有依賴關係的子任務，每個子任務的資料量和複雜度都大大降低，因此可以節省傳輸時間，提高運算效率。結合礦山智慧裝置的特點，採用細粒度任務解除安裝方式可有效提高邊緣計算裝置的叢集運算效率，最終降低各節點的時延、能耗和網路壓力。

（4）礦山大資料分析與智慧化應用服務

針對礦山各系統多源海量監測資料，礦山大資料平臺需要設計高可靠、大容量、快速存取、彈性部署、易拓展的分散式儲存架構，從而實現礦山安全生產過程大資料的高效泛在存取；統籌管理多場景異構資料，透過大資料知識挖掘引擎，支撐礦山上層多元化應用。透過構建雲互動式服務平臺，解決礦山深層應用中資料綜合管控的痛點，打通數字礦山多元異構資料通訊壁壘，實現礦山資料分散式安全可靠協同，建立礦山智慧化應用服務體系。

礦山大資料分析與智慧化應用服務架構

第一作者簡介

丁恩傑，中共黨員，山東青島人，教授，博士生導師，中國礦業大學物聯網（感知礦山）研究中心常務副主任，礦山物聯網工程技術專家，是我國感知礦山物聯網理論與技術的主要奠基人。主持建成完成礦山網際網路應用技術國家地方聯合工程實驗室、江蘇省感知礦山物聯網工程實驗室，江蘇省感知礦山工程研究中心。率領團隊完成礦山物聯網感知體系與頂層設計，開創性的提出了礦山物聯網“三個感知”的概念，制定了《“感知礦山”物聯網技術方案》，是國際上首個透過認證的“感知礦山”物聯網技術方案。

主持了國家自然科學基金委國家專案、國家科技攻關計劃、國家科技支撐計劃等多項國家科技專案。主持國家重點研發計劃專案“礦山安全生產物聯閘道器鍵技術與裝備研發”1項，主持國家科技支撐計劃專案課題1項，863子課題1項，973子課題1項，國家自然基金面上專案2項。獲得省部級科技進步獎6項，其他省部級科技成果獎7項；獲國家授權專利30餘項，其中發明專利15項；出版著作3部，教材1部，發表學術論文170餘篇，其中SCI檢索60篇，EI檢索37篇。

通訊作者簡介

俞嘯，中共黨員，山東濟寧人，博士，講師，現工作於中國礦業大學物聯網（感知礦山）研究中心。長期從事礦山物聯網、嵌入式系統、訊號分析、人工智慧等方向的研究工作，主持國家重點研發計劃專案子課題1項，參與國家重點基礎研究發展計劃（973）專案1項，國家自然基金面上專案1項。發表論文30餘篇，其中SCI/EI檢索10篇。授權發明專利6項，軟體著作權3項，出版專著1部。