一种基于人工智能技术的煤矿调度机器人系统的制作方法

1.本技术涉及煤矿智能调度领域，尤其涉及一种基于人工智能技术的煤矿调度机器人系统。


背景技术：

2.生产调度作为煤矿生产管理的核心工作，在煤矿企业生产建设中发挥着重要作用。传统生产调度工作采用手工采集生产信息数据并进行统计的方式进行，不仅信息传递速度慢、工作繁琐，而且误差较大，覆盖面较窄，容易因管理中出现的失误增加事故发生几率。目前生产调度中存在的主要问题有以下几点：
3.(1)调度中心目前采用传统手工方式为主的调度模式。调度室的调度员主要是通过电话、笔和纸质表格来进行信息记录。需要进行调度指挥时，查阅纸质文字资料信息一定程度上影响了调度的时效性，导致调度效率低从而影响煤矿生产效率。(2)由于调度员是以手工方式为主记录各类台账、报表，然后按月装订成册。当在紧急情况下需要使用时，查找较慢，费时费力。(3)煤矿各个部门之间的沟通都是通过调度中心进行协调，影响各部门之间的有效沟通，无法保证信息的有效利用。
4.随着人工智能(artificial intelligence，ai)、5g通信、云计算、虚拟现实等新一代信息技术与生产调度管理相结合，使调度工作的精确度和工作效率有效提高。目前相关调度管理人员需要对煤矿生产人员、机电设备、煤炭运输、通风等方面进行全方位的管理调度。在生产调度中，对煤矿调度人员提出了更高的要求，不仅需要具备专业的煤矿管理知识，还应对企业经营、通讯、统计等方面的相关知识予以了解和掌握。


技术实现要素：

5.本技术提供了一种基于人工智能技术的煤矿调度机器人系统，基于人工智能技术，实现矿井、选煤厂和装车站的一体化智能生产调度。减轻传统人工调度的压力，提高煤矿调度室智能化操作水平，实现大数据、人工智能技术与煤矿调度一体化的整合应用，有效解决现有技术中存在的问题。
6.煤矿智能调度机器人系统的任务是实时分析、感知煤炭生产系统的运行状况，辅助调度人员开展相关的调度业务。在煤炭大数据背景下，煤矿智能调度机器人系统主要依靠数据学习等方式，实现人工智能技术在煤炭领域的应用。
7.本技术的技术方案如下：
8.本技术实施例提供一种基于人工智能技术的煤矿调度机器人系统，包括调度ai大脑、三维可视化智能调度平台以及矿井智能化调度平台，其中，所述调度ai大脑包括ai平台模块和调度ai知识图谱模块：
9.所述ai平台模块用于提供多种调度算法模型，包括用于构建所述调度算法模型的数据采集单元、数据标注单元、模型训练单元、模型发布单元和模型部署单元；
10.所述调度ai知识图谱模块用于提供煤矿调度运转相关的多种知识图谱，包括用于
构建所述多种知识图谱的数据源获取单元、知识抽取单元、知识融合单元和图谱存储单元；
11.所述三维可视化智能调度平台通过数字孪生技术构建与井下物理空间调度系统相互映射的虚拟空间的调度孪生模型，将获取的矿井生产过程中的实时数据与物理实体融合协同，实现煤矿生产指挥调度的三维可视化；
12.所述矿井智能化调度平台用于基于所述调度ai大脑提供的多种调度算法模型和多种知识图谱以及所述三维可视化智能调度平台提供的调度孪生模型，实现多个业务场景模块的功能。
13.进一步的，所述多个业务场景模块包括智能查询功能模块，所述智能查询功能模块，包括生产数据查询单元、生产数据预测单元以及智能问答单元，所述生产数据查询单元用于根据查询问题从数据库中搜索对应的答案，并进行反馈；所述生产数据预测单元用于基于生产数据和预设算法模型，获取生产预测数据；所述智能问答单元用于根据获取的用户问题，从所述知识图谱或所述数据库中获取对应的答案，并进行反馈。
14.进一步的，所述多个业务场景模块包括智能报表功能模块，所述智能报表功能模块，用于针对所有数据库，构建分布式统一元数据，并打通所有数据库的同一元数据的写入过程，实现多个报表的同步填报；所述智能报表功能模块还包括数据预测模块，用于根据业务需求，基于所述业务需求对应的相关数据和预设预测模型得到预测数据，并将所述预测数据填入对应的报表。
15.进一步的，所述多个业务场景模块包括智能电子工单功能模块，所述智能电子工单功能模块，用于根据获取的工单创建请求，创建电子工单以及进行电子工单流程的跟踪；所述智能电子工单功能模块还包括快速拨号单元，用于根据所述电子工单对应的处理人，查询该处理人的联系方式，并进行自动通知。
16.进一步的，所述多个业务场景模块包括智能语音功能模块，所述智能语音功能模块，用于通过声纹识别确认接收到的用户端的语音信息对应的发送人的身份，还用于通过语音识别技术将用户端的语音信息转化为文本信息，以及用于通过语音合成技术将反馈到用户端的文本信息转换为语音信息。
17.进一步的，所述多个业务场景模块包括智能电话簿功能模块，所述智能电话簿功能模块，包括基础信息管理单元、员工电话查询单元、智能电话推荐单元，所述基础信息管理单元用于管理电话簿基础信息，所述员工电话查询单元用于根据员工、地点、设备、值班情况中的对应信息从所述电话簿基础信息中获取该员工的电话信息，所述智能电话推荐单元用于根据各类事件处理流程，自动生成联系人清单及拨打优先级。
18.进一步的，所述多个业务场景模块包括安全态势分析功能模块，所述安全态势分析功能模块，用于获取环境安全数据，并根据预设安全预测模型获取数据指标的变化趋势，以及用于根据获取的换将安全数据或所述变化趋势进行报警。
19.进一步的，所述多个业务场景模块包括应急辅助决策功能模块，所述应急辅助决策功能模块，用于根据录入的各项预设规则和智能电子工单功能中的任务流，生成应急处理流程；以及在紧急事件发生的情况下，用于从应急知识图谱中获取推荐处理方案，作为决策辅助；还用于在发生重大安全事故需要从井下撤人的情况下，根据事故发生位置、员工所处位置、车辆位置、事故类别中的至少一个信息，生成逃生路线。
20.进一步的，所述多个业务场景模块包括煤质预测与管理功能模块，所述煤质预测
与管理功能模块，用于根据获取的原煤煤质数据和原煤煤质预测模型，获取原煤煤质预测结果；还用于根据所述获取原煤煤质预测结果和预设煤质风险预警阈值进行对应的风险预警提示；还用于根据获取原煤煤质预测结果，获取对应的辅助解决方案。
21.进一步的，所述多个业务场景模块包括日志溯源分析模块，所述日志溯源分析模块，包括日志收集单元和日志数据挖掘单元，所述日志收集单元用于获取所述系统运行过程中产生的日志数据，并利用flume技术对所述日志数据进行处理，并写到日志溯源服务器数据库；所述日志数据挖掘单元用于根据调度业务分析结果，从所述日志数据中获取高级别数据；以及通过关联规则分析apriori算法，从所述高级别数据中获取分析结果。
22.本技术实施例提供的技术方案至少带来以下有益效果：
23.本发明通过对煤矿井下业务场景进行深入分析，针对繁杂的调度内容，构建了煤矿调度ai大脑和人机交互数字孪生模型，进而实现三维可视化智能调度。结合人工智能的自然语言处理、机器视觉、知识图谱等算法打造功能全面且有差异化的智能调度系统实现调度室的业务自动化、智能化。大幅提高了煤矿调度人员的工作效率，减轻了业务负担。
24.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
25.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理，并不构成对本技术的不当限定。
26.图1为本发明实施例的煤矿智能调度ai机器人系统的总体架构图；
27.图2为本发明实施例的调度ai知识图谱的构建流程图；
28.图3为本发明实施例的智能调度机器人系统的主要技术构成图；
29.图4为本发明实施例的智能电子工单功能模块的信息处理流程图；
30.图5为本发明实施例的智能语音功能模块的调度组成图；
31.图6为本发明实施例的应急知识图谱的构成示意图；
32.图7为本发明实施例的原煤煤质预测过程的示意图；
33.图8为本发明实施例的日志溯源服务的数据处理流程。
具体实施方式
34.为了使本领域普通人员更好地理解本技术的技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
35.需要说明的是，本技术中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
36.下面结合附图和具体实施方式对本发明实施例中的技术方案进行清楚、完整地描述，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于
本发明保护的范围。
37.煤矿智能调度机器人系统的任务是实时分析、感知煤炭生产系统的运行状况，辅助调度人员开展相关的调度业务。在煤炭大数据背景下，煤矿智能调度机器人系统主要依靠数据学习等方式，实现人工智能技术在煤炭领域的应用。
38.本发明针对煤矿调度中现存的实际问题，研究一种基于人工智能技术的煤矿调度机器人系统，实现矿井一体化生产调度。减轻传统人工调度的压力，提高煤矿调度室智能化操作水平，实现大数据、人工智能技术与煤矿调度一体化的整合应用。
39.如图1所示，本发明实施例提供的基于人工智能技术的煤矿调度机器人系统，包括调度ai大脑、基于数字孪生技术的三维可视化智能调度平台以及以此为基础形成的矿井智能化调度平台。
40.第一部分：调度ai大脑，以煤矿智能设备为底层依托，利用ai智能技术，实现对生产现场的实时感知、控制、管理和分析决策。主要包含ai平台、调度ai知识图谱和人机协同三大模块。
41.(1)ai平台模块，用于提供多种调度算法模型，实现对多类调度算法模型的一站式开发和管理，主要功能包括数据采集、数据标注、模型训练、模型发布、模型部署。
42.(2)调度ai知识图谱模块，用于提供煤矿调度运转相关的多种知识图谱，基于煤矿相关文本抽取煤矿调度运转中相关实体，识别实体间关系。调度ai知识图谱构建流程如图2所示。煤矿ai知识图谱的建立旨在构建一个煤炭从业人员与计算机均可理解的知识网络，以用于智能搜索、智能问答、个性化推荐等功能，助力煤炭行业智能化建设。煤矿领域涉及的信息内容繁杂，日常生产工作中需要综合考虑制度标准、组织架构、技术文档等众多文本信息。通过知识抽取，实现从矿区繁多的文本信息中对实体、实体属性的抽取及实体间关系的识别。然而抽取结果中包含大量的冗余和错误信息，再经过实体对齐、实体消歧、实体链接等知识融合方式，为煤矿构建系统的知识图谱，用知识指导生产，将知识与生产工作融为一体。
43.(3)人机协同模块，用于将ai技术应用于自动保持系统的过程中，可以实现智能调度系统的自动控制，以优化系统维护的工作效率，从而可以保证调度系统在运行过程中的安全稳定状态，简化了人工操作步骤，并逐步实现了无人值守的工作，通过该技术进一步提高了系统整体的稳定性。主要功能包括数据同步、算法管理、应用管理、业务管理。
44.第二部分：基于数字孪生的三维可视化智能调度平台，通过数字孪生技术构建与井下物理空间调度系统相互映射的虚拟空间的调度孪生模型，将获取的矿井生产过程中的实时数据与物理实体融合协同，实现煤矿生产指挥调度的三维可视化。
45.具体通过构建人、机、环、管多业务流数字孪生模型，将信息流与物理实体融合协同，基于矿井生产的实时感知、分析、判断、决策、控制、学习数据，实现煤矿生产指挥调度的智能辅助、智能管理和智能决策。该模块主要包括：
46.(1)数字孪生体模块：基于数字孪生的三维可视化技术，构建与井下物理空间调度系统相互映射的虚拟空间调度数字孪生体，通过基于ai的模式识别、手势感知或语义理解等指令，实时反馈井下工作人员的调度需求，实现人－机－环－管的智能协调与有机融合。
47.(2)虚实融合模块：通过数字孪生体与特征融合，实现调度孪生模型的集成和决策支持，并利用机器学习、数据挖掘、边缘计算和人工智能技术提升模型重构能力。通过三维
可视化智能调度可以实现生产过程智能监测、设备性能实时监控、生产场景三维可视化和灾害事故提前预警，提高可视化调度生产效率。
48.第三部分：矿井智能化调度平台，用于基于所述调度ai大脑提供的多种调度算法模型和多种知识图谱以及所述三维可视化智能调度平台提供的调度孪生模型，实现多个业务场景模块的功能，实现矿井工矿调度室的业务自动化、智能化。多个业务场景模块主要包括智能查询功能模块、智能报表功能模块、智能电子工单功能模块、智能语音功能模块、智能电话簿功能模块、安全态势分析功能模块、应急辅助决策功能模块、煤质预测与管理功能模块、日志溯源分析功能模块。
49.(1)智能查询模块，主要包括生产数据查询单元、生产数据预测单元以及智能问答(web端与电话端)单元，所述生产数据查询单元用于根据查询问题从数据库中搜索对应的答案，并进行反馈；所述生产数据预测单元用于基于生产数据和预设算法模型，获取生产预测数据；所述智能问答单元用于根据获取的用户问题，从所述知识图谱或所述数据库中获取对应的答案，并进行反馈。
50.智能查询模块的查询范围包括智能报表、智能电子工单、智能电话簿等功能包含的信息构成的知识库，根据实际生产工作由井下员工和调度员等人在不同功能部分录入数据，系统根据矿区员工职位不同划分相关权限，相关权限人员可以清晰查询到自己权限内的信息，如矿领导和调度员可以查看生产数据(包括记录时间、记录员等信息)与预测数据等信息，矿区员工可以通过系统查询到值班人员、各个事件负责人员、自己关联事件进展等信息。
51.(2)智能报表模块，主要用于针对所有数据库，构建分布式统一元数据，并打通所有数据库的同一元数据的写入过程，实现多个报表的同步填报；所述智能报表功能模块还包括数据预测模块，用于根据业务需求，基于所述业务需求对应的相关数据和预设预测模型得到预测数据，并将所述预测数据填入对应的报表。
52.具体采用基于一个元数据，一个中央处理器的方式来解决调度员繁琐的日常数据填报及报表汇总、数据统计分析工作。主要包括智能报表web处理单元、pdf文件自动生成及打印单元、数据通路、数据预测及辅助决策建议单元。
53.(3)智能电子工单模块，主要用于根据获取的工单创建请求，创建电子工单以及进行电子工单流程的跟踪；所述智能电子工单功能模块还包括快速拨号单元，用于根据所述电子工单对应的处理人，查询该处理人的联系方式，并进行自动通知。
54.智能电子工单模块，基于b/s架构，一线人员配备智能终端使用调度系统，调度员及领导通过web客户端进行工单上报，系统(服务器)进行工单的创建、调度和管理。主要包括多类型电子工单流程创建与维护单元、电子工单自动督办单元、权限管理单元、工单语音识别单元、客户端快速拨号单元、工单多维度分类及结果追踪单元。
55.(4)智能语音模块，主要用于通过声纹识别确认接收到的用户端的语音信息对应的发送人的身份，还用于通过语音识别技术将用户端的语音信息转化为文本信息，以及用于通过语音合成技术将反馈到用户端的文本信息转换为语音信息。为调度业务智能化提供了更为灵活的方式，提供更友好，更便捷的人机交互手段，所说即所看，降低调度员操作复杂度，解放调度员双手，提升工作效率。主要分为声纹识别，语音识别和语音合成，其除了能够自动识别说话人身份，代替调度员的双手去拨打电话，还能通过语音合成去自动答复一
些查询的常见问题，为各个业务功能模块提供语音服务。
56.(5)智能电话簿模块，主要包括基础信息管理单元、员工电话查询单元、智能电话推荐单元，所述基础信息管理单元用于管理电话簿基础信息，所述员工电话查询单元用于根据员工、地点、设备、值班情况中的对应信息从所述电话簿基础信息中获取该员工的电话信息，所述智能电话推荐单元用于根据各类事件处理流程，自动生成联系人清单及拨打优先级。是智能调度机器人系统的基础功能，为智能查询机器人和智能电子工单等功能提供技术支持，该功能可根据员工、地点、设备、值班情况多角度查询相关人员信息及电话，也可根据各类事件处理流程，自动生成联系人清单及拨打优先级，辅助调度员进行调度。
57.(6)安全态势分析模块，主要用于获取环境安全数据，并根据预设安全预测模型获取数据指标的变化趋势，以及用于根据获取的换将安全数据或所述变化趋势进行报警。
58.具体包括环境安全和设备安全、安全设置三部分。环境安全又包括环境数据监测和环境安全分析，环境安全数据监测有害气体、温度、湿度、风流、矿震数据并以折线图展示；环境安全分析包括模型管理、安全预测和安全报警三部分；模型管理部对单指标和综合指标模型进行创建和维护；安全预测可以使用模型单独预测单指标的变化趋势，也可以通过多指标综合预测整体环境安全，并将预测数据通过图形化展示；安全报警包括实时安全监测和模型安全预测提示的报警信息列表，可以根据警报安全级别、报警类型、安全责任人进行筛选。
59.通过安全设置可管理安全警报级别划分及依据、安全警报类型及各类型警报对应历史经验录入。
60.(7)应急辅助决策模块，主要用于根据录入的各项预设规则和智能电子工单功能中的任务流，生成应急处理流程；以及在紧急事件发生的情况下，用于从应急知识图谱中获取推荐处理方案，作为决策辅助；还用于在发生重大安全事故需要从井下撤人的情况下，根据事故发生位置、员工所处位置、车辆位置、事故类别中的至少一个信息，生成逃生路线。
61.根据录入的各项预设规则和智能电子工单功能中的任务流生成应急处理流程，当紧急事件发生时，系统显示推荐处理方案与流程，并提供相似事件的处理过程、损失情况、备注等信息，辅助调度员进行应急决策。同时在发生重大安全事故需要从井下撤人时，该功能支持井下员工逃生路线规划，根据事故发生位置、员工所处位置、车辆位置、事故类别等信息，生成逃生路线，辅助井下员工安全有序撤离事故地点。主要包括应急知识管理、应急决策、逃生路线规划单元。
62.(8)煤质预测与管理模块，主要用于根据获取的原煤煤质数据和原煤煤质预测模型，获取原煤煤质预测结果；还用于根据所述获取原煤煤质预测结果和预设煤质风险预警阈值进行对应的风险预警提示；还用于根据获取原煤煤质预测结果，获取对应的辅助解决方案。
63.主要对原煤煤质进行预测，并在煤质预警后生成辅助解决方案。做到“事前预测预报有措施，事中过程控制有手段，事后总结有提高”。主要包括原煤煤质预测、煤质风险预警及辅助解决方案自动生成单元。
64.(9)日志溯源分析模块，主要包括日志收集单元和日志数据挖掘单元，所述日志收集单元用于获取所述系统运行过程中产生的日志数据，并利用flume技术对所述日志数据进行处理，并写到日志溯源服务器数据库；所述日志数据挖掘单元用于根据调度业务分析
结果，从所述日志数据中获取高级别数据；以及通过关联规则分析apriori算法，从所述高级别数据中获取分析结果。
65.日志收集单元又包含了日志采集传输和日志记录两个功能模块。日志数据挖掘单元包含了调度过程标准化分析、关联数据分析、事件查询和管路三个功能模块。
66.可将系统运行产生的数据结构化存储并挖掘出其背后的潜在价值，能够保障各业务系统的资源动态监控和调配，并在更高一层级的水平上挖掘设备故障、环境因素之间的关系，保障平台服务的持续高效稳定运行。
67.如图2所示，本发明提供的智能调度机器人系统构建了知识图谱，图2体现了知识图谱的实体、属性、关系的数据来源和梳理过程。通过知识图谱实现机器人系统对调度关系的理解。
68.如图3所示，本发明系统通过对煤矿调度过程中的自然语言处理，实现语言识别和转化记录；并采用合适的数据存储方式，合理备份和调度系统中的数据。
69.针对业务场景需求，通过建立调度业务相关的知识图谱和基于人工智能的调度模型实现了对矿井业务的智能化调度，下面对针对主要业务场景构建的多个业务功能模块，在进一步说明如下：
70.智能查询功能模块，主要有生产数据查询、生产数据预测和智能问答三个单元。
71.(1)生产数据查询单元，井下员工进行生产工作后通过手持终端录入生产数据，生产数据存入sql数据库中，供各个系统查询调用，生产数据由井下直接上传有助于提升工作效率，同时防止电话通知调度员导致信息传递过程中出现错漏。
72.矿领导和调度员登录系统(账号、面部、指纹等验证)，可以查看当日、当周、当月生产数据，包括但不限于各班生产时长、检修时长、停机时长、推进距离、原煤产量等信息；生产队长登录系统(账号、面部、指纹等验证)，可以查看本队当日、当周、当月生产数据，包括但不限于各班生产时长、检修时长、停机时长、推进距离、原煤产量等信息。
73.针对信息录入时可能出错的情况，井下员工可申请修改自己录入的生产数据，调度员同意后生产数据自动更正；调度员登录系统(账号、面部、指纹等验证)后，可以查看当日、当周、当月的生产数据，包括但不限于各班推进距离、原煤产量等信息。
74.(2)生产数据预测单元，分为实时生产数据预测和未来生产数据预测。
75.实时生产数据预测，系统根据上次更新的产量数据和查询时间距离数据变化经过的时间，按比例估算出当前时间点的生产数据，此功能在查询时触发，快速计算结果。
76.未来生产数据预测，系统根据井下员工录入的生产数据、往期生产数据、设备检修安排等信息，预测当日、当周、当月生产数据，此功能每日零点触发进行预测。矿领导和调度员登录系统(账号、面部、指纹等验证)，可以查看实时数据，系统实时快速计算出此时生产数据；也可以查看当日、当周、当月的预测生产数据，包括但不限于各班推进距离、原煤产量等信息。
77.(3)智能问答单元，支持web端和电话端的文字和语音两种查询服务，矿区员工在系统端进行查询时可以通过键盘输入和语音输入两种方式录入问题，语音信息通过语音识别功能自动转化成文本，根据问题进入相应的数据库和知识图谱，查找到相关问题的答案，将问题答案以语音和文本两种形式反馈给查询人员。智能问答单元查询内容包括生产数据、事件流程、人员信息三个方面。
78.通过语义解析、信息提取等方法识别问题结构和内容，进入相应的数据库和知识图谱，从问题中提取出有利于寻找答案的特征，作为问题的表示。事先通过问题-答案对训练出相应的分类器模型，选择答案时找到概率最高的问题-候选答案对，候选答案即为查询问题的答案，将答案反馈给查询人员。
79.智能报表功能模块，采用基于一个元数据，一个中央处理器的方式来解决调度员繁琐的日常数据填报及报表汇总、数据统计分析工作。
80.首先基于html5打造一款web前端，具备“高性能、跨平台、与excel高度兼容”的系统，为调度员带来亲切、易用的使用体验，并满足web excel组件开发、表格文档协同编辑、数据填报、excel报表设计等业务场景。要构建一个元数据，消除数据孤岛，第一步先进行适配，打通对其他数据库相关数据的写入过程，以达到智能报表的同步填报功能。第二步再去逐步共享所有元数据，构建分布式统一元数据。
81.数据预测模块，根据经验预置多个常见预测模型，包含产量预测模型，设备维修时长预测模型，再自动生成各类报表，填入统计数据分析之后，能够给出简单的辅助决策意见。
82.智能电子工单功能模块，分别针对一线至调度中心、调度至一线对任务进行上传下达的消息传递，智能电子工单信息处理流程如图4所示。工作一线的人员通过终端(客户端)进行任务计划上报，触发固定工单任务，过程中通过语音识别将信息理解并归档，根据任务的特定环节执行指定的脚本，最终完成任务。
83.根据工单任务的传递路线可以分为上报、下发两种。本模块可以根据录入的事件和环节可自动实现如：掘进工作和综采工作相关事务的启停汇报；根据挂网、搬家倒面常规的七个环节进行人员联系和自动督办；对于计划内检修进行检修录入和提醒；对于计划外检修根据系统知识图谱区域、业务联系对应的责任人和事件通知，为调度员生成监测系统应录入检修信息；进行应对突发事故的信息自动汇报流和通知流程；根据矿上当日用餐人员情况进行智能配餐等。
84.工单派发功能整体依据生产任务、安全任务和综合任务划分进行分类展示，每类工单事件产生后，处理流程依次经过：工单上报、工单流程执行、工单督办、工单结果上报，并对全过程记录归档。
85.智能语音功能模块，主要分为声纹识别，语音识别和语音合成，如图5所示，其除了能够自动识别说话人身份，代替调度员的双手去拨打电话，还能通过语音合成去自动答复一些查询的常见问题，为各个业务功能模块提供语音服务。
86.(1)声纹识别过程首先提取语音特征，再把特征投入模型中训练，最后寻找分数最高或者最接近的结果。建立矿区工作人员声音库，智能调度机器人系统中，声纹识别即可用于鉴权，即说话人确认，同时也能用于通话日志记录，用于辨认此次通话对象的具体身份。
87.(2)语音识别交互模型包括层次语言模型和声学模型，层次语言模型常通过n-gram统计语言模型算法来实现，声学模型一般使用对时序敏感的隐马尔可夫模型(hmm)来实现。调度室工作人员一般使用普通话进行调度命令发布，因此主动发布普通话语音识别是可以满足的。但是基层矿工及其他矿区人员更习惯使用当地方言来进行电话咨询，这就提出了识别的必要性。
88.(3)语音合成过程由几部分构成，第一步为文本转音素，即将汉字转化为拼音。第
二步为音频切分，获得每个音素再对应音频中的起点和终点。第三步为音素时长预测，使用基频预测，得到音素时长和是否发音的概率和基频。第四步即为将前面的高层特征转换为声音波形即声码器。
89.智能电话簿功能模块，根据事件类型、发生地点、发生设备等信息，查询知识图谱，匹配到合适的方案，根据事件处理流程和员工设备关系，获取每一流程的联系人，自动生成事件联系人清单(包括设备维修人员、厂家联系人员、附近生产队长、值班矿领导、矿长等)及拨打优先级，供调度人员参考。
90.应急辅助决策功能模块，包含应急知识管理、应急决策和逃生路线规划三个单元。
91.(1)应急知识图谱，如图6所示，该图谱包含事件、方案、流程、案例、人员、设备等信息。事件指火灾、停电等事故类型，方案指由于现场情况不同事件的不同处理方案，流程指方案中具体实施的每一步骤，案例指矿区历次事故记录，人员和设备为矿区基础信息。根据安全事故汇报记录，应急辅助决策模块将事故记录(包含事发时间、事发地点、事故类型、事故起因、处理过程、损失情况、备注等信息)作为案例信息存入知识图谱中进行知识挖掘，将案例与涉及设备等信息关联，调度员将案例与处理方案相关联。
92.(2)应急决策单元，根据环境监测数据，通过应急知识库查询紧急事件关联的设备(包括发生事故的设备、设备上下级其他设备、事故地点附近其他设备、常见事故关联设备等)，调用安全态势分析功能，获取设备及环境数据，辅助调度员了解事故现场信息。根据井下员工汇报信息或调度员录入信息，识别出事件类型，将事件内容与知识图谱中该事件类型包含的案例的事故起因进行匹配，将相似度最高案例的详细内容(包含事发时间、事发地点、事故起因、处理过程、损失情况、备注等信息)与其方案流程呈现给调度员，供调度员参考。调度员可以自行调度，或选择参考方案，启动相应的智能电子工单功能。调度员可以查看应急流程进展，灰框表示已完成流程，红框表示当前正在进行流程，并显示流程内通话内容和矿区职工反馈情况等信息，为调度员把握整体流程提供支持，提高了应急事件处理效率。
93.(3)逃生路线规划单元，通过两个方面判断是否需要进行撤人：一是通过安全态势分析功能的预警系统，判断是否将会发生重大灾害事故；二是通过检测井下人员的汇报内容，将通话内容同步转化为文字后，判断汇报内容是否符合重大灾害事故征兆(如涌水量突增等突水征兆，闻到油味等火灾征兆，以及一些其他事故征兆)，对调度员做出提醒。调度员根据系统提醒，结合矿领导指示，判断是否需要进行应急撤人，触发“撤人”指令。当井下水灾、火灾、机电运输、瓦斯煤尘、顶板、灾害性天气引发的自然灾害及其他严重威胁矿井安全生产的事故发生时，系统根据井下巷道拓扑结构提取构建一个无向带权网络图，使用dijkstra算法或蚁群算法等路径规划算法，根据事故发生位置、员工所处位置、车辆位置、事故及路线是否适合行车等信息，生成逃生方式及路线，辅助井下员工安全有序撤离事故区域至地面或避难硐室。
94.煤炭预测与管理功能模块，是用于实现对煤的水分、灰分、硫分、粒度、杂物等多个指标的有效控制。煤炭预测与管理功能模块将人工神经网络应用于煤质的实际预测中，如图7所示，在建模阶段，由人工录入历史煤质检验数据，以及与其对应的指标和发热量，搭建标准库，送入lstm(long short-term memory)网络进行训练，形成原煤煤质预测模型。其中，lstm是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的
重要事件。在应用阶段，首先对采样数据利用五点三次滑动平均法进行降噪处理，后通过原煤煤质预测模型进行预测，得到预测结果。
95.日志溯源分析功能模块，包括日志收集和日志数据挖掘两个单元。
96.(1)日志溯源分析功能模块提供的日志溯源服务的数据处理流程如图8所示，基于数据集中化、规范化和关系存储构建日志溯源功能基础，基于apache flume打造分布式、可靠、高可用的海量日志采集、聚合和传输的日志系统。可以在日志系统中定制智能查询、智能报表、电子工单等服务为数据发送方，用于收集数据，同时，利用flume对数据进行简单处理，并写到日志溯源服务器的数据库中对数据进行管理和分析、挖掘。
97.(2)日志数据挖掘单元，首先需要对调度过程进行标准化分析，通过对业务日志更高级别的数据积累和数据处理，通过关联规则分析apriori算法，在更高一层级的数据集上分析得到在宏观视角下针对系统潜在数据关联展示及关注点的建议，实现对日志资源的进一步利用。
98.本发明实施例的煤矿智能调度机器人系统，依靠数据的获取与分析进行数据学习，主要利用大数据、深度学习、机器学习、模式识别和自然语言处理等技术。数据源主要涉及到综采、综掘、运输等多个生产环节的实时数据。
99.本发明通过对煤矿井下业务场景进行深入分析，针对繁杂的调度内容，构建了煤矿调度ai大脑和人机交互数字孪生模型，进而设计建立三维可视化智能调度室。结合人工智能的自然语言处理、机器视觉、知识图谱等算法打造功能全面且有差异化的智能调度系统实现调度室的业务自动化、智能化。大幅提高了煤矿调度人员的工作效率，减轻了业务负担。
100.还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
101.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的。
102.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。