金属矿山

作者：李雯静,焦宇豪,邱立强,马倩

单位：1. 武汉科技大学资源与环境工程学院,湖北 武汉 430081;2. 湖北省路桥集团有限公司,湖北 武汉 430056;3. 福建马坑矿业股份有限公司,福建 龙岩 364000

关键词：BIM 模型,异常监测,矿井泵房,系统交互,

针对矿井泵房的可视化监测难题,结合泵房设备状态的实时监测需求,提出了一种基于BIM 的矿井泵房设备异常监测方法。分析了当前矿井泵房设备监测可视化水平较低、设备异常监测不及时、信息共享能力不足等问题,以BIM 技术具备的三维可视化效果好、管理精细化程度高以及覆盖项目全生命周期等优势为依托,结合深度学习理论构建了一种矿井泵房设备异常监测系统。首先,基于Revit 软件及其二次开发插件构建矿井泵房的BIM 轻量化模型,该模型能有效降低内存资源消耗,实现BIM 模型在Web 端的场景流畅显示;其次,引入长短时记忆网络构建设备异常监测模型,通过模型预测数据与实时采集数据对比识别设备运行情况,提升异常数据监测的准确率;最后,基于Web 框架和WebSocket 通信协议进行系统开发,通过传感器数据与模型信息的融合展示,提升监测的可交互性与实时性。研究表明:该系统能直观地将设备的状态信息进行可视化描述,对设备的运行数据和生产数据能够进行实时管理分析并有效监测设备的异常状态,提高了矿井泵房的监测效率。

来源：2025年第1期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第1期