通风系统是矿井的“血液循环系统”，是保障矿井安全生产的基石。 通风系统出现故障往往导致风流紊乱、风流短路、用风地点风量不足等安全隐患，严重时甚至导致矿井灾害的发生。 尤其在发生瓦斯爆炸、煤尘爆炸、火灾、煤(岩)与瓦斯突出等灾害时，通风系统遭到破坏，快速恢复矿井正常通风是遏制事故扩大和应急响应的关键所在。 长期以来，如何保障通风可靠、监控有效、管理到位是矿井通风工作面临的重大难题。
我国95%以上的煤矿为井工开采矿井，平均采深约600 m，超千米深井达到47 座，未来将有越来越多的矿井进入深部开采。 随着开采规模的扩大和矿井向深部延伸，瓦斯、火灾、热害等灾害愈加严重，且多种灾害耦合，加剧了通风管理的难度，对矿井通风提出了新的挑战。
目前，全国已建成智能化开采工作面145 个，信息化、智能化是矿井健康发展的必然趋势，矿井通风作为矿井安全生产的基础环节，在智能化背景下对矿井通风准确、及时、全面、可靠性提出了更高要求，智能化是未来矿井通风的主流发展方向。 因此，依托矿山物联网，创新通风系统管理模式，从信息感知、技术决策、应急控制等方面突破行业共性难题，实现通风信息动态采集、通风网络在线监测、通风隐患自动辨识、通风调控辅助决策、风网态势智能分析等功能，常态下保证通风系统经济、可靠运行，及时动态排除通风安全隐患，灾变时期实现灾情动态研判、灾变范围动态圈定、灾变控制技术智能决策、灾变控制设施联动控制，提升矿山通风智能化水平势在必行。 笔者通过对近年来国内外通风技术装备发展现状的梳理与总结，指出了实现智能通风仍需解决的四大难题，提出了未来实现通风智能化的三大重点研发方向。
巷道风量的测量与监测是煤矿掌握通风系统运行状态最直接、最简单的方式，其主要是通过测量巷道平均风速和巷道断面积，计算得出巷道风量。 巷道风速测量与监测仪表方面，当前煤矿风速测量仪表使用最多的是机械式风表，其测量范围一般在0.3～15.0 m/s，误差±0.2 m/s；井下风速监测传感器种类较多，以压差式和超声波涡街式为主，GFY15型压差式风速传感器测量范围0.3 ～15.0 m/s，误差±0.2 m/s[1]；中煤科工集团重庆研究院有限公司最新研制了基于超声波测速原理的大量程、高精度CFD15 煤矿用电子风速表和GFC15 煤矿用风速传感器[2]，测量范围达到0.1～15.0 m/s，误差±0.1 m/s。 巷道风速测量与监测技术方面，王恩等[3]研发了多点移动式测风装置，通过控制风速传感器在巷道断面内精确移动，确定巷道平均风速；文献[4-7]研究了井巷单点风速与平均风速的关系，得出了通过单点风速测量巷道平均风速的计算公式或方法；文献[8-10]研究了巷道断面内风速传感器测定巷道平均风速的最佳位置，为巷道风量的精确监测提供了技术指导。 巷道断面测量方面，目前主要以卷尺、激光测距仪测量巷道宽度、高度，按照规则断面计算公式计算得到巷道断面积。
风流压力的测量与监测是掌握巷道通风阻力，判识风流短路、风路阻塞、构筑物状态异常等通风隐患的重要方式。 目前的JFY-2 型矿井通风参数检测仪、JFY-4 矿井通风多参数检测仪、CPD2/20 型矿用精密数字气压计等绝对压力测量误差均在1%F.S 左右，相对压力测量误差在10 Pa 以上。 在通风阻力测定中，采用气压计基点法时，因仪器绝对压力测量误差大，数据波动频繁，致使阻力仅有十几帕到几十帕的大断面巷道测量结果可靠性较低；采用压差计法时，仪器相对压力误差较小，但铺管测量劳动强度大，很难确保压力传输准确。 在压差传感器监测方面，广泛使用的GF5 风流压力传感器、GPD10煤矿用压差传感器测量误差均在1%F.S 左右，在矿井静压监测、主要通风设施压差监测方面发挥着重要作用。
通风网络分析与决策主要涉及通风网络解算、风流优化调节、通风故障诊断、通风系统稳定性与可靠性评价等方面。
通风网络解算是通风系统分析与决策的基础，自Scott-Honsley 法提出以来，通风网络解算的数学模型日趋成熟。 长期以来，国内外开发了一批通风网络解算软件，国外具有代表性的有波兰科学院的WENTGRAF、日本九州大学工学研究院开发的“风丸”、美国矿业局开发的CANVENT、澳大利亚裂谷公司开发的Ventsim 等，国内具有代表性的有中国矿业大学的MFire 可视化灾变风流模拟软件系统、辽宁工程技术大学的MVSS 通风仿真系统、煤炭科学技术研究院有限公司的VentAnaly 通风智能分析系统、中煤科工集团重庆研究院有限公司的通风在线监测及分析预警系统等。 近年来，大批研究单位开始将通风网络解算与监测监控相融合，对矿井通风网络进行监测与实时解算，动态掌握通风系统运行状况[11-14]，以便于及时决策。 无论采用哪种通风网络解算方法和解算软件，真实反映通风系统运行状况是网络解算首先要解决的问题。 网络解算前必须要有真实的通风系统图和通风系统各要素的属性数据。 首先，在通风系统图形建模方面，传统方式一般在网络解算前人工绘制具有拓扑连接关系的通风系统图，工作费时费力，文献[15-16]通过对通风系统CAD 图进行规范性处理，生成DXF 文件，直接导入网络解算软件，自动生成具有拓扑连接关系的通风网络图形，大幅降低了人工建模的工作强度；其次在通风网络属性数据获取上，掌握全矿井井巷通风网络风阻数据显然工作强度很大，数据准确性也难以保证，文献[17-19]提出一种在获取部分巷道分支风阻和全部巷道风量基础上的测风求阻方法，采用Tikhonov 正则化方法对模型进行修正，应用于复杂矿井通风系统网络解算中，取得良好效果。
在风流按需调节方面，国内外学者进行了大量研究，取得了丰富的研究成果，使用最为广泛的是通路法，文献[20]采用Dinic 算法遍历所有网络寻找网络所有通路，但对于大型网络而言，该方法时间复杂度和空间复杂度过高，且仅适用于单源单汇的网络；文献[21-22]提出了一种基于通风网络最小功耗的深度优先搜索算法，并解决了存在单向回路网络的求解和复杂通风网络的多源多汇求解问题，使通路法在解决复杂通风系统按需优化调节上的应用得到推广；文献[23-24]研究了通过通风网络灵敏度计算，寻找对被调节地点敏感的巷道分支进行调节，实现调节位置最佳、调节最容易，并能计算得出风量调节值。 上述技术方法为通风网络实现自动调节决策做了有益探索，促进了通风网络解算在矿井通风管理与决策的推广应用。
在通风故障诊断方面，角联风路识别、循环风识别、通风设施和通风动力故障识别等方面成果较多。近年来，与灾害防控相结合，基于网络分析的通风系统故障诊断是研究热点，文献[25]为确定通风系统故障源位置，通过建立风阻-风流变化影响矩阵和风速、瓦斯、风门等预警诊断推理机制，实现了风速、瓦斯、风门、负压传感器等的故障位置及原因智能诊断；文献[26]提出了一种子图同构的煤矿高风险区域识别方法，可根据风网结构和网络分支属性在复杂通风网络中自动识别出高风险区域；文献[27]提出了一种无需样本参与训练的矿井通风系统阻变型故障诊断无监督学习模型和优化求解方法，实现了矿井通风系统阻变型故障的实时诊断；文献[28]介绍了基于网络监测与动态解算的通风隐患排查在煤矿现场的应用。 这些研究成果主要集中在通过监测分析手段实现通风故障的自动识别，是通风隐患与故障智能识别的重要基础。
矿井通风的调控主要依靠矿井主要通风动力装置和通风设施的调节来实现。 在正常生产时期，当矿井总风量不足或风量富裕系数过大时，通过调控主要通风机增加或减少矿井风量，在极端困难条件下甚至需要更换矿井主要通风机；一般情况下，井下风量的调节通过调整通风设施实现风量的最优分配。 在矿井发生灾变时，通过调控主要通风机、通风设施或隔离设施控制灾害范围的进一步扩大，减少人员伤害和经济损失。 从通风动力装置和通风设施两方面介绍矿井通风调控装备。
自新中国成立以来70 年的发展，我国煤矿通风机制造取得长足发展，种类繁多，性能参差不齐。 据不完全统计，我国煤矿在用主要通风机约1 万台，局部通风机约10 万台。 矿井主要通风机以轴流式风机为主，约占90%以上，应用最广泛的主要通风机是FBCDZ 系列(原BDK)和GAF 系列，可提供风压400～6 570 Pa，风量 900 ～27 000 m3/min，效率最高可达86%。 FBCDZ 系列风机采用双级双电动机驱动，两级叶轮反向旋转，风机结构整体性和密封性好，叶轮最大直径4.22 m，可直接实现风机反转反风，但该类风机在煤矿实际运行效率仅为60%左右，能耗损失较大，但投资相对较小，是目前我国煤矿使用最多的一类主要通风机；GAF 系列风机是引进德国TIL 公司先进技术并进行适应性改造的轴流式风机，叶轮最大直径6.13 m，在实际应用中，其风量风压调节范围大，静压效率高，叶片角度调整容易，反风只需改变叶片角度即可实现，但该类风机初期投资较大。 局部通风机一般为轴流式，FBD 系列防爆对旋式应用较多，可提供满足各种要求的规格，风量最大可达1 900 m3/min，效率可超过80%，送风距离长达3 000 m以上。 平安电气股份有限公司研发了一种智能局部通风机，其可根据掘进工作面瓦斯浓度变化通过变频器实现风机调频，自动增加或减少送风量，实现按需供风、自动调频、可控排瓦斯。
目前，主要通风机对井下风量的调控主要通过调节通风网络阻力、调节风机叶片角度、调节导流板、风机反转等方式进行，能够变频调节的风机较少。 掘进工作面使用的局部通风机，近年来出现了多种通过调频实现按需供风的产品，但其在实际生产中应用的可靠性、安全性还有待验证。
在通风设施方面，近年来自动风门在全国煤矿中推广开来，这类风门一般采用连杆结构，以按钮、红外、光控、撞杆、地感线圈等多种感应方式通过压缩空气、液压、电动机驱动实现风门开闭，解决了人工开闭的各种问题，安全可靠性高。 具有代表性的是ZMK-127 型自动无压风门，当来人来车时，通过红外对射传感器自动感应，风门开关传感器自主辨识对面风门开闭状态，并以压缩空气、液压、电机为动力实现风门的对向开启与关闭，同时具备风门闭锁、防夹人夹车等应急响应功能。在自动调节风窗方面，多个研究单位和企业自主研制了包括百叶窗式、滑动挡板式的自动调节风窗，用风速传感器监测风量变化，自主决策调整风窗过风面积，改变风窗风量，能够更为高效精准地实现风量调节，但该类风量自动调节装置仍处于试验阶段，未进行大面积应用。
在灾变风流控制方面，中国矿业大学[29]、中国矿业大学(北京)[30]均研制了火灾时期风流的远程自动控制装备与决策系统；山东科技大学[31]通过运输巷火灾应急救援系统，以数据采集、智能分析、灾害报警为依托，远程控制风门实现火灾期间灾害气体的有效隔离；开滦集团[32]通过矿井通风自动化控制系统确定发生火灾的区域，应用通风网络解算技术分析烟流达到的区域和具体工作面，利用井口防火门和井下各区域风门的远程控制疏导烟流；煤炭科学技术研究院有限公司研制了抗冲击自动复位式风井防爆门和矿井灾变区域隔离门，并进行了爆炸条件下的实验室试验；在国家重点研发计划“矿井灾变通风智能决策与应急控制关键技术研究”支持下，灾变风流调控决策方法与调控装备也取得了长足进步。
1)风量精确获取技术装备。 目前大面积使用的风速测量仪表、风速传感器启动风速基本在0.3 m/s 以上，无法满足《煤矿安全规程》规定的岩巷最低风速0.15 m/s 的要求；测量精度在±0.2 m/s 左右，尤其在于低风速巷道风速测量、风门漏风检测、风流精确调控等方面相对误差较大；常用的机械式风表线路法测定风速受人员高度和测风经验限制，尤其在大断面巷道中测量结果的可靠性较低；风速传感器在巷道断面内的安装位置、校正方法没有切实可行的操作规范和标准，导致监测数据的可靠性不高；巷道断面积的测量采用卷尺或激光测距仪测量巷道宽高，以规则形状计算巷道断面积，而煤矿井下巷道因成型误差、后期变形等原因形状各异，断面积计算结果误差较大，给风量的准确计算带来更大误差。 因此，在风量数据准确获取方面，风速测量与监测仪器仪表、风速准确测量方法、传感器布置位置、断面准确测量仪表是未来应着力解决的基础问题。
2)风流压力、压差准确获取装备。 无论采用何种解算模型和监测方法，通风系统参数尤其是巷道、通风设施阻力数据是通风网络准确建模的最关键因素，目前的测量与监测仪器仪表误差均在1%F.S 左右，而大断面、小风阻巷道阻力一般在几帕到几十帕，仪器仪表固有误差甚至超过巷道本身阻力，造成对通风网络解算、监测、分析、决策的保障不到位。因此，研发高精度风流压力、压差测量与监测装备是今后亟待解决的问题。
1)按需分风风量的动态确定。 目前的用风地点风量是根据温度、瓦斯涌出量、二氧化碳涌出量、最多工作人数等进行预先计算而确定的，每个月进行一次风量计算来配风，而上述参数在每个用风地点是随着生产的推进不断变化的，经常会出现风量过大导致的能耗浪费或风量不足导致的瓦斯超限等问题，因此需要一种基于新型传感技术的需风量动态分析预测模型和风量调控决策方法，为实现按需精准分风创造条件。
2)风窗调节的智能决策与控制。 虽然目前出现了一些远程自动控制风窗，可以实现风窗开口面积的自动调节，但依然是通过“监测-调节”的循环与验证，解放了人员，但并未提高调控速度，同时因风量的精准监测问题没有得到解决，无法实现真正的风量定量调节；在煤矿井下的风量调节往往是多组通风设施同时调节，才可在不影响其他区域安全生产的前提下实现调控地点的按需分风。 因此，风量调控还需解决3 个问题:①实现风窗的远程无人自主调控；②风窗过风量的快速精准调控；③多组通风设施并行调控前提下调控设施数量、调控设施位置、调控量的智能最优决策。
主要通风机与通风网络的自主匹配。 我国矿井主要通风机耗电量占全矿井耗电量的8%～15%，是矿井的耗能大户，很多矿井主要通风机与矿井通风系统适应性差，存在“大牛拉小车”的问题，而通过改变叶片角度、调控导流板等方式往往降低风机效率。 在高压变频技术已经成熟的今天，应研发推广自动变频风机，根据风机控制区域实时计算的总需风量，远程监控风机运行状况，自动调节风机转速，确定合理的主要通风机工况点，使主要通风机实际供风量与实时计算的总需风量匹配；在矿井反风时，根据设计的反风风量，主要通风机自动调频调速，使主要通风机的实际反风风量与设计反风风量匹配。
局部通风机与用风地点需风量的自主匹配。 因对煤层赋存、地质构造、瓦斯等异常变化掌控手段有限及生产不连续不均衡等因素影响，掘进工作面已然成为矿井安全隐患的集中区，目前的定量供风显然存在很多不确定因素影响安全生产。 因此，应积极发展与推广智能调频局部通风机，根据实时监测与分析结果，自主调整掘进工作面供风量。
通风动力装置的远程控制与调节。 当需要调节主要通风机、局部通风机开停、工况点调节时，可远程控制进行调节，同时实现主要通风机附属装置的自动联动调节。
矿井通风的最终目的是保证井下安全生产，目前可通过监测实现风速超限、风流短路、风路阻塞、角联风路等隐患的判识，但对于煤与瓦斯突出、火灾、瓦斯爆炸等重大事故等的判识依然是技术难题，因此通风网络决策应与上述灾害研究相结合，研发重大灾害超前预测预警机制和预防及控制手段。
1)井下巷道通风参数的智能感知。 其关键研究内容包括:①稳定可靠的煤矿井下巷道全断面风速超声波或多普勒激光雷达监测装备，实现风速监测精度的提升；②考虑风流脉动特征的高精度单点平均风速监测技术和断面风速传感器安装位置确定方法，使传感器监测数据真实反映巷道实际风速；③满足全网络风阻(摩擦阻力)精确反演的高精度矿井绝对压力、相对压力监测装备，实现通风网络精确动态建模；④基于激光雷达扫描的巷道全断面精细成图装备，实现巷道断面的精确测定。
2)通风系统图形数据的智能感知。 其关键研究内容包括:①基于惯性导航、陀螺精准定位的矿井动态三维图构建方法，实现通风系统图绘制的自动化，彻底解放人工繁琐劳动；②基于灾害控制需要的机电设备、风流障碍物定位技术与装备，为灾害风流控制与应急响应决策提供依据。
通过上述通风系统图形及其基础数据的准确掌控，为实现通风系统智能建模、通风管理智能决策、通风隐患智能感知、通风灾害智能控制提供基础数据保障。
1)数据驱动的矿井通风网络快速构建。 其关键研究内容包括:①兼顾传感器布置数量少和通风网络无盲区监测的传感器优化布置方法，实现网络实时监测数据获取全覆盖；②矿井通风系统动态图形与监测数据的融合技术，实现图形与数据、数据与数据的融合、共享与联动分析；③多源数据优选与网络模型实时更新修正技术，实现真实有效数据的筛选，保证通风网络模型真实可靠。
2)通风调控的联动分析与智能决策。 其关键研究内容包括:①主要通风机、局部通风机与通风网络自适应和远程智能调控，实现风机运行与通风网络需风量相适应；②按需分风智能决策与自主调控技术，当局部区域需风量变动时系统智能决策并远程自主调控通风设施，实现风量供需平衡。
3)通风隐患的智能识别与及时报警。 其关键研究内容包括:①基于图像识别的矿井通风系统合规性判识方法，为及时调整通风系统布局提供技术手段；②基于监测分析结果的通风隐患智能识别与优化技术，实现通风隐患在线排查，智能决策提醒；③全矿井有毒有害气体分布云图生成及分级评价技术，实现有毒有害气体从点监测向空间面域分析评价的转变。
通过上述技术与装备的研发，实现智能通风系统模型的快速构建、通风系统调控的自主决策。
1)通风灾变的准确判识与辅助决策。 ①基于通风网络与监测数据联动分析的煤与瓦斯突出、火灾、爆炸等灾变快速判识技术，及时发现事故发生时间、地点；②灾害气体波及范围监测与智能预测技术，事故发生后自动标出灾害气体已确认波及范围和下一步可能波及范围，给出灾害气体控制与疏导、人员撤离、机电设备断电等决策建议；③灾变条件下通风智能决策方法，能够对灾区环境信息交互感知，研判区域灾情状态，提出最佳灾区隔离与控制方案。
2)通风灾变应急控制装备。 ①高可靠性抗冲击自动复位防爆门及其附属装置，确保灾变时期不仅能快速打开，而且能自动复位；②灾变区域隔离门，在系统发出报警信息后，通过自主决策灾变区域，可实现区域隔离门的远程开闭，缩小灾变区域范围。
通过发展灾变信息判识方法、灾变应急控风装备和智能控灾决策技术，形成一套矿井灾变通风智能控制技术装备体系，实现灾变时期有效减灾、控灾，减少人员伤亡和经济损失。
1)从通风参数测定与监测、通风网络分析与决策、通风调控技术与装备3 个方面归纳总结了我国矿井通风技术、装备发展现状，给出了各项技术概要。
2)通过对现阶段技术、装备评述，提出了智能化背景下在通风参数快速准确获取、风量动态定量调节、通风动力与通风网络自主匹配、通风隐患自动识别与灾变应急控制4 个方面亟待解决的问题。
3)提出了智能通风的三大重点研发方向:智能感知、智能决策、应急控制，详细给出了各大重点研发方向的关键核心技术内容，以期实现通风基础参数智能感知、通风网络调控智能决策、通风灾变应急控制为一体的智能通风技术装备体系。
[1]周川云.高精度低下限超声波风速风向传感器关键技术研究[D].北京:煤炭科学研究总院，2018.
[2]邹云龙，徐雪战.超声波传感技术的矿用多通道智能风速风向仪[J].传感器与微系统，2017，36(6):108-111.ZOU Yunlong，XU Xuezhan.Research on multichannel intelligent wind speed and direction instrument for mine based on ultrasonic sensing technology[J].Transducer and Microsystem Technologies，2017，36(6):108-111.
[3]王 恩，张 浪，李 伟，等.多点移动式测风装置及关键技术[J].煤矿安全，2016，47(6):97-99，103.WANG En，ZHANG Lang，LI Wei，et al.Key technology of multipoint mobile wind - measured device，[J].Safety in Coal Mines，2016，47(6):97-99，103.
[4]赵 丹，黄福军，陈 帅，等.点风速与平均风速在圆形巷道中的关系[J].辽宁工程技术大学学报:自然科学版，2014，33(12):1654-1659.ZHAO Dan，HUANG Fujun，CHEN Shuai，et al.Relationship between point air velocity and average air velocity in circular roadway[J].Journal of Liaoning Technical University:Natural Science，2014，33(12):1654-1659.
[5]王 军，陈开岩，黄 帅.基于CFD 数值模拟的矿井巷道平均风速单点测法[J].煤矿安全，2013，44(3):144-146.WANG Jun，CHEN Kaiyan，HUANG Shuai.Single-point method of mine roadway average wind speed based on CFD numerical simulation[J].Safety in Coal Mines，2013，44(3):144-146.
[6]张士岭.煤矿通风巷道断面风速测定与变化规律研究[J].矿业安全与环保，2019，46(4):17-20.ZHANG Shiling.Study on measurement and change law of wind speed in cross section of coal mine ventilation roadway[J].Mining Safety and Environmental Protection，2019，46(4):17-20.
[7]王翰锋.基于Fluent 巷道断面平均风速点定位监测模拟研究[J].煤炭科学技术，2015，43(8):92-96.WANG Hanfeng.Simulation study on monitoring and measuring location of average air velocity in section of mine roadway based on Fluent[J].Coal Science and Technology，2015，43(8):92-96.
[8]张 浪.巷道测风站风速传感器平均风速测定位置优化研究[J].煤炭科学技术，2018，46(3):96-102.ZHANG Lang.Optimized study on location to measure average air velocity with air velocity sensor in wind measuring station of underground mine[J].Coal Science and Technology，2018，46(3):96-102.
[9]郝元伟，陈开岩，蒋中承，等.基于CFD 模拟的巷道风速监测值修正处理[J].煤矿安全，2011，42(2):1-7.HAO Yuanwei，CHEN Kaiyan，JIANG Zhongcheng，et al.Study on amendment of airflow velocity in roadway based on CFD[J].Safety in Coal Mines，2011，42(2):1-7.
[10]罗永豪.巷道断面风速分布与煤矿通风系统实时诊断理论研究[D].太原:太原理工大学，2015.
[11]司俊鸿.矿井通风系统风流参数动态监测及风量调节优化[D].徐州:中国矿业大学，2012.
[12]罗 广，邹银辉，宁小亮，等.矿井通风网络在线监测技术研究与应用[J].矿业安全与环保，2019，46(5):47-50，55.LUO Guang，ZOU Yinhui，NING Xiaoliang，et al.Research and application of online monitoring technology for mine ventilation network[J].Mining Safety and Environmental Protection，2019，46 (5):47-50，55.
[13]方 博，马 恒.运用监控数据的矿井通风网络动态解算及应用[J].辽宁工程技术大学学报:自然科学版，2016，35(12):1439-1442.FANG Bo，MA Heng.Mine ventilation network application monitoring database and application dynamic solver[J].Journal of Liaoning Technical University:Natural Science，2016，35(12) :1439-1442.
[14]李 伟，霍永金，张 浪，等.矿井通风实时网络解算技术研究[J].中国矿业，2016，25(3):167-170.LI Wei， HUO Yongjin， ZHANG Lang， et al.Research on ventilation real time network solution[J].China Mining Magazine，2016，25(3):167-170.
[15]矿井通风系统优化理论及应用[M].徐州:中国矿业大学出版社，2003.
[16]张 浪，王翰锋，王大尉.矿井通风系统仿真图形化建模[J].煤矿开采，2009，14(6):17-19.ZHANG Lang， WANG Hanfeng， WANG Dawei.Graphic simulation modeling of mine ventilation system[J].Coal Mining Technology，2009，14(6):17-19.
[17]刘泽功.测风求阻法解算矿井复杂通风网路[J].淮南矿业学院学报，1992，12 (3):45-54.LIU Zegong.Method of measuring airflow and evaluating resistance for calculating a complicated mine ventilation networks[J].Journal of Anhui Univers ity of Science and Technology，1992，12(3):45-54.
[18]陆秋琴，黄光球，姚玉霞.存在风阻未知分支的大规模复杂通风网络解算方法[J].湖南科技大学学报:自然科学版，2008(3):90-93.LU Qiuqin，HUANG Guangqiu，YAO Yuxia.A ventilation network solving algorithm of large- scale complicated underground ventilation system existing unknown airflow resistance branches[J].Journal of Hunan University of Science & Technology:Natural Science Edition，2008(3):90-93.
[19]司俊鸿，陈开岩.基于Tikhonov 正则化的矿井通风网络测风求阻法[J].煤炭学报，2012，37(6):994-998.SI Junhong.Measuring airflow and evaluating resistance model of the mine ventilation network based on Tikhonov regularization[J].Journal of China Coal Society，2012，37(6):994-998.
[20]徐瑞龙，施圣荣.矿井通风按需调节的通路法[J].阜新矿业学院学报，1984(3):21-30.XU Ruilong，SHI Shengrong.Path method for adjusting mine ventilation on demand[J].Journal of Fuxin Mining Institute，1984(3):21-30.
[21]刘 剑.流体网络理论[M].北京:煤炭工业出版社，2002.
[22]郑 丹.流体网络中单向回路问题的研究[D].阜新:辽宁工程技术大学，2004.
[23]史东涛.基于灵敏度的风量异常与风量调节的分析研究[D].西安:西安科技大学，2008.
[24]史采星.基于监测监控系统的通风异常分析与调节分析研究[D].长沙:中南大学，2014.
[25]赵 丹，陈 帅，潘竞涛.矿井监控预警诊断系统研究[J].中国安全科学学报，2015，25(4):63-69.ZHAO Dan，CHEN Shuai，PAN Jingtao.Study of mine monitoring warning diagnosis system[J].China Safety Science Journal，2015，25(4):63-69.
[26]闫振国，常心坦，范京道，等.基于子图同构的煤矿通风系统高风险区域识别[J].煤炭科学技术，2018，46(11):63-68.YAN Zhenguo， CHANG Xintan， FAN Jingdao， et al.Reorganization on high risk region of mine ventilation system in coal mine based on sub graph isomorphism[J].Coal Science and Technology，2018，46(11):63-68.
[27]刘 剑，尹昌胜，黄 德，等.基于风量-风压复合特征的矿井通风系统阻变型故障诊断无监督学习模型[J/OL].煤炭学报:1-9.https:/ /doi.org/10.13225/j.cnki.jccs.2019.1093.LIU Jian， YIN Changsheng， HUANG De， et al.Unsupervised learning model for resistance variant fault diagnosis of mine ventilation system based on air volume-wind pressure composite features.[J/OL].Journal of China Coal Society:1-9.https:/ /doi.org/10.13225/j.cnki.jccs.2019.1093.
[28]雷洪波，赵吉玉.打通一矿通风系统隐患排查与智能监控研究[J].煤炭技术，2019，38(8):106-109.LEI Hongbo，ZHAO Jiyu.Study on hidden trouble investigation and intelligent monitoring of ventilation system in Datong No.1 Mine[J].Coal Technology，2019，38(8):106-109.
[29]王德明，王月军，方健之，等.采用电话网络实现对井下风门的远程控制[J].煤炭科学技术，2000，28(3):33-35.WANG Deming，WANG Yuejun，FANG Jianzhi，et al.Telephone network applied to long distance control of ventilation door in underground mine[J].Coal Science and Technology，2000，28(3):33-35.
[30]吴 兵，周心权，谢 宏.矿井火灾风流的远程自动控制[J].煤矿安全，2003，34(10):13-15.WU Bing，ZHOU Xinquan，XIE Hong.Remote automatic control of mine fire airflow[J].Safety in Coal Mines，2003，34(10):13-15.
[31]张 睿，程卫民，上官昌培，等.胶带巷火灾应急救援系统的应用与实践[J].煤矿安全，2010，41(12):36-39.ZHANG Rui， CHENG Weimin， SHANGGUAN Changpei， et al.Application and practice of fire emergency rescue system on belt lane[J].Safety in Coal Mines，2010，41(12):36-39.
[32]冯海峰.矿井灾变时期井下通风自动化控制系统研究[J].中国煤炭，2013，39(9):90-93.FENG Haifeng.Research on automatic control of ventilation system during coal mine accident[J].China Coal，2013，39(9):90-93.
Status of mine ventilation technology in China and prospects for intelligent development
移动扫码阅读