0 引 言
随着“中国制造 2025”和“两化”融合发展战略的提出，以及数字化车间的建立和智能制造下信息技术的不断发展，进一步推动了工业智能化的浪潮[1]。在智能化的潮流之下，结合“矿山+物联网”的建设理念，“智慧矿山”的概念最终确立。“智慧矿山”依靠成熟的物联网技术和通信技术，建立矿山数据信息的精确采集、异构网络传输和智能化应用的矿山物联网系统[2-4]。其目的是在矿山的复杂条件下，对矿山环境、作业人员和生产设备进行集中管理和实时监控，最终实现矿山无人化[3-5]。文献[6-8]指出“智慧矿山”是当今矿山进行生产与建设的方向，但由于前期矿山建设没有统一标准，使得矿山现有系统中存在着诸多问题。文献[9-12]指出在矿山物联网的发展过程中，矿山中的各系统为了应对矿山复杂环境以及设备的不断更新换代，使得各系统之间相对独立。这种系统的相对独立，使得各项数据只能在闭环系统中传递，形成一个个数据孤岛。所需数据存在于各个独立的系统并相互耦合，降低了数据的使用效率，不利于矿山数据的集中统一管理，造成大量的数据丢失浪费[13-15]。由于矿山作业设备种类多，系统之间信息传输接口不统一[16-17]，以至于在一个系统中会同时存在多种的数据传输方式[18]。从而使物理实体与信息系统之间交互不畅，影响到了矿山物联网作用的进一步发挥。
为解决上述问题，在分析矿山物联网信息与物理交互系统上，引入Petri网的概念对矿山物联网感知层、传输层和应用层进行建模。发挥Petri网在离散事件动态系统上的建模优势[19-20]，通过对矿山物联网Petri网模型中关系结构的分析，提出并发组合的思想方法，分析矿山不同系统中的信息处理与物理实体的交互情况，对矿山物联网的三层结构进行分层优化，设计感传层硬件结构模型，建立感知层分布式数据传递、传输层有线网络和无线网络并存的结构模式和应用层平行数据库和矿山综合管理平台。
1 Petri网与矿山物联网
1.1 Petri网基本原理
利用Petri网对离散事件建模分析的优势，将其运用于分析数据流与控制流在矿山物联网系统中的传递。针对矿山物联网系统，采用五元组Petri网络，即：PN=(P,T,I,O,M)，其中：
1)P = {P1,P2,…,Pn}表示元素库所，在网络结构图中用圆圈表示，用于描述矿山物联网系统中存储或流动的各种数据参数和控制指令。例如，感知层中各节点采集到的实时矿山数据、传输层中通过网络传递的指令和数据信息、应用层中存储的数据或下达的指令等。
2)T = {T1,T2,…，Tm}表示元素变迁集，在网络结构图中使用矩形框或条棒表示，用于描述矿山物联网系统中发生数据变化或状态映射的节点。
3)I(P,T):P×T→N表示输入有向弧函数，在网络结构图中表示为由元素库所P指向变迁集T的有向线段；O(T,P): P×T→N表示输出有向弧函数，则为由变迁集T指向元素库所P的有向线段。输入I和输出O用于描述矿山物联网的数据参数和指令信息的传播方向。
4)M：称作标识，M0表示初始标记。变迁Tj⊆T，只有在标记M(Pi)≥I(Pi,Tj)，∀Pi∈Tj 时，变迁Tj才能被激活，同时Tj会被赋予新的标记M′(Pi)=M(Pi)+O(Tj,Pi)-I(Pi,Tj) ，∀Pi∈P。通过标识M对Petri网络结构进行分析。
1.2 Petri网的关系结构特性
结合Petri 网的结构特性搭建矿山物联网结构模型，其网络结构特性包括顺序关系、并发关系、冲突关系和混惑关系。Petri网基本关系如图1所示。
图1 Petri网基本关系示意
Fig.1 Basic relation of Petri net
1)顺序关系。Petri网络中最为基本的关系，表示事件发生的先后关系。顺序关系结构如图1a所示。在矿山物联网系统中，用于描述数据信息在物联网传输层的数据映射关系和应用层管理平台制定决策的过程。
2)并发关系。各元素库所之间相互独立，即库所对应的事件同时发生且互不影响。并发关系结构如图1b所示。用于描述感知层中各感控节点并行收发数据和传输层中数据的双向传输。
3)冲突关系。表示两个事件同时发生相互排斥，但是只有一个事件能够发生通过变迁，也表示为两个事件的竞争关系。冲突关系结构如图1c所示。在矿山物联网系统中冲突关系普遍存在，例如，感知层中的感控节点，由于节点中各传感器时时刻刻都在产生数据，但是节点控制器读取数据存在延迟和先后顺序，从而造成了数据之间的冲突关系。因此要尽可能地避免或减少冲突的数量和程度，以提高系统的实时性。
4)混惑关系。是包含了顺序关系、并发关系以及冲突关系的复合关系模型，这种关系产生的原因是系统及其环境的分割不正确。混惑关系结构如图1d所示。在矿山物联网系统中，混惑关系主要存在于感知层中，由于系统与系统之间的数据壁垒，导致了不同的感控节点对同一数据参数的重复采集，造成了数据的冗余，增加了应用层的处理数据的负担。因此，混惑结构也是结构优化过程中必须消除的。
1.3 分层Petri网结构模型
根据Petri网的基本原理和网络的结构特性，结合矿山物联网的实际情况，分别建立物联网感知层、传输层和应用层Petri网模型。
1.3.1 感知层节点模型
感知层由感知控制节点组成，用于数据的采集和设备的控制，是整个物联网系统的基石，也是实现系统信息与物理交互的核心。感知层Petri网络结构模型如图2所示。
图2 感知层Petri网络结构模型
Fig.2 Petri net structure model of perception layer
其中：变迁集{T11,T12,…,T1n}为感知层中的n个感控节点；元素库所{P11,P12,…,P1i,P1j，…,P1n}(i,j∈n)为系统检测的各种数据参数；输入函数I(P1n,T1n)为节点n采集矿山数据参数；
为节点接收来自决策中心的控制信号；节点输出函数：O(T1n,P2n)为节点上传数据信息完成被控对象的状态映射，O(T1n,P3n)为按照决策中心下达的指令信号，产生面向被控对象的控制指令。
1)节点内部冲突关系。节点T11的标记M′(T11)计算公式为
O(T11,P31)-O(T11,P21)
(1)
M′(T11)=M0(T11)+n-1
(2)
由于矿山物联网系统节点(T11,T12,…,T1n)采集多类型数据参数(P11,…,P1n)的模式(n>1)。
M′(T11)>M0(T11)
(3)
即在Petri网络结构中表现为冲突关系。
2)节点内部混惑关系。由于主控制器对各类传感器依次进行访问并将数据汇总后上传，同时接受来自控制中心的控制信号使各传感器与设备之间产生竞争关系。由于矿山物联网各系统之间相互独立，跨系统提取数据较为困难，导致在感知层存在数据参数被不同系统重复采集的现象。在Petri模型中表现为混惑关系。在传统矿山物联网交互模型中存在输入函数I(P1j,T12)和I(P1j,T1n)，即同一元素库所指向多个变迁集的结构。
1.3.2 传输层网络模型
矿山物联网传输层，主要由各种数据交换节点组成。通过交换节点完成数据参数和控制指令的在两种传输方式之间的状态映射，实现数据在不同传输介质中的传递。传输层Petri网络结构模型如图3所示。
图3 传输层Petri网络结构模型
Fig.3 Petri net structure model of transport layer
其中，元素变迁集包含：有线网络数据交换节点{T21,T22，…,T2n}，系统数据库入口T31，系统指令出口T41；元素库所包含：感知层节点上传的数据信息和接收的控制指令{P21,P22，…,P2n}，光纤环网中传递的数据参数和控制信息{P41,P42，…,P4n}。
传输网络在数据上传时表现为不断汇聚的过程，而在指令的下达表现为广播发散的过程。由于矿山物联网系统存在中设备主控制器通信方式不同现象，为实现设备之间的协同工作，必须为其建立单独的数据交换节点T2n，造成了传输资源的浪费，也增加了网络的复杂程度，不利于信息与物理之间的交互。
1.3.3 应用层结构模型
应用层Petri网络结构模型如图4所示，应用层的决策平台采用顺序结构。
图4 应用层Petri网络结构模型
Fig.4 Petri net structure model of application layer
其中：元素变迁集有数据库入口T3n、有效数据提取操作T5n、控制决策产生过程T6n和控制指令出口T4n；元素库所有系统数据库P6n、系统有效数据P7n和控制指令P5n。由于感知层工作模式的限制，使得系统内产生的大量环境、设备和人员信息数据混杂在一起难以区分，增加了管理平台提取系统有效数据的难度，导致数据利用率低下。由于系统间相对独立，形成控制闭环，从而无法实现系统间数据共享，不利于数据的集中管理和设备的精细化管理。
1.4 构建矿山物联网Petri网络模型
矿山物联网模型的建立是一个自下而上的过程：①确定感知层中感控节点的数量和每个节点采集的数据种类，建立感知层节点模型；②分析系统中不同传输方式之间的数据交互过程。以交互节点为元素变迁集，以数据传输方向为变迁集的输入输出，建立传输层网络模型；③分析应用层控制指令的产生过程建立顺序结构的应用层结构模型；④沿着数据传输的路径，将感知层节点模型、传输网络模型和应用层结构模型，通过串并联的方式有机地组合起来，最终构建出如图5所示的矿山物联网Petri网络模型。矿山物联网Petri网络模型的优势在于：Petri网络直观地展现了数据信息在各个节点之间的传播、交换和汇聚；通过寻找网络中的各种关系结构，检视围绕变迁集的输入输出关系，查找潜在的结构矛盾，为网络优化提供理论依据。
图5 矿山物联网Petri网络模型
Fig.5 Petri net model of mine Internet of things
2 矿山物联网信息系统优化
矿山物联网信息系统的优化是一个自上而下的过程。始于应用层，途经传输层，最终落实在感知层；从信息传输结构到物理应用实体。针对传统矿山物联网信息与物理交互所存在的问题，结合并发组合的思想，从以下2个方面对系统进行优化。
2.1 矿山物联网网络结构优化
结合传统矿山物联网交互模型，对网络结构进行优化，构建矿山物联网分布式分级自治模型。
2.1.1 应用层结构优化
在原有应用层结构模型的基础上，构建应用层优化模型如图6所示。
图6 应用层优化模型
Fig.6 Application layer optimization model
1)建立矿山平行数据库(P51,P52，…,P5i,P5n)，使感知层上传的数据按类别存储在不同的数据库中。例如，将矿山环境数据、人员管理数据、设备管理数据分别存储在3个平行的数据库中。相比于传统物联网系统中闭环式的内部数据库，矿山平行数据库将原有数据库进行整合分类，实现矿山海量数据的分类存储，大幅缩短了数据提取和查询(T51,T52，…,T5i,T5n)所需的时间，为矿山综合管理平台(T41)的建立打下基础。
2)建立矿山综合管理平台。矿山综合管理平台(T41)在矿山平行数据库(P51,P52，…,P5i,P5n)的基础上，完成数据的集中统一处理(P71)，并针对每个感控节点(T11,T12,…,T1n)制定控制策略(P61,P62,…,P6n)。矿山综合管理平台打破了传统物联网系统的数据壁垒，实现了矿山设备的跨层、跨系统精细化管理
3)建立平行数据库入口(T31,T32，…,T3i,T3n)和控制指令出口(T61,T62，…,T62,T6n)。数据库独立入口实现了感知层数据到应用层数据库的精确投递，避免了数据集中上传后再筛选的过程。控制指令出口指向感知层节点的物理地址，使控制指令精确到达每个节点。
2.1.2 传输层结构优化
对传输网络进行优化，建立传输层优化模型如图7所示。
图7 传输层优化模型
Fig.7 Transport layer optimization model
1)建立矿山无线传输通道，在矿山各处建立无线网络基站(T22)，支撑起矿山无线传感网络，为感知层分布式节点打下通信网络基础。
2)建立统一的有线传输网络(P21,…,P22)。在保证传输质量的同时，减少了网络交换节点(T21)的种类和数量，简化了数据传输结构。
2.1.3 感知层结构优化
在原有感知层节点模型的基础上，构建感知层优化模型如图8所示。
图8 感知层优化模型
Fig.8 Perception layer optimization model
1)在传统物联网交互模型的基础上，新增分布式感知节点(T1i，T1j)。用于分担原有感控节点的数据采集压力，实现矿山数据的一对一采集。优化后感控节点(T11)的标签变化公式为
O(T11,P31)-O(T11,P21)
(4)
显然，
M′(T11)=M0(T11)
(5)
通过增加感知层节点数量，有效消除传统物联网感控节点中的冲突关系。
2)为每个感知层节点和感控节点分配1个独立的物理地址。建立矿山数据、节点物理地址和数据库地址3者的一一对应关系，从而避免同一数据参数的重复采集，杜绝潜在的混惑关系。实现数据精确溯源，指令准确下达。通过矿山数据的分类采集、精确投递，从而实现减少冲突关系和杜绝混惑关系的目的。
2.2 感传层硬件结构设计优化
对传统矿山物联网网络结构进行优化，建立了矿山信息与物理并发交互模型，通过系统顶层设计打通了矿山物联网各系统之间的数据壁垒，理清了数据传输的脉络。感传层硬件结构的设计与优化是为了解决矿山物联网底层信息与物理交互不畅的问题。在矿山物联网的感知层与传输层之间建立传感节点接口模块统一设备接口，并选用RS-485有线通信网络和LoRa无线通信网络来构建统一接口的体系架构。
2.2.1 传感节点接口模块设计
为保障应用层节点在系统中的通用性与灵活性，设计传感节点接口模块。传感节点接口模块结构如图9所示。
图9 传感节点接口模块结构
Fig.9 Structure of sensor node interface
传感节点接口模块包含输入输出端口、主控芯片、电源模块、通信模块。传感节点接口模块存在2种应用场景：①无线感知节点。传感节点接口模块的输出端口只与感知层中的传感器相连，有线通信模块保留。依托LoRa自组网网络和相应的数据库入口地址，实现数据在物理地址与数据地址之间的精确传递。②有线感控节点。当传感节点接口模块与复杂机械设备相连时，节点输入输出端口通过转换芯片与被控设备上的通信接口相连。此时，模块起到数据交换节点的作用，完成不同传输方式之间的状态映射，实现有线通信方式的统一。
2.2.2 传输层通信网络设计
1)有线传输网络。为了保证数据上传与下发的实时性，有线传输网络采用RS-485总线传输方式。采用全双工配置模式，允许主从节点双向同时通信。主节点为中继器或是光交换机，从节点为传感节点接口模块。RS-485标准建议电缆干线通常终端匹配120 Ω的电阻，线缆的末尾处各一个。同时分支节点距离总线的距离应满足：
LStub≤trvc/10
(6)
式中：LStub为最大分支长度；tr为驱动器上升沿时间;v为信号在电缆上传输的速率相对于光速的比率;c为光速。
2)无线通信网络设计。在矿山各处布置LoRa通信基站，建立起LoRa自组网络。通过对矿山物联网感传层的硬件结构进行优化设计,实现对各节点的定位感知与精确定位以及传输路径的优化和通信接口的统一。建立感传层网络结构如图10所示。
图10 感传层网络结构
Fig.10 Network structure of sensing layer
3 矿山带式输送系统优化
通过对矿山带式输送系统的优化实例，对应用层优化模型、传输层优化模型和感知层优化模型的优化效果进行验证。
3.1 构建矿山带式输送系统Petri网络模型
矿山带式输送机运输线路较长，运输线路上由多组带式输送机组成。为了保证系统的安全稳定运行，需要对带式输送机运行参数、传输带上物料的运输量和周围环境数据进行监测，对带式输送机的运行状态进行控制。采用矿山物联网感知节点模型、传输层网络模型和应用层网络模型，结合矿山带式输送系统实际工作情况，建立矿山带式输送系统Petri网络模型如图11所示。矿山带式输送系统Petri网络模型中各元素库所和元素变迁的代号所表示的具体含义见表1。
表1 Petri网模型中库所和变迁代号含义
Table 1 The meaning of library place and transition code in Petri net model
变量含义变量含义P11,P'11系统带式输送机运行参数T11,T12有线感控节点P12,P'12运输物料流量参数T21,T22光纤交换机P2n,P'2n有线网络数据传输T31系统数据库入口P3n节点产生的操作指令T41控制指令出口P4n,P'4n光纤网络数据传输T41有效数据筛选P51系统数据库T61产生控制决策P61节点的控制指令P71数据筛选后的数据
图11 矿山带式输送系统Petri网络模型
Fig.11 Petri net model of mine belt conveyor system
为研究带式输送系统的时效性，赋予网络中的输入输出函数以相应的时间参数，如表2赋时输入输出函数含义表。
表2 赋时输入输出函数含义
Table 2 Meaning of timed I/O function
函数含义符号I(P1n,T1n)感知节点读取带式输送机运行参数αnO(T1n,P2n)节点发送数据βI(P1n,T1n)节点执行控制指令γI(P2n,T2n)现场总线数据上传θI(P4n,T51)光纤网络数据上传δI(P1n,T1n)存储数据εI(P1n,T1n)产生节点n的控制指令φI(P1n,T1n)筛选有效数据ω
1)感知层。以带式输送机主控制器为核心，依次采集各类传感器采集带式输送机的各类参数并打包上传，同时接收管理平台的控制信号，节点完成一个控制周期所需时间t1可表示为：
t1=∑αn+γ+2β
(7)
2)传输层。由于设备不断更新换代，带式输送系统中存在多种不同主控制器(T11,T12)和通信接口(T21,T22)的现象，增加了带式输送机之间协同控制的难度。3)应用层。感控节点(T11,T12)采集的数据汇集存储在系统数据库中，使系统皮带机运行参数、流量参数和环境参数混杂在一起，给应用层的数据分类处理带来额外负担。应用层产生节点控制指令所需时间为
t2=ε+φ+ω
(8)
3.2 矿山带式输送机优化模型
采用应用层优化模型、传输层优化模型和感知层优化模型，在矿山带式输送系统Petri网络模型的基础上进行优化，建立带式输送机系统并发交互模型如图12所示。
图12 矿山带式输送系统并发交互模型
Fig.12 Concurrent interactive model of mine belt transportation system
1)感知层采用感知层优化模型，在原有有线感控节点(T11,T12)的基础上新增无线感知节点(T7n)，实现分布式的无线节点，对系统中环境参数和流量参数进行采集。在减轻有线感控节点控制压力的同时，实现节点物理地址与系统数据参数的一一对应。
优化后感控节点控制周期
所需的时间为
(9)
缩短了节点的控制周期，提高了节点采集数据的效率和系统实时性。
2)传输层采用传输层优化模型。在矿山各处建立LoRa无线网络基站的同时，通过传感节点接口模块统一有线通信方式，建立系统传输层网络结构如图13所示。
图13 矿山带式输送机系统感传层网络结构
Fig.13 Structure diagram of sensing layer network of mine belt conveyor system
3)在应用层建立n个并行数据库(P5n)，感知层节点采集到的数据，通过平行数据库入口地址(T3n)直接进入到指定库中。实现数据的分类存储和集中统一管理集中统一管理，使得筛选有效数据的时间变为原来的1/n，大幅缩短了应用层的反应时间，进一步提高了系统的实时性。
由于传感节点接口模块统一数据接口同时实现数据与设备的对应，提高了设备之间协同工作能力，为实现矿山设备的精细化管理。
4 结 论
1)运用Petri网对矿山物联网各层的网络结构进行定性分析与定量计算，建立了各层信息交互模型并查找出模型结构中存在的冲突和混惑关系。
2)采用分层并发组合的思想，对矿山物联网各层的数据传输路径和节点进行拆分和重组，构建分层优化模型，实现了网络传输路径的优化，避免了结构的冲突与混惑；针对优化后的系统架构，设计了系统接口统一规范，搭建了传感接口模块，打通了矿山信息与物理之间的交互通道。
3)利用Petri网构建矿山皮带传输系统数据传输模型，采用分层优化模型和系统接口统一标准对传输系统进行优化。通过对比优化前后系统信息交换所需时间，发现优化后的系统提高了数据的使用效率与系统实时性，证明了矿山物联网分层优化模型和传感接口模块的实用性和可行性。
[1] 谭章禄，吴 琦.智慧矿山理论与关键技术探析[J].中国煤炭，2019，45(10)：30-40.
TAN Zhanglu，WU Qi. Analysis and discussion of smart mine theory and key technologies[J]. China Coal，2019，45(10)：30-40.
[2] 申 雪，刘 驰，孔 宁，等.智慧矿山物联网技术发展现状研究[J].中国矿业，2018，27(7)：120-125,143.
SHEN Xue，LIU Chi，KONG Ning，et al. Research on the technical development status of the intelligent mine base on internet of things[J]. China Mining Magazine，2018，27(7)：120-125,143.
[3] 王国法，刘 峰，庞义辉，等.煤矿智能化:煤炭工业高质量发展的核心技术支撑[J].煤炭学报，2019，44(2)：349-357.
WANG Guofa，LIU Feng，PANG Yihui，et al.Coal mine intellectualization:the core technology of high quality development[J]. Journal of China Coal Society，2019，44(2)：349-357.
[4] 袁 亮.面向煤炭精准开采的物联网架构及关键技术[J].工矿自动化，2017，43(10)：1-7.
YUAN Liang. Framework and key technologies of Internet of things for precision coal mining[J]. Industry and Mine Automation，2017，43(10)：1-7.
[5] 李学恩，游 博，陈 卿，等.矿山物联网生产设备协同管控系统设计[J].工矿自动化，2018，44(6)：1-5.
LI Xue’en，YOU Bo，CHEN Qing，et al. Design of cooperative management and control system for production equipments in mine Internet of things[J]. Industry and Mine Automation，2018，44(6)：1-5.
[6] 邱硕涵，谭章禄.煤炭企业智慧矿山建设指标体系研究[J].煤炭科学技术，2019，47(10)：259-266.
QIU Shuohan，TAN Zhanglu. Study on index system of intelligent mine construction degree in coal enterprises[J]. Coal Science and Technology，2019，47(10)：259-266.
[7] LI Jianguo，ZHAN Kai. Intelligent mining technology for an underground metal mine based on unmanned equipment[J]. Engineering，2018，4(3)：381-391.
[8] WU Yaqin，CHEN Mengmeng，WANG Kai，et al. A dynamic information platform for underground coal mine safety based on internet of things[J]. Safety Science，2019，113，9-18.
[9] 杨 真，郭昌放，王静宜，等.由数据驱动的智慧矿山建设研究[J].中国煤炭，2019，45(11)：41-48.
YANG Zhen，GUO Changfang，WANG Jingyi，et al. Research on construction of intelligent mine driven by data[J]. China Coal，2019，45(11)：41-48.
[10] 王国法，赵国瑞，任怀伟. 智慧煤矿与智能化开采关键核心技术分析[J].煤炭学报，2019，44(1)：34-41.
WANG Guofa，ZHAO Guorui，REN Huaiwei.Analysis on key technologies of intelligent coal mine and intelligent mining[J]. Journal of China Coal Society，2019，44(1)：34-41.
[11] 李敬兆，江 洋.矿山分布式分级自治系统设计[J].工矿自动化，2018，44(5)：20-25.
LI Jingzhao，JIANG Yang. Design of mine distributed hierarchical autonomous system[J]. Industry and Mine Automation，2018，44(5)：20-25.
[12] 李小四，马建民，王莹莹.智慧矿山建设的演进及发展趋势[J].工矿自动化，2019，45(9)：65-69.
LI Xiaosi，MA Jianmin，WANG Yingying. Evolution of smart mine construction and its development tendency[J].Industry and Mine Automation，2019，45(9)：65-69.
[13] 施卫祖.加快矿山物联网建设[J].工矿自动化，2017，43(11)：1-4.
SHI Weizu. Accelerating construction of mine Internet of things[J]. Industry and Mine Automation，2017，43(11)：1-4.
[14] 魏亚敏，李 轶，张 申，等.矿山物联网时间同步系统设计与实现[J].电子技术应用，2017，43(1)：81-83.
WEI Yamin，LI Yi，ZHANG Shen，et al. Design and implementation of time synchronization system of mine IoT[J]. Application of Electronic Technique，2017，43(1)：81-83.
[15] 李敬兆，宫华强.煤矿信息物理系统场景感知自配置与优化策略研究[J].煤炭科学技术，2019，47(4)：20-25.
LI Jingzhao，GONG Huaqiang. Research on scene perception self-configuration and optimization strategy of cyber-physical system for coal mine[J]. Coal Science and Technology，2019，47(4)：20-25.
[16] 王国法，王 虹，任怀伟，等.智慧煤矿2025情景目标和发展路径[J].煤炭学报，2018，43(2)：295-305.
WANG Guofa，WANG Hong，REN Huaiwei，et al.2025 scenarios and development path of intelligent coal mine[J]. Journal of China Coal Society，2018，43(2)：295-305.
[17] LEI S，MITHUN M，MICHAEL P. Challenges and research issues of data management in IoT for large-scale petrochemical plants[J].IEEE Systems Journal，2018，99:1-15.
[18] 刘继文，王剑雄，刘小玉，等.矿山物联网双CAN通信电源监控系统研究[J].电源技术，2016，40(12)：2461-2462,2482.
LIU Jiwen，WANG Jianxiong，LIU Xiaoyu，et al. Research of Dual-CAN bus in mine IOT communication power monitoring system[J]. Chinese Journal of Power Sources，2016，40(12)：2461-2462,2482.
[19] 陈 军，刘 鑫，王利平，等.Petri网智能变电站保护控制故障诊断与定位方法研究[J].中国测试，2019，45(10)：128-134.
CHEN Jun，LIU Xin，WANG Liping，et al. Research on fault diagnosis and location method in smart substation protection and control based on Petri net[J]. China Measurement & Testing Technology，2019，45(10)：128-134.
[20] DAVID A，SABATO M. A Petri Net approach to consensus in networks with joint-agent interactions[J]. Automatica，2019，110，108466.
