摘 要

為解決井工煤礦智能化建設(shè)中設(shè)備定位與環(huán)境感知難題，適配井下低照度、高粉塵等特殊工況，系統(tǒng)綜述激光SLAM技術(shù)在我國井工煤礦的研究進展與發(fā)展趨勢。梳理了二維、三維及激光視覺SLAM 的3 個階段演進：二維SLAM(2015 年起)實現(xiàn)簡單場景定位，卻受限于數(shù)據(jù)量與測距范圍;三維SLAM(2020年起)結(jié)合IMU提升精度;激光視覺年相關(guān)算法定位均方根誤差低至0.15 m。筆者也分析指出當(dāng)前存在特征提取研究不足、數(shù)據(jù)無紋理、缺乏統(tǒng)一評測數(shù)據(jù)集等問題，展望未來需結(jié)合毫米波雷達、深度學(xué)習(xí)優(yōu)化算法，平衡效果與效率，推動技術(shù)在隨采隨掘場景落地，為煤礦機器人導(dǎo)航與智能感知提供支撐。

文章來源：《智能礦山》2025年第11期“礦山機器人技術(shù)創(chuàng)新與實踐特刊”

第一作者：冀磊，主要從事SLAM技術(shù)、多傳感器融合方面的研究。Email：15910431351@163.com

作者單位：中煤科工開采研究院有限公司

引用格式：冀磊，楊建威，趙鐵林，等.激光 SLAM 技術(shù)在我國井工煤礦的應(yīng)用與發(fā)展趨勢[J].智能礦山，2025，6(11)：118-128.

點擊文末左下角閱讀原文，免費下載閱讀pdf全文

關(guān)注微信公眾號，了解更多礦山智能化建設(shè)進展

SLAM全稱為Simultaneous Localization and Mapping，中文名為實時定位與建圖或同步定位與地圖構(gòu)建，作為自主導(dǎo)航與智能決策的基礎(chǔ)，SLAM技術(shù)廣泛應(yīng)用于自動駕駛、無人機勘探、服務(wù)機器人等領(lǐng)域。激光SLAM以激光雷達（LiDAR）為唯一或主要傳感器，通過發(fā)射激光束獲取環(huán)境的高精度幾何結(jié)構(gòu)信息，并基于點云配準、特征提取與優(yōu)化算法實現(xiàn)定位與建圖。激光SLAM技術(shù)的發(fā)展歷經(jīng)從二維到三維、從濾波到優(yōu)化，從單一傳感器到多源傳感器融合的范式轉(zhuǎn)變。

煤礦開采的智能化離不開設(shè)備的自我定位與環(huán)境感知，而SLAM技術(shù)不依靠外部信息，憑借自身攜帶的傳感器就能解決設(shè)備定位以及環(huán)境感知，高度契合智能化建設(shè)需求，近年來受到越來越多的關(guān)注。

煤礦井下環(huán)境復(fù)雜，低照度、高粉塵、濃水霧，尤其是低照度情況下，相機成像受到影響，激光雷達由于自身發(fā)射并接收不可見光，在煤礦井下環(huán)境中具有以下3方面的顯著優(yōu)勢。

（1）激光雷達可提供厘米級別的測距精度，遠高于視覺或其他非接觸式傳感器。

（2）激光屬于不可見光，不受井下光照條件影響。

（3）可直接生成高精度三維點云地圖。

我國井工煤礦關(guān)于激光SLAM的研究經(jīng)歷了從二維激光SLAM到三維激光SLAM再到激光視覺SLAM的發(fā)展歷程，具體如下：

（1）二維激光SLAM始于2015年，通過該技術(shù)實現(xiàn)封閉場景的定位與導(dǎo)航，通過持續(xù)優(yōu)化定位方法，精度相比較于行業(yè)外成熟的算法有較大提升，受限于二維激光雷達較小的測距范圍和較為有限的測量數(shù)據(jù)，應(yīng)用范圍受到較大限制，二維激光SLAM技術(shù)自2021年后鮮有研究。

（2）三維激光SLAM和激光視覺SLAM技術(shù)，實現(xiàn)了大尺度場景下設(shè)備定位與環(huán)境信息感知，自2020年以后受到了國內(nèi)研究者的極大關(guān)注。中國礦業(yè)大學(xué)、中國礦業(yè)大學(xué)（北京）、西安科技大學(xué)、北京天瑪智控科技股份有限公司等國內(nèi)知名高校與企業(yè)均進行了大量研究，在定位精度、建模效果等方面取得了較大的成就。

筆者系統(tǒng)綜述激光SLAM技術(shù)在我國煤礦的適配性改進與應(yīng)用實踐，詳細描述了近年來對二維激光SLAM、三維激光SLAM、激光視覺技術(shù)的研究進展，在總結(jié)歸納的基礎(chǔ)上，結(jié)合自身思考，預(yù)測未來激光SLAM技術(shù)的發(fā)展趨勢。

二維激光SLAM

我國井工煤礦的二維激光SLAM的研究始于2015年，東北大學(xué)郝麗娜團隊針對二維激光雷達特點提出直線距離約束，并輔以蒙特卡洛濾波定位方法，結(jié)合二維柵格地圖，在仿真環(huán)境下可實現(xiàn)1 cm定位效果，為救援機器人的井下定位提供了新方法，拉開了SLAM技術(shù)在我國井工煤礦領(lǐng)域的發(fā)展序幕。柵格地圖模型將環(huán)境分解為若干個柵格，每個柵格通過概率值表示是否存在障礙物，其優(yōu)點在于創(chuàng)建和維護的方便性，并且易實現(xiàn)路徑規(guī)劃算法，柵格地圖示意如圖1所示。

圖1 柵格地圖示意

2016年，中國礦業(yè)大學(xué)朱華團隊在煤礦救援機器人相關(guān)研究中，引入了航姿參考系統(tǒng)，可實時提供較高精度的角度信息，通過融合開源二維激光SLAM算法Hector SLAM，提升了救援機器人的定位精度，滿足路徑規(guī)劃的要求，朱華團隊2015年所述救援機器人及其建圖效果如圖2所示。

圖2 朱華團隊2015年所述救援機器人及其建圖效果

2018年，山東科技大學(xué)殷立杰團隊將Fast SLAM應(yīng)用于無人機定位，通過定性分析，快速準確定位無人機的位置姿態(tài)，魯棒性和算法獨立性較好，同時運行時間短，具有更高的定位精度。

2019年，重慶大學(xué)王克全團隊提出一種基于高精度的二階中心差分粒子濾波器的SLAM算法，結(jié)合強跟蹤濾波器的強魯棒性、自適應(yīng)性和二階中心差分濾波器的高非線性逼近性，增加了不受非高斯和非線性模型影響的粒子濾波器。室內(nèi)模擬實驗場景如圖3所示，針對圖3環(huán)境不同SLAM算法的建圖效果如圖4所示，其中在模擬環(huán)境中取得了相較于CDFastSLAM（圖4b）和Fast SLAM 2.0（圖4c）更好的建圖效果。

圖3 室內(nèi)模擬實驗場景

2020年，中國礦業(yè)大學(xué)（北京）楊健健團隊，在巷道建模中引入激光SLAM技術(shù)，通過對Hector_SLAM算法的參數(shù)進行優(yōu)化，將其生成的柵格地圖應(yīng)用于掘進機的行進與巷道形狀預(yù)測，較之前未調(diào)整的參數(shù)相比取得了更好的建圖效果，楊健健團隊仿真試驗場地如圖5所示，楊健健團隊所述建模結(jié)果如圖6所示。

圖4 針對圖3環(huán)境不同SLAM算法的建圖效果

圖5 楊健健團隊仿真試驗場地

圖6 楊健健團隊所述建模結(jié)果

2021年，太原理工大學(xué)吳娟團隊設(shè)計了基于優(yōu)化Fast SLAM的煤礦水泵房巡檢機器人，方法采用最小線性二乘對里程計進行標(biāo)定和融合輪式里程計、IMU的方式對傳感器數(shù)據(jù)進行預(yù)處理，獲得比單一輪式里程計更為精確的位姿信息，減小相對定位中的非系統(tǒng)誤差；同時基于粒子濾波算法對proposal分布進行優(yōu)化以獲得機器人的精確位姿估計；最后通過覆蓋柵格建圖建立全局環(huán)境地圖，減少了Fast SLAM需要的粒子總數(shù)，降低了內(nèi)存需求同時提升了定位效果。

二維激光SLAM價格便宜、實現(xiàn)簡單，在發(fā)展早期受到了研究者的廣泛關(guān)注，成為最為成熟也應(yīng)用最早的SLAM技術(shù)。受限于貧瘠的數(shù)據(jù)量以及較小的測距范圍，應(yīng)用場景僅局限于水房或者較小巷道，僅停留在實驗室研究階段，無法拓展到其他場景，并且已有的研究針對定位與建圖結(jié)果沒有充分的定量分析，隨著三維激光雷達的技術(shù)成熟以及市場需求的增加，三維激光雷達逐漸替代二維激光雷達，成為激光SLAM技術(shù)的首選傳感器。

三維激光SLAM

2019年開始研究三維激光雷達為傳感器的SLAM算法。西安科技大學(xué)馬宏偉團隊首次使用三維激光雷達作為無人機機載傳感器，通過ICP方法得到相鄰幀之間的變換位姿，同時使用濾波器將采樣方法對點云數(shù)據(jù)進行優(yōu)化，加速定位速度，滿足無人機位姿估計的實時性要求。同年，馬宏偉團隊將激光SLAM應(yīng)用于巡檢機器人如圖7所示，通過優(yōu)化FAST-SLAM算法，減少了粒子濾波所需要的粒子數(shù)量，緩解了粒子消耗，減少了位姿解算所需要的時間，提高了地圖構(gòu)建的準確性，根據(jù)試驗結(jié)果，其在走廊場景下的位姿解算時間由原來的355 ms優(yōu)化為76 ms，在房間中的位姿解算由147 ms優(yōu)化到43 ms，滿足實時性要求。

圖7 馬宏偉團隊將激光SLAM應(yīng)用于巡檢機器人

2020年，中國礦業(yè)大學(xué)朱華團隊設(shè)計了基于激光里程計約束因子、平面特征約束因子、回環(huán)約束因子、雷達相對位置因子、IMU預(yù)積分因子、邊緣優(yōu)化先驗因子和回環(huán)檢測因子等的因子圖優(yōu)化方法，同時結(jié)合UWB信息，提出了井下復(fù)雜場景的絕對定位與高精度地圖構(gòu)建算法LIU-SLAM，朱華團隊博士生所述巷道建模中應(yīng)用的上層定位導(dǎo)航系統(tǒng)如圖8所示。

圖8 朱華團隊所述巷道建模中應(yīng)用的上層定位導(dǎo)航系統(tǒng)

LIU-SLAM與其他SLAM算法建模效果對比如圖9所示，相比較于成熟SLAM算法，LIU-SLAM方法絕對定位精度高，實現(xiàn)絕對定位精度均值<25 cm，魯棒性好，受到UWB定位系統(tǒng)精度的影響最小，具有更優(yōu)的建圖效果。

圖9 LIU-SLAM與其他SLAM算法建模效果對比

2022年，西安科技大學(xué)姚頑強團隊提出一種面向煤礦巷道環(huán)境的LiDAR與IMU融合定位與建圖方法，姚頑強團隊所述面向煤礦巷道環(huán)境的LiDAR與IMU融合定位與建圖方法如圖10所示。該方法在分層位姿估計過程中，融合IMU預(yù)積分所得到的位姿初值，減少計算迭代次數(shù)，提高特征點匹配的精度，解算出當(dāng)前幀的位姿。最后向因子圖中插入局部地圖因子、IMU因子、關(guān)鍵幀因子，對位姿進行優(yōu)化約束。

圖10 姚頑強團隊所述面向煤礦巷道環(huán)境的LiDAR與IMU融合定位與建圖方法

相比較于經(jīng)典方法，在定位精度和建圖效果上均有提升，在煤礦巷道環(huán)境中，該方法三軸的絕對定位誤差的均值和中值均小于32 cm；X軸的位姿估計精度最高，累計誤差為1.65 m，位置偏差為2.97 m；在樓道走廊環(huán)境中，該方法三軸的誤差均<1.01 m，誤差均值為5～15 cm，誤差范圍小，精度高；累計位置偏差僅為1.67 m。2種場景下地圖完整性與環(huán)境匹配均有良好的性能，煤礦巷道場景中3種方法建圖結(jié)果與軌跡如圖11所示。

圖11 煤礦巷道場景中3種方法建圖結(jié)果與軌跡

同年，中國礦業(yè)大學(xué)李錳鋼團隊提出另一種煤礦移動機器人LiDAR/IMU緊耦合SLAM方法LI-SLAM。LI-SLAM算法架構(gòu)如圖12所示。該算法在同煤大唐塔山煤礦有限公司開展了工業(yè)性試驗，結(jié)果表明：在煤礦移動機器人行駛巷道直線距離為273 m時，平均誤差<15 cm，具有較高的定位和建模精度，基本滿足煤礦移動機器人的定位建模精度需求，對于煤礦井下復(fù)雜環(huán)境下的移動機器人精確定位與地圖構(gòu)建有更好的適用性。

圖12 LI-SLAM算法架構(gòu)

同樣在2022年，西安科技大學(xué)馬宏偉團隊提出一種基于激光慣性融合的煤礦井下移動機器人SLAM算法，激光慣性融合的煤礦井下移動機器人SLAM算法框架如圖13所示。該算法在優(yōu)化框架中添加了地面約束和回環(huán)檢測，優(yōu)化了相鄰關(guān)鍵幀之間的相對位姿，確保全局地圖的一致性，提高了機器人狀態(tài)估計的整體精度。激光慣性融合的煤礦井下移動機器人SLAM算法建模效果對比如圖14所示，結(jié)果表明：針對煤礦井下特殊的非結(jié)構(gòu)環(huán)境，與現(xiàn)有的激光SLAM算法相比，提出的算法在自采的數(shù)據(jù)集上滿足每幀60 ms的處理時長，機器人具有更高實時性，由于其結(jié)合各開源算法的長處，降低了系統(tǒng)累積誤差，保證了所構(gòu)建地圖的全局一致性。

圖13 激光慣性融合的煤礦井下移動機器人SLAM算法框架

圖14 激光慣性融合的煤礦井下移動機器人SLAM算法建模效果對比

2023年，西安科技大學(xué)姚頑強團隊提出了一種面向煤礦井下環(huán)境的激光雷達、IMU緊耦合SLAM算法。面向煤礦井下環(huán)境的激光雷達、IMU緊耦合SLAM算法框架如圖15所示。

圖15 面向煤礦井下環(huán)境的激光雷達、IMU緊耦合SLAM算法框架

通過煤礦井下實測數(shù)據(jù)的試驗分析該算法，結(jié)果表明：提出的激光SLAM算法表現(xiàn)較好，位姿估計誤差在平面方向較LIO-SAM降低了50.93%，在高程方向降低了42.13%，可為煤礦機器人智能感知、安全巡檢提供技術(shù)參考，面向煤礦井下環(huán)境的激光雷達、IMU緊耦合SLAM算法建圖結(jié)果與其他成熟算法對比如圖16所示。

圖16 面向煤礦井下環(huán)境的激光雷達、IMU緊耦合SLAM算法建圖結(jié)果與其他成熟算法對比

2024年，中國礦業(yè)大學(xué)司壘團隊設(shè)計建立了激光雷達和IMU的數(shù)據(jù)融合模型，提出了基于IMU-LiDAR緊耦合的防沖鉆孔機器人定位建圖方法。在分析激光雷達點云畸變成因和同步定位與地圖構(gòu)建算法缺陷的基礎(chǔ)上，設(shè)計了基于慣性測量單元（IMU）連續(xù)時間軌跡的點云畸變矯正方法，建立了激光雷達和IMU的數(shù)據(jù)融合模型，提出了基于IMU-LiDAR緊耦合的防沖鉆孔機器人定位建圖方法，結(jié)果表明，所提算法的位移均方根誤差<0.15 m，旋轉(zhuǎn)均方根誤差<2.47°，較成熟算法如LOAM、LEGO-LOAM和LIO-SAM均有較大提升，司壘所述算法定位效果與其他成熟算法比較如圖17所示。

圖17 司壘所述算法定位效果與其他成熟算法比較

2022年，中國礦業(yè)大學(xué)（北京）薛光輝團隊提出了一種融合FPFH和ICP算法的二階段點云特征提取及配準的方法，融合FPFH和ICP算法的二階段點云特征提取及配準的方法框架如圖18所示。

圖18 融合FPFH和ICP算法的二階段點云特征提取及配準的方法框架

測試和試驗結(jié)果表明，與傳統(tǒng)的LIO-SAM算法相比，改進算法的位姿估計和點云配準精度更高，相對位姿誤差的平均誤差改善了6.52%，絕對位姿誤差的最大誤差降低了18.84%，構(gòu)建的地圖無明顯失真，建圖誤差均在1%以內(nèi)，可實現(xiàn)非結(jié)構(gòu)化退化環(huán)境的高精度全局一致性地圖構(gòu)建。

三維激光SLAM憑借其數(shù)據(jù)全面、穩(wěn)定，精度高等特點，通過近5年的發(fā)展取得了較大成就。然而，激光SLAM仍舊無法完全解決在幾何環(huán)境較為相似的場景定位精度較差的問題。激光SLAM重建出的地圖缺少顏色信息，限制了其實際應(yīng)用，因此，開始逐步研究融合圖像信息的激光視覺SLAM技術(shù)。

激光視覺SLAM

2020年，中國煤炭科工集團太原研究院有限公司袁曉明在煤礦輔助輸送機器人研發(fā)中使用雷達+相機+IMU的組合，利用感知模塊采集的環(huán)境點云圖像和深度圖像，所用雷達與相機如圖19所示，實現(xiàn)自主定位。實際應(yīng)用結(jié)果表明，在準確建圖的基礎(chǔ)上，該定位方式的誤差<10 cm，可滿足井下輔助輸送機器人的導(dǎo)航定位需求，是第一次將激光視覺信息融合處理的SLAM算法。

圖19 袁曉明所用雷達與相機

2024年，中國礦業(yè)大學(xué)鮑久圣團隊提出了基于多源里程融合的井下無人駕駛自主導(dǎo)航SLAM方法，基于多源里程融合的井下無人駕駛自主導(dǎo)航SLAM方法框架如圖20所示。利用多傳感器融合SLAM算法RTAB-Map實現(xiàn)環(huán)境重構(gòu)，并提高其在煤礦環(huán)境下的重構(gòu)精度。算法可實現(xiàn)高精度的環(huán)境重構(gòu)，模擬場景地圖的多位置測量尺寸最大誤差絕對值為11.9 cm。

圖20 基于多源里程融合的井下無人駕駛自主導(dǎo)航SLAM方法框架

2024年，西安科技大學(xué)藺小虎團隊提出面向復(fù)雜地下空間的多源傳感器數(shù)據(jù)動態(tài)加權(quán)融合SLAM方法，面向復(fù)雜地下空間的多源傳感器數(shù)據(jù)動態(tài)加權(quán)融合SLAM方法框架如圖21所示。該方法采用了一種基于色調(diào)、飽和度、亮度空間的圖像增強技術(shù)，結(jié)合單參數(shù)同態(tài)濾波和對比度受限的自適應(yīng)直方圖均衡化算法，提升了地下空間圖像的亮度和對比度，增強了視覺里程計的穩(wěn)健性。態(tài)加權(quán)融合SLAM方法生成的點云地圖與參考點云地圖的3D偏差比較如圖22所示，結(jié)果表明：該方法最大軌跡均方根誤差僅為0.19 m，平均點云直接距離<0.13 m，構(gòu)建的點云地圖具有較好的全局一致性和幾何結(jié)構(gòu)真實性。

圖21 面向復(fù)雜地下空間的多源傳感器數(shù)據(jù)動態(tài)加權(quán)融合SLAM方法框架

圖22 動態(tài)加權(quán)融合SLAM方法生成的點云地圖與參考點云地圖的3D偏差比較

2024年，中煤科工集團重慶研究院有限公司高銘陽提出一種煤礦井下多傳感器融合定位與建圖算法，煤礦井下多傳感器融合定位與建圖算法框架如圖23所示。該算法由視覺里程計系統(tǒng)和激光SLAM系統(tǒng)2部分組成，激光SLAM系統(tǒng)基于特征點法激光SLAM框架，利用視覺里程計信息代替IMU預(yù)積分，并針對煤礦巷道結(jié)構(gòu)改進激光點云特征分類方法，優(yōu)化雷達幀間掃描匹配；在視覺里程計系統(tǒng)中設(shè)計異常處理機制，避免因點云特征退化定位失敗，算法能夠以圖像數(shù)據(jù)采集頻率優(yōu)化IMU參數(shù)，相較于純激光方法，其優(yōu)化頻率提高了2.5～3.0倍，因此IMU誤差累積更小，整體更加平順，煤礦井下多傳感器融合定位與建圖算法在某巷道結(jié)果與主流算法比較如圖24所示。

圖23 煤礦井下多傳感器融合定位與建圖算法框架

圖24 煤礦井下多傳感器融合定位與建圖算法在某巷道結(jié)果與主流算法比較

2024年，西安科技大學(xué)姚頑強團隊提出一種煤礦井下移動機器人激光雷達-視覺-慣性自適應(yīng)融合SLAM方法。自適應(yīng)融合SLAM方法框架如圖25所示。該方法對LiDAR點云數(shù)據(jù)進行聚類分割，提取線面特征，首先采用基于自適應(yīng)Gamma校正和對比度受限的自適應(yīng)直方圖均衡化（CLAHE）的圖像增強算法處理低照度圖像，提升圖像質(zhì)量；然后分別計算LiDAR、視覺、IMU位姿變化值，通過設(shè)定動態(tài)閾值來檢測前端里程計的穩(wěn)定性，自適應(yīng)選取最優(yōu)位姿；最后為兼顧精度與實時性，基于滑動窗口實現(xiàn)激光點云特征、視覺特征、IMU測量的多源數(shù)據(jù)聯(lián)合非線性優(yōu)化，實現(xiàn)煤礦井下連續(xù)可用、精確可靠的SLAM。在狹長走廊和煤礦巷道場景下進行試驗驗證，結(jié)果表明，所提方法在狹長走廊場景的定位均方根誤差為0.15 m，構(gòu)建的點云地圖一致性較高；在煤礦巷道場景中的定位均方根誤差為0.19 m，構(gòu)建的點云地圖可真實地反映煤礦井下環(huán)境，煤礦井下移動機器人激光雷達-視覺-慣性自適應(yīng)融合SLAM方法建圖效果如圖26所示。

圖25 自適應(yīng)融合SLAM方法框架

圖26 煤礦井下移動機器人激光雷達-視覺-慣性自適應(yīng)融合SLAM方法建圖效果

激光SLAM技術(shù)發(fā)展

針對上述討論，結(jié)合筆者的思考，接下來我國井工煤礦激光SLAM的發(fā)展應(yīng)該著重于以下4個方面。

（1）結(jié)合毫米波雷達等透塵霧傳感器，應(yīng)用于隨采隨掘場景，實現(xiàn)全天候的實時定位與建圖。

（2）針對井下特殊環(huán)境研究符合實際工況的特征提取與匹配算法，增加算法的魯棒性。

（3）結(jié)合視覺相機與深度學(xué)習(xí)，實現(xiàn)低照度、非結(jié)構(gòu)化場景下的魯棒定位與建圖。

（4）針對實際應(yīng)用場景優(yōu)化激光視覺SLAM技術(shù)，在效果、效率以及魯棒性上做出平衡。

結(jié) 語

井工煤礦關(guān)于激光SLAM的研究與應(yīng)用，僅限于巷道場景，對于隨采隨掘過程中的研究較少。因工作面設(shè)備較多，環(huán)境較為復(fù)雜，工作面強粉塵等場景對激光雷達和視覺相機的數(shù)據(jù)造成了極大影響，甚至在某些極端情況下完全無法進行數(shù)據(jù)采集。用于檢驗算法在井工煤礦應(yīng)用效果時，沒有統(tǒng)一的評測數(shù)據(jù)集，導(dǎo)致進行對比試驗時，只能通過在自己的試驗場景下已有成熟算法的比較，描述自身研究的先進性，無法與其他研究團隊的方案進行橫向比較，算法適應(yīng)性不足。

編輯丨李莎

審核丨趙瑞

煤炭科學(xué)研究總院期刊出版公司擁有科技期刊21種。其中，SCI收錄1種，Ei收錄5種、CSCD收錄6種、Scopus收錄8種、中文核心期刊9種、中國科技核心期刊11種、中國科技期刊卓越行動計劃入選期刊4種，是煤炭行業(yè)最重要的科技窗口與學(xué)術(shù)交流陣地，也是行業(yè)最大最權(quán)威的期刊集群。

期刊簡介

《智能礦山》（月刊，CN 10-1709/TN，ISSN 2096-9139）是由中國煤炭科工集團有限公司主管、煤炭科學(xué)研究總院有限公司主辦的聚焦礦山智能化領(lǐng)域產(chǎn)學(xué)研用新進展的綜合性技術(shù)刊物。

主編：王國法院士

刊載欄目：企業(yè)/團隊/人物專訪政策解讀視角·觀點智能示范礦井對話革新·改造學(xué)術(shù)園地、專題報道等。

投稿網(wǎng)址：www.chinamai.org.cn（期刊中心-作者投稿）

?? 征稿函詳見鏈接： 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

期刊成果：創(chuàng)刊5年來，策劃出版了“中國煤科煤礦智能化成果”“陜煤集團智能化建設(shè)成果”“聚焦煤炭工業(yè)‘十四五’高質(zhì)量發(fā)展”等特刊/專題30多期。主辦“煤礦智能化重大進展發(fā)布會”“煤炭清潔高效利用先進成果發(fā)布會”“《智能礦山》理事、特約編輯年會暨智能化建設(shè)論壇”“智能礦山零距離”“礦山智能化建設(shè)運維與技術(shù)創(chuàng)新高新研修班”等活動20余次。組建了理事會、特約編輯團隊、卓越人物等千余人產(chǎn)學(xué)研用高端協(xié)同辦刊團隊，打造了“刊-網(wǎng)-號-群-庫”全覆蓋的1+N全媒體傳播平臺，全方位發(fā)布礦山智能化領(lǐng)域新技術(shù)、新產(chǎn)品、新經(jīng)驗。

?? 具體詳見鏈接：《智能礦山》創(chuàng)刊5周年回顧

聯(lián)系人：李編輯 010-87986441

郵發(fā)代號：82-476

?? 期刊訂閱詳見鏈接：歡迎訂閱┃《智能礦山》雜志2026年訂閱開始了！

往期薦讀

• 會議議程┃關(guān)于召開煤炭無人化開采數(shù)智技術(shù)研討暨成果發(fā)布會的通知(2026年1月9—11日北京)

• 行業(yè)聚焦┃2025年礦山智能化建設(shè)運維與技術(shù)創(chuàng)新高級研修班成功在威海舉辦

• 行業(yè)聚焦┃2025智慧礦山技術(shù)創(chuàng)新與產(chǎn)業(yè)發(fā)展論壇（新疆）成功召開

• 行業(yè)聚焦┃2024年煤炭清潔高效利用智能化成果發(fā)布暨選煤廠智能化建設(shè)論壇順利召開

• 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

• 歡迎訂閱┃《智能礦山》雜志2026年訂閱開始了！

• 行業(yè)聚焦┃2024年煤礦智能化重大進展發(fā)布會成功召開

• 《智能礦山》創(chuàng)刊5周年回顧

• 王國法院士煤礦智能化觀點集錦

• 新書訂閱 ┃《中國煤礦智能化發(fā)展報告（2024年）》（王國法，劉峰 主編）

• 訂閱┃探秘太陽石的奧秘 呈現(xiàn)煤的真身：太陽石系列科普叢書重磅發(fā)售

往期特刊

中國煤科特刊

陜煤集團特刊

神東專欄

重大進展特刊

露天礦特刊

理事單位特刊

紅柳林煤礦特刊

創(chuàng)新技術(shù)特刊

創(chuàng)刊號

版權(quán)聲明

本刊對已出版文章持有電子版、網(wǎng)絡(luò)版及進行網(wǎng)絡(luò)技術(shù)交流和與各網(wǎng)絡(luò)數(shù)據(jù)庫合作的權(quán)利，稿酬一次性付清，版權(quán)歸本刊與作者共同所有，如不同意，請在投稿時聲明。

---

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請讀者僅作參考，并自行核實相關(guān)內(nèi)容。若對該稿件內(nèi)容有任何疑問或質(zhì)疑，請立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。