为解决传统选煤厂中心化通信架构传输时延、可靠性、带宽及扩展性差的问题，研究了边缘计算技术在选煤厂通信场景的适配性，构建了基于备层、边缘计算层、应用管理层架构体系，并设计各层核心功能与运行机制。该架构将数据处理能力下沉至网络边缘，实现了选煤生产数据就近采集、处理与分析，降低了数据传输时延，提升了通信网络的可靠性与灵活性；通过多协议兼容、设备标准化管理等设计，解决了传统架构带宽受限、设备接入繁琐的问题，满足实时响应选煤生产现场的工艺调整与故障预警需求，为选煤厂智能化生产的通信保障提供了可行的技术方案。

选煤厂智能化转型对数据的实时处理与高效传输提出了更高要求。然而，传统选煤厂依赖中心化架构的通信模式存在诸多问题。一方面，数据需长距离传输至中央数据中心，传输时延显著明显，时延难以满足实时监测与工艺调整的需求。在复杂多变的工业环境中，信号干扰与信道拥堵进一步加剧了通信的不稳定性，数据时延、丢包甚至中断现象时有发生，严重影响了生产的安全性与效率。另一方面，现有网络带宽有限，难以承载数据量的指数级增长，网络拥堵成为制约数据传输效率的突出问题。此外，传统架构在扩展性方面也存在明显不足，难以灵活适应选煤厂生产规模扩大所带来的通信需求增长。更为关键的是，传统模式在实时性、可靠性和灵活性上的欠缺，使得其难以快速响应生产现场变化，无法有效优化通信资源分配和传输路径。

在此背景下，边缘计算技术为选煤厂通信架构提供了新思路。通过将数据处理和存储能力下沉至网络边缘，边缘计算技术能够显著降低数据传输时延，实现对选煤过程的实时监控与调整。低时延与高响应速度的特性，使得关键数据如设备状态能够得到快速处理，提升生产效率与安全性。同时，边缘计算技术通过减少对远程数据中心的依赖，可有效降低数据传输与存储成本，增强数据的安全性与合规性。基于 KubeEdge 的边缘计算平台架构，通过边缘侧的数据处理与智能分析，可为选煤厂的智能化转型提供强有力的技术支撑。

01、选煤厂传统通信架构分析

1.1 生产流程、调度和通信需求

选煤厂的生产流程涵盖原煤破碎、筛分、洗选、脱水及干燥等多个关键环节，各环节高效协同依赖于调度系统。然而，传统通信架构存在数据传输时延、可靠性不足等问题，难以满足智能生产的高实时性、高可靠性和高灵活性需求。在智能生产调度中，核心需求包括以下3个方面。

（1）实时性

选煤厂生产现场环境复杂多变，设备状态、工艺参数等关键信息需要实时传输和处理，以确保调度系统迅速响应现场变化。例如，在原煤破碎环节，对破碎机的运行状态、振动数据等实时监测，及时发现设备故障或异常情况，避免生产中断或安全事故的发生。传统通信架构中，数据需要经过长距离传输至中央数据中心进行处理，存在明显时延，无法满足实时性要求。

（2）可靠性

选煤厂生产现场存在多种干扰因素，如电磁干扰、机械振动等，都可能影响数据传输的可靠性，导致数据丢失或错误。传统通信架构在可靠性方面存在不足，难以满足选煤厂智能生产对数据准确性和完整性的要求。

（3）灵活性

选煤厂的生产调度需要根据实际情况进行动态调整，要求通信网络具备高度灵活性，适应动态调度需求，优化通信资源分配和传输路径。传统通信架构在灵活性方面存在局限，难以实现通信资源的动态配置和优化。

因此，引入边缘计算成为提升选煤厂智能化水平的关键。边缘计算通过将数据处理能力下沉到网络边缘，实现数据的就近处理和分析，降低数据传输时延，提高数据传输可靠性。在选煤厂中，边缘计算可以应用于原煤破碎、筛分、洗选、脱水及干燥等各生产环节，通过部署边缘设备，实时采集和处理生产现场数据，实现设备实时监测和故障预警，提高生产效率和产品质量。

1.2 传统中心计算模式的弊端

当前选煤厂在推进智能化生产过程中，云中心计算模式下的通信体系面临诸多严峻挑战，主要体现在以下2个方面。

（1）实时性与可靠性不足

选煤厂生产环境复杂且动态变化频繁，存在信号干扰、信道拥堵等状况。在云中心计算模式下，数据需远程传输至中心服务器进行处理，易导致通信不稳定，进而引发数据时延、丢包甚至通信中断等问题，严重影响了调度系统对生产现场变化的实时响应能力，无法满足选煤厂对高效、精准生产调度的需求。

（2）带宽与扩展性受限

随着选煤厂智能化水平的不断提升，生产过程中产生海量数据，云中心计算模式所依赖的现有网络带宽有限，难以承载海量数据流量，易造成网络拥堵，降低数据传输效率。

02、边缘计算系统构架及优势

边缘计算为分布式计算架构，将计算、存储以及网络服务从中心节点迁移至网络边缘节点进行处理，让数据处理在靠近数据源头处进行，以此实现降低时延、提升响应速度以及节省带宽的目标，并增强系统可靠性和安全性，实现高效数据采集、处理和响应，为系统提供边缘计算能力。边缘计算架构具有以下4个方面的优势，KubeEdge构架如图1所示。

图1 KubeEdge构架

（1）边缘计算实时数据处理与分析，将数据处理和存储更靠近数据源的位置，即设备或终端，减少了数据传输，时延。

（2）实时数据采集、处理和分析能够实现对选煤过程的实时监控和调整，提高生产效率，降低资源浪费。

（3）边缘计算的低时延与高响应速度，减少数据传输的时间，实现了快速响应，在选煤厂中，快速响应可以及时发现和处理潜在的安全隐患，避免生产中断和事故发生。

（4）边缘设备在网络连接不稳定的情况下继续工作，提高了系统的可靠性，确保生产过程的连续性和稳定性。

在选煤厂的实际应用场景中，KubeEdge 是边缘计算领域的关键技术实现之一，与边缘计算架构紧密相连，是边缘计算理念在实际应用中的有效落地工具，KubeEdge集中化管理 海量边缘设备（如各类传感器、控制器等），增强了边缘侧智能处理能力以及实时响应速度。

03、边缘计算设备层

边缘设备层是边缘计算架构的最底层，也是数据采集源头，包含选煤厂中各类数据源设备，如振动传感器、流量计、压力传感器、煤质分析仪、摄像头、工业控制器等，采集生产过程中设备运行状态（如破碎机的振动数据、电流电压）、工艺参数（如筛分机的筛网振动频率，洗选过程中的煤质参数如灰分、硫分）、环境参数（如温度、湿度）等数据。在设计此层时，满足不同类型设备数据方便地接入边缘计算系统，并保证数据采集的准确性和实时性，适应数据量大、类型各异、传输过程可能丢失数据的特点。为实现不同选煤厂设备的兼容接入，边缘设备层采取了以下3类措施。

（1）支持多种通信协议

满足MQTT、HTTP等不同类型的设备，根据特性和需求选择合适的通信协议接入系统，提高设备的兼容性和接入灵活性。

（2）设备模型定义与注册

为每种类型的设备定义详细的模型，包括设备属性（如设备型号、安装位置）、方法（如数据采集频率、数据上报方式）、事件（如设备故障报警、参数越限）等，并将定义好的设备模型注册到边缘计算平台的设备管理组件中，实现设备的接入和管理。

（3）接口映射与标准化

使用接口映射组件（如KubeEdge中的Mapper）将设备的物理接口（如串口、网口等）转换为逻辑接口，实现设备接口的标准化和统一管理，满足不同厂商、不同型号的设备以统一方式接入边缘计算系统。

为了确保数据采集的准确性和实时性，边缘设备层部署了高精度传感器和测量设备，确保采集到的数据能够准确反映生产现场的实际情况。利用边缘计算技术（如KubeEdge的EdgeCore）在数据源附近进行实时数据处理和分析，减少数据传输时延，提高数据处理效率，确保数据采集的实时性。边缘计算对数据进行初步清洗和过滤，提高数据准确性，选煤厂边缘设备层接入流程示意如图2所示。

图2 选煤厂边缘设备层接入流程示意

04、边缘计算的计算层

边缘计算是核心处理单元，靠近数据源设备部署，具备一定的计算、存储和网络能力。边缘节点接收来自设备层的数据，并根据预设的规则进行初步数据处理和分析，减少传输到中央数据中心的数据量，边缘节点还可以缓存部分重要数据，以应对网络故障等突发情况，保证数据的连续性。

4.1 EdgeCore 分析

在KubeEdge架构中，EdgeCore为执行核心边缘计算任务的关键角色。针对选煤厂的应用场景，KubeEdge专项改进与优化了传统的通信架构，以确保EdgeCore更好地满足选煤厂的生产需求。

（1）设备接口映射与接入管理的强化

与传统通信架构主要关注数据源接入的方式不同，KubeEdge需要直接接入选煤厂的各类设备以采集实时数据。因此，EdgeCore中新增了设备接入管理组件，该组件具备以下2类功能。

（a）设备模型创建与维护

创建并维护涵盖选煤厂各类设备的详细模型，包括破碎机、筛分机、洗选设备、脱水机、干燥机等关键生产设备。设备模型包含了设备的属性（如设备型号、安装位置）、方法（如数据采集频率、数据上报方式）、事件（如设备故障报警、参数越限）等信息，确保设备信息的完整性和准确性，为设备管理提供坚实基础。

（b）设备状态同步

KubeEdge通过DeviceTwin组件存储设备状态，并将设备状态同步到云端，确保云端和边缘侧设备状态一致，用户可以在云端实时监控和管理边缘设备。

（2） 引入事件总线（EventBus）

在选煤厂生产环境中，设备间的数据交互至关重要，为此，EdgeCore引入了EventBus作为事件总线。通过引入EventBus，KubeEdge增强了设备间数据交互的可靠性和实时性，为选煤厂的生产管理提供了有力支持。EventBus在KubeEdge系统中解决了以下3类问题。

（a）解耦设备通信

通过发布/订阅模式，解耦设备之间的直接通信，设备间的消息传递更加灵活和可扩展。

（b）主题订阅与发布

支持设备发布和订阅特定的主题，便于在设备之间传递与选煤生产相关的消息和事件。

（c）消息缓存与可靠传递

提供消息缓存功能，确保在设备离线或网络不稳定时，消息仍然能够可靠传递。

4.2 边缘计算平台组件功能

在分析EdgeCore中的Mapper、EventBus等组件的基础上，边缘计算层在选煤厂应用中的关键组件功能包括以下3个方面。

（1）接口映射组件

将选煤厂设备的物理接口转换为逻辑接口，确保设备数据能够按照预定的逻辑进行处理和传输。

（2）设备管理组件

设备管理组件完成设备的接入、管理、监控和配置，确保选煤厂设备的正常运行和数据采集的准确性。

（3）事件总线（EventBus）

事件总线是设备之间的通信桥梁，实现消息的发布、订阅和缓存，确保设备间数据交互的可靠性和实时性。

针对选煤厂多设备协同作业的场景，边缘计算层还需配置时钟同步组件，提供消息时间戳等功能，确保多设备之间协同作业时操作顺序和执行时间的同步一致性，进一步提高生产效率和安全性。选煤厂边缘计算架构如图3所示。

图 3 选煤厂边缘计算架构

4.3 边缘侧计算模型

（1）实时数据分析模型

深入分析边缘设备采集的实时数据，提取设备状态监测、工艺参数优化等有价值信息，通过统计分析识别数据中的模式、趋势和异常，为生产调度和决策提供支持。

（2）预测性维护模型

预测性维护模型利用历史数据和实时数据，结合算法预测和诊断设备故障。该模型能够学习设备正常运行和故障状态下的数据特征，提前识别潜在的故障风险。

（3）优化调度模型

优化调度模型根据生产现场的实时数据和工艺要求，动态优化调度生产流程。该模型能够综合考虑设备状态、物料供应、市场需求等因素，通过算法优化生产计划，实现资源的最大化利用。

05、边缘计算的应用管理层

在选煤厂的应用场景中，考虑到操作便利性和系统管理的集中性，应用管理层被部署在集控室，集控室作为选煤厂的生产指挥中心，方便操作人员实时监控和管理生产过程。为了平衡操作便利性与“边缘”理念的要求，采取以下2个方面的优化措施。

（1）通过优化网络架构，采用高速、低时延的网络技术，确保数据能够快速、稳定地从生产现场传输到集控室的应用管理层。

（2）提高边缘计算能力，将部分数据处理和分析任务下沉到更接近数据源的边缘节点。在边缘节点完成部分实时性要求较高的数据处理任务，减少传输到集控室的数据量，降低整体时延，提升系统响应速度。

在选煤厂的应用场景中，边缘计算平台的应用管理层主要承担以下核心功能。支持MES系统与边缘设备的交互，应用管理层接收并处理来自MES系统的调用请求，对选煤设备的远程监控（如查看设备运行状态、工艺参数）、参数调整（如调整设备运行参数、优化工艺流程）、故障诊断（如分析设备故障原因、提供维修建议）等操作。例如，在破碎环节，MES系统通过ServiceBus向EdgeCore发送1个请求，调整破碎机的振动频率，以优化破碎效率。应用管理层还能将边缘设备的实时数据（如设备运行数据、工艺参数、煤质数据等）反馈给MES系统，确保信息的准确传递，为MES系统的生产调度、质量追溯、能效分析等功能提供数据支持。选煤厂边缘计算通信架构部署流程如图4所示。

图4 选煤厂边缘计算通信架构部署流程

06、总 结

（1）基于边缘计算的选煤厂通信架构设计，采用边缘计算技术解决了选煤厂通信和数据时延问题，通过在边缘节点的数据采集、处理和分析，实现了对选煤过程的实时监控和调整，提高生产效率和产品质量。

（2）数据在本地处理减少了数据在网络中传输风险，增强了数据安全性，保护了企业的敏感信息。边缘设备可在网络连接不稳定的情况下工作，提高了系统可靠性，确保了生产过程的连续性和稳定性。

（3）边缘计算技术具有降低运营成本、提高安全性与合规性以及增强系统可靠性等多重优势。边缘计算减少了数据传输和存储成本，为企业节省大量的运营成本。

文章来源：《智能矿山》2026年第3期“选煤厂智能化建设成果专栏”

作者简介：梁帅，助理工程师，主要从事选煤厂智能化、自动化的软件开发相关研究工作。E-mail：1303263396@qq.com

作者单位：中选智控（天津）科技有限公司

引用格式：梁帅.基于边缘计算的选煤厂通信架构设计 [J]. 智能矿山，2026，7（3）：76-81.