匡亚莉

中国矿业大学二级教授、博士生导师、全国模范教师

中国矿业大学智能研究院智能选矿首席专家，煤炭行业智能选煤工程研究中心专家技术委员会委员。2024年，年逾70周岁被行业评审认定为“煤矿智能化卓越专家”。

从20 世纪90 年代开始从事选煤厂数字化与智能化建设，至今已经35 年。她率先主笔《选煤厂智能化建设通用技术规范(T/CCT005.1—2020)》，成为选煤智能化的纲领性文件，主持建设国能准能集团有限责任公司及国家能源集团乌海能源有限责任公司的“选煤厂标准数据平台”“重介浅槽智能洗选系统的研究”等智能化项目20 余项，研究了选煤核心环节智能化，包括智能重介、智能跳汰、智能煤泥水、智能决策以及选煤标准数据平台，创建并实施了选煤过程智能化核心技术体系。

01、从煤海来 到矿山去

1954年7月，匡亚莉出生于北京，4岁随在煤炭部机关工作的父母前往河南省平顶山市参加新矿区开发，自此与煤炭结缘。小学时，她周末跟随加班的父亲到矿上参观；中学时，周末参加下井劳动，熟识了炮采工艺、冒顶前兆、煤壁片帮、采空区来水等现象。

1977年，作为插队知青，5年来，一直坚持自学的匡亚莉迎来了人生的重要机遇，考入了四川矿业学院（中国矿业大学的前身）选矿专业学习。毕业后留校任教，成为辅导员、班主任，后转岗专业课教学。

1993年，随着信息技术的发展，匡亚莉开始将计算机技术应用到教学中，带领团队开发教学软件，在课堂得到了学生的认可并获得诸多荣誉，曾荣获国家级教学类奖项5项、省部级教学奖励16项，省部级以上荣誉称号9项。匡亚莉教授的科研方向为选煤厂数字化与智能化的基础研究与应用研究，承担相关专业方向的国家自然科学基金、国家科技支撑计划以及横向合作项目60余项。匡亚莉教授是选矿专业毕业，研究方向却是信息技术应用，她边干边学，深入学习了计算机语言、自动控制理论、数据库、人工智能等交叉学科基础知识。多年来，她的寒暑假都是在计算机房、工程现场，或者是在出差的路上度过。

2018年，匡亚莉教授64岁退休，迎来了煤矿智能化的发展大潮，她立刻投身其中，将自己30多年的科研成果转化为选煤厂智能化的生产力，与中国煤炭加工利用协会及头部企业一起，牵头进行选煤智能化顶层设计、制定标准、企业工程示范等。

从2019年开始，匡亚莉教授带领团队进驻国家能源集团乌海能源有限责任公司、国能准能集团有限责任公司等企业，承担选煤厂智能化示范点建设。在各类技术交流会议报告60余场次，2024年被行业评审认定为“煤矿智能化卓越专家”。

02、创新为剑 攻克智能控制关键核心技术

煤矿开采的毛煤的68%进入选煤厂，生产出满足用户要求的产品，取得更大的经济效益。因此选煤厂是煤矿效益最大化的关键所在，实现选煤厂的智能化可提升煤炭企业的生产效率与效益。

为了实现上述需求，匡亚莉教授带领团队进行了长达7年的努力，系统攻关选煤关键环节智能化。系统研究了核心工艺环节智能控制、数据标准化、智能决策，形成了较为完整的选煤核心过程智能化技术体系：建设标准→数据体系→机理模型体系→工程实施技术体系→运维技术体系。

2.1 顶层设计-选煤厂智能化建设团体标准建设

选煤厂智能化建设初期，突出问题是没有先例可循，没有标准可依。

匡亚莉教授首先解决顶层设计的问题，在中国煤炭加工利用协会支持下，牵头主笔，经过2年多的努力，于2020年10月发布了团体标准《智能化选煤厂建设通用技术规范 C/CCT 005.1—2020》。“规范”首次提出选煤厂智能化建设的完整架构、建设内容和要求，成为全国选煤厂智能化建设的指导性文件。

2.2 打牢基础-铸造选煤通用数据底座

选煤厂智能化建设中，参与供应商较多，产生大量数据孤岛，数据难以共享。

匡亚莉教授带领团队与选厂技术人员通过4年的努力，首次构建了行业通用的选煤厂全景数据标准化技术规范，首次实施了大型选煤厂全景式的选煤数据治理工程，并构建了选煤厂数据标准化管理平台，实现了可定制的数据实时查询与便捷共享。

该技术已经在6座选煤厂应用，其中“准能集团公司大型选煤厂两级标准选煤数据库及其管理系统”入选国家能源局“煤矿智能化建设先进典型案例（2023）”第73号。

2.3 敢为人先-攻克智能跳汰系统

跳汰分选工艺流程简单，可实现1.9 g/cm3以上高密度分选。但由于人工操作点多、控制参数多且关联性强，成为业内公认的控制难题。

匡亚莉教授带领团队攻克了该难题，创新研究出多项新技术及装备。

（1）高维高频数据采集系统包括：单机流量

1 200 m3/h流体中的桥式动态精煤采制化系统，中煤及矸石斗提机双目视觉计量系统，单机浮标、闸门、压力、流量等14点×10次/s的高频数据实时采集。

（2）多模态数据融合的跳汰分选过程工况分析与产品质量在线调控系统，实现了从入料到产品的全过程智能控制。

（3）多回路协同故障预警与响应系统包括：斗提过载、参数不达标、床层压实与翻花、卡闸门与卡浮标等多项预警与控制。

上述成果鉴定为国际领先水平，跳汰机控制问题梳理与研究内容软件架构如图1所示。

图1 跳汰机控制问题梳理与研究内容软件架构

2.4 系统思维-打造“完整”的重介浅槽智能控制系统

重介分选以其分选精度高而得到广泛应用，但智能化程度难以提高。关键问题包括2个方面：控制密度靠人工设定、大部分供应商只做了密度控制环节。重介系统控制的核心点是密度控制，但其影响因素包括：给料、给水、加介、介质回收等，都会影响密度及整个生产系统的稳定。匡亚莉教授以系统思维解决了2个关键问题。

（1）首次构建了基于原煤性质和产品质量在线适配的“前馈+反馈”密度智能给定系统。

（2）系统构建了介质密度与入料、喷水、稀介桶位等的关系模型，实现重介分选过程多目标多回路协同控制。

“重介浅槽工艺智能洗选系统的研究与应用”项目成果鉴定为国际先进，重介浅槽智能控制示意如图2所示。

图2 重介浅槽智能控制示意

2.5 数据驱动-打造选煤智能决策系统

智能分析与决策系统是智能化建设核心，但目前部分展示方式为报表和趋势图/直方图等，尚未实现真正决策。

匡亚莉教授团队应用标准数据平台的全景数据，从选煤厂管理需求出发，研究了智能决策系统，取得初步成效。

（1）建立基于选煤专业评价体系的智能分析与决策系统，创建了评价标准体系和计算工具。

（2）构建多功能、多因素、多环节的全过程决策模型，实现了选煤厂生产运行与经营管理全过程的聚类分析评价，及控制指标双循环多重智能决策。

03、坚守基层 攻克难关

3.1 实践难题1：选煤厂全景数据标准化管理的创新研究

提到数据治理，某煤矿军团技术总监提出2条路线：一是分块试点推进，二是顶层设计全景式治理。前者的缺陷是仍然会产生数据孤岛，后者的难点是工作量巨大。

匡亚莉教授选择的是后者，她熟悉选煤全过程和选煤数据全景。年近70岁的她整理30年来参加计算机编程的经验，从头学习数据治理的理论和方法，梳理出平台架构与实施步骤，并同选煤厂各部门车间广泛讨论，每个车间抽调2个人专门整理数据。

经过1年的努力，团队整理在线监测与控制数据近5万点。又经过2年的通用字典优化、数据标准化（先后整理8版数据结构模型）、元数据梳理、通用接口研究、编程实施，建成近70 000数据点的全景数据目录，最终顺利将选煤标准数据管理平台上线，成为智能化项目的亮点。在工程实践的基础上，已立项相关选煤数据标准化团体标准3项、行业标准2项。

3.2 实践难题2：淘汰机智能控制实践

“跳汰机智能洗选的研究及应用”是匡亚莉教授团队在国能准能集团承接的第1个智能化试点研究项目。跳汰机控制的难点是影响因素多、检测数据量大，需要解决的问题可以归结为4类：检测仪表的选择与创新研制（每台跳汰机42个检测量）、控制策略（变量12个）、故障诊断与解决及整个系统的协同控制。

为了解决此类问题，匡亚莉教授带领团队在车间里，熟悉跳汰机工作过程、调研操作人员的经验和系统的运行特点，直到自己能操作跳汰机系统。

在此基础上，匡亚莉教授带领团队构建了淘汰机智能控制架构，开发出专用在线采样设备与煤质检测系统、斗提机带料量实时检测系统、浮标在线配重及控制系统、水下风压检测系统，以及各种控制模型、控制与计算软件，实现了跳汰过程的智能控制。

跳汰系统的智能控制实践是典型的理论结合实际的创新案例。跳汰分选理论研究有100多年的历史，但真正用于淘汰机智能控制的实践，尤其是全过程的控制，尚属首次。

在研制跳汰机精煤采样过程中，设备的概念设计反复3次，实施过程中又进行了多次修改；斗提机的计量经过了激光、双目、三目摄像的选型；浮标配重经过4次不同版本的尝试；给料量的标定试验、测灰仪的标定实验，都经历了理论研究转换为工程实践的摸索过程，最终，跳汰机智能控制系统实现正常使用，并通过行业鉴定，达到国际领先水平。

3.3 实践难题3：系统稳定运行

匡亚莉教授经常被问道，为什么在现场住那么长时间？

匡亚莉教授的回答是：因为是第1次选煤厂智能化研究，把人类思维转换成控制系统并常态化运行，需要解决的问题有很多。从2019年承接第1个试点项目开始，匡亚莉教授就一直坚守现场。别人劝她说，你指挥一下，让年轻人干就行了。可她觉得自己都没第一手资料，怎么有底气指挥别人呢？

研究成果上线调试时，连续几个月，在车间跟班到深夜。“北方的寒冬，温度低至-20 ℃，夜晚23点从厂房出来，瞬间就像掉进了冰窖，这种滋味难以忘怀”匡亚莉教授说到。

项目最紧张的3年内，匡亚莉教授在选煤厂年均驻厂8个月。目前已经年逾70岁，仍然坚持在选煤厂生产一线，持续优化项目的技术细节，寻找下一步要解决的问题。至2025年11月统计，各主要分选环节的智能模块稳定运行时间达80%以上，匡亚莉教授在选煤厂现场工作如图3所示。

图3 匡亚莉教授在选煤厂现场工作

04、团队管理 榜样引领

匡亚莉教授深知自己终将会退出历史舞台，尽快将可能做到的事情做完第一遍，然后交给年轻人，培养团队是她的责任。

在整个项目过程中，团队的多名青年教师一直全程参加，并各自主管项目的一部分。通过现场项目实施的过程，多名青年教师分别在分选过程智能控制、煤泥水系统智能控制、智能管理与决策、数据标准化4个方向，成为有理论、有实践经验的技术带头人。青年教师在项目研究的同时，先后同时带领20多名研究生参加了项目，取得了在现场实施系统扎实的实践经验。

匡亚莉教授对现场技术人员、集控操作人员进行专业知识实时培训，跟班调试并同步讲解。全厂20多名集控员，与匡亚莉教授分享操作经验和程序修改意见，匡亚莉教授与现场技术人员交流如图4所示。

图4 匡亚莉教授与现场技术人员交流

2024年，匡亚莉教授在煤矿一线度过70周岁生日。她的研究生及家属40余人赶来为其祝寿，大家都被匡亚莉教授的研究成果折服，为她70高龄仍坚守生产一线的精神感动，也为自己曾经跟随老师一起研究的成果得到应用而感到自豪。

05、智能矿山未来发展

5.1 智能矿山发展存在的问题

总结智能矿山发展存在的问题和经验教训，匡亚莉教授认为部分已经建设的智能系统未达预期的原因包括以下2个方面。

（1）已建系统存在致命缺陷，例如智能系统缺乏很好地与工艺系统契合、硬件支撑、安装后调试不到位等。

（2）认知差异也是造成智能化程度未能达到预期的原因之一。第一轮建设主要完成了自动化升级与数字化工作，智能化做了部分尝试，解决现场实际问题的效果有限。

5.2 发展措施

针对上述问题，匡亚莉教授认为要采取的措施包括2个方向。

（1）巩固与迭代优化现有成果

认真查找影响已建成系统常态化运行的原因，对症解决问题。所有安装的硬件系统应认真调试，重载连续运行，查找并解决问题直至正常使用。不成熟的技术和设备应优化迭代，寻找或研究更成熟的技术，推动技术进步。部分工艺系统的问题不是靠智能化解决的，需要升级工艺系统。

（2）持续创新提升智能化水平

加快建设企业全景标准化数据体系，目前所做的数据治理大部分为局部治理，仍存在数据孤岛，无法为后续的大模型建设提供全方位的数据支持。针对具体业务功能建设专业语料库与专家知识库，为大模型做准备。依靠选煤专业知识进行控制与决策模型建设，建立基于知识的小模型集群，然后通过系统整体目标的实现，整合为专业大模型。

匡亚莉教授认为应从解决生产实际问题出发，发展新的智能生产力，逐步提高智能化比例，直至完全智能化。

文章来源：《智能矿山》2026年第4期“专访”专栏