基于意識–情感–智能三位一體的煤礦供液過程控制

付翔，王然風

（太原理工大學 礦業工程學院，山西 太原 030024）

鐘義信[1-2]提出機制主義人工智能理論，將現行人工智能的結構主義、功能主義和行為主義三大流派有機地統一起來，使意識、情感、理智成為三位一體的關系。因素空間理論是機制主義人工智能理論的數學基礎[3]；泛邏輯學理論是機制主義人工智能理論的邏輯基礎[4]。該方法論得到模糊數學創始人L.A.Zadeh等參會學者的高度贊同。何華燦教授[5]評價該理論為一個全新的人工智能理論體系，與當今國內外普遍流行的人工智能理論體系[6-9]相比有全面提升。現有的煤礦工作面供液過程控制方法為：基于邏輯判斷的多泵聯動[10]和基于 PID[11]、模糊 PID[12-13]、Elman 網絡[14]的變頻恒壓，其控制效果并不理想，原因是其控制方法單一化、孤立化，智能方法論存在“深度上淺層化、廣度上碎片化和體系上封閉化”的重要缺陷[2]。因此，本文基于機制主義人工智能理論，擬采用意識–情感–智能三位一體的控制模型，實現對煤礦供液過程的智能控制。

1 供液系統及其智能控制模型

煤礦供液系統俗稱“工作面的心臟”，主要作用是為工作面液壓支架動作提供所需的高壓動力乳化液。供液過程控制是通過控制供液系統，與液壓支架協同，智能地為其輸出合理充足的動力。

1.1 供液系統硬件基礎與功能目標

供液系統的設備組成如圖1所示。

圖 1 供液系統裝備Fig. 1 The equipments of hydraulic fluid supply system

如圖1所示，供液系統采用多泵+多變頻組合的驅動方式，實現供液流量的多級+無級調節[15-16]。控制系統采用主從分布式控制方式，以防爆計算機作為智能層、以主控柜和分控柜作為控制層，實現控制任務多層化處理。通過分析井下支架實際運行中供液過程特征，基于機制主義人工智能理論，提出了供液過程智能控制目標：以“有序協調、穩壓提速、智能規劃”為指導理念，適應地為支架運行提供足量合理的高壓動力乳化液，其多層的智能控制目標如圖2所示。

由圖2可知，“有序協調”是基礎行為目標，既是供液系統的基本自動化功能，也是實現智能控制的基礎；“穩壓提速”是過渡智能目標，是供液系統的欠成熟智能化功能，在基本自動化基礎上為成熟智能化提供行為試探；“智能規劃”是全局智能目標，是供液系統的成熟智能化功能，通過欠成熟智能化生成的初步智能策略和基本自動化執行的初步智能行為，不斷閉環調整和優化策略，直至形成準確規范的智能控制策略。

1.2 供液系統智能控制模型設計

智能是在主體目的和知識的制約下由客體信息激發生長起來的，是信息生態演進過程的高級產物[17-18]，利用當前快速發展的軟硬件平臺，本文建立了供液系統的智能控制模型，如圖3所示。

圖3所示模型基于意識–情感–智能三位一體的思想，其供液系統智能控制的運行機制具體如下。

圖 2 供液系統多層智能控制目標Fig. 2 The intelligent control multilayer-target of hydraulic fluid supply system

圖 3 供液系統的智能控制模型Fig. 3 The intelligent control model of hydraulic fluid supply system

目標導控機制：目標是導控智能化功能和行為的基本條件。系統通過不同目標設計各個功能模塊，包括基礎行為目標(過程有序和系統協調)導控基礎意識模塊；過渡智能目標(穩壓供液預測)導控情感模塊；全局智能目標(支架與供液協同智能控制)導控理智與決策模塊。

知識驅動機制：知識是信息到策略的轉換依據。系統中各類知識分別驅動各自功能模塊，包括本能知識驅動感知–注意模塊功能(傳感數據選擇與生成)和基礎意識模塊功能(手動控制)；常識知識的先驗部分驅動信息轉換模塊功能(全信息狀態描述)，后驗部分知識驅動基礎意識模塊功能(有序協調控制)；經驗知識驅動情感模塊功能(穩壓供液預測)；規范知識驅動理智與決策模塊功能(支架與供液協同智能控制)。同時，各類知識在系統運行過程中實現知識內部生態循環。

信息轉換機制：信息轉換是智能創生定律的源頭[19]。系統中信息在各個模塊進行處理轉換，感知–注意模塊將傳感器信號轉換為語法信息(系統工程量數據)，信息轉換模塊將語法信息轉換成全信息(數據狀態、變化等特征量)；基礎意識模塊、情感模塊和理智模塊將語法信息、全信息轉換成不同智能水平的控制策略。同時，信息轉換過程中幫助知識發現與生長。

軟硬件平臺實現：軟件和硬件平臺是系統智能控制的實施形態。系統分為4個層次的軟硬平臺，包括設備環境層(傳感器與執行機構)、控制層(控制器與電氣回路)、智能層(計算機與計算軟件)、數據庫(數據存儲記憶硬盤與軟件)。

2 智能供液系統關鍵模塊功能設計

2.1 供液基礎控制

供液基礎控制的基礎意識模塊功能設計如圖4所示。供液基礎控制是智能供液基礎控制層的策略執行技術[20]。供液基礎控制的基礎意識模塊功能設計如圖4所示。

圖 4 供液基礎控制的基礎意識模塊設計Fig. 4 The design of basic consciousness module for hydraulic fluid supply base control

信息感知、注意和轉換：感知、注意(選取)系統的泵組運行、閥組開關等傳感器信號，以供液輸出流量Q為目標，轉換泵組運行數量Nc、閥組加載數量Nd、變頻差值Fc和fc、泵故障狀態P等語法信息。

邏輯判斷：依據本能和常識知識的邏輯規則，邏輯判斷語法信息IF條件，THEN結論。

策略生成與執行：依據本能知識的IF · ··THEN規則，生成基礎行為策略Sj，進一步轉換成執行動作。

2.2 穩壓供液預測

穩壓供液預測是指以支架具體的動作情況和壓力限制等條件為判斷依據，以提高支架動作速度和減少系統壓力波動為控制目標，預測生成穩壓供液流量。情感模塊用于設計實現支架動作過程的穩壓供液流量預測功能，以事先訓練好的BP-ANN為核心，接收神經網絡輸入變量信息，轉換并檢驗網絡的輸出。穩壓供液預測技術的情感模塊功能設計如圖5所示。

信息感知、注意和轉換：利用感知–注意模塊和信息轉換模塊，將卸載壓力pu、加載壓力pl、支架系統的運行聯動規則Rule、當前支架動作狀態Act等信息轉換為支架動作數量N、出液作用面積Aout、進液作用面積Ain等支架動作特征量，作為BP-ANN的輸入信息。

圖 5 穩壓供液預測的情感模塊設計Fig. 5 The design of emotion module for fluid feeding prediction with steady pressure

BP-ANN預測輸出：分析處理歷史數據訓練生成BP-ANN，通過上述信息輸入網絡，預測輸出穩壓供液流量系統使用率SR。鑒于支架動作的間歇性特點，設計BP-ANN輸入開關，根據工況判斷網絡是否工作。此外，為適用于系統控制，對BP-ANN輸出系統使用率SR去歸一化處理，數學轉換為穩壓供液流量Qp。

策略可行性檢驗：以系統故障狀態和供液流量能力為依據對Qp進行可行性檢驗，以決定情感策略或抑制、或輸出、或調整后輸出。

2.3 支架與供液協同智能控制

支架與供液協同智能控制是結合支架跟機工藝、液壓系統壓力工況等條件，實現支架跟機提速和穩壓供液的多目標協同控制。理智與決策模塊設計實現此功能，其功能設計如圖6所示。

信息感知、注意和轉換：利用感知–注意模塊和信息轉換模塊，將實時的液壓支架傳感信息轉換生成描述液壓支架和供液系統特征的狀態全信息[20]。

圖 6 支架與供液協同智能控制的理智與決策模塊設計Fig. 6 The design of intelligent and decision module for cooperative intelligent control of supports and fluid supply

效果評價與策略調節：評價和微調情感模塊輸出的預測供液策略Qq精度，生成更準確的穩壓供液策略Qp。

策略規劃：核心環節，以支架跟機提速和穩壓供液多目標導控，合理選擇極速模式或優化模式，實現策略規劃。

規范知識應用與理智策略生成：輸入的全信息匹配規范知識生成相應策略，初期的知識庫可能較為缺乏，但隨著系統的不斷執行，規范知識庫越來越完善。

智能策略決策與輸出：由綜合決策模塊驅動，判斷策略輸出的優先級，優先級由高到低為：Ql(理智供液策略)→Qa(調節供液策略)→Qq(情感供液策略)。

3 供液系統智能控制技術實現

供液系統控制層通過Profibus-DP通訊網絡組建成PLC控制器分布式架構，PLC控制器中的功能程序是基礎意識模塊的技術形態，其分布式架構如圖7所示。

圖 7 分布式控制層架構Fig. 7 Distributed control layer architecture

智能層以防爆計算機為平臺，利用以太網通訊搭建硬件之間的通信物理層，利用OPC技術制定軟件之間的數據接口標準，實現智能層與外界的數據交互，接收控制層或支架系統的輸入信息，經過MATLAB等算法軟件處理后生成控制策略，并下達控制層執行。依據上節的情感模塊、理智與決策模塊的功能設計，在Simulink建立控制模型如圖8、9。

圖 8 穩壓供液的情感模塊Simulink模型Fig. 8 The Simulink model of emotion module for stabilized pressure supply

圖 9 智能供液控制的理智與決策模塊Simulink模型Fig. 9 The Simulink model of intelligent and decision module for intelligent supply control

4 現場實施與效果評價

上述智能供液系統于2016年12月在潞安集團王莊煤礦8110綜采工作面進行了工業性試驗。智能供液系統部分設備與監控畫面如圖10所示。

圖 10 智能供液系統部分設備與監控畫面Fig. 10 The monitor screen and partial equipment of intelligent liquid supply system

該智能供液系統安裝在皮帶順槽，距離工作面100～200 m，現場以太網通信和OPC接口技術實現供液系統與工作面控制中心和地面監控系統的數據交互，如圖11所示。

系統組建和調試完成后進行工業性試驗，設計3組支架運行方案，其參數如表1所示。

表1中，采煤機設定以速度vc勻速割煤，方案1為采煤機低速割煤，單臺支架跟機運行；方案2、3為采煤機高速割煤，多臺支架同時跟機運行。依據方案控制支架跟機運行，操作供液系統，分別執行手動控制(額定流量供液)和智能控制(支架與供液智能協同)進行對比試驗。可得3組方案手動控制與智能控制對比結果如圖12～14、表2所示。

由圖12～14和表2可知，相比于手動控制，智能控制實現適應支架4種動作類型的供液流量優化調整，自適應輸出3種供液策略。支架跟機動作第1次循環系統缺乏效果反饋數據，輸出情感供液策略Qq作為初次嘗試；第2～3次循環系統根據壓力數據進行反饋微調，輸出調節供液策略Qa優化壓力工況；第4～5次循環系統自適應選擇極速或優化模式，經過多目標策略規劃，輸出理智供液策略Ql實現滿足支架跟機提速和壓力穩定的智能供液。

圖 11 系統數據交互調試Fig. 11 Debugging of system data exchange

表 1 液壓支架跟機運行的工業性試驗方案Table 1 The industrial test scheme of hydraulic supports following operation

圖 12 手動控制與智能控制過程壓力對比方案1 Fig. 12 Comparison of process pressure for manual control and intelligent control (case 1)

圖 13 手動控制與智能控制過程壓力對比方案2 Fig. 13 Comparison of process pressure for manual control and intelligent control (case 2)

圖 14 手動控制與智能控制過程壓力對比方案3Fig. 14 Comparison of process pressure for manual control and intelligent control (case 3)

表 2 手動控制與智能控制試驗數據對比Table 2 Comparison of test data for manual control and intelligent control

整個系統控制過程的運行機制以意識–情感–智能三位一體為理論基礎，自適應調整優化控制策略直至滿足工況要求，生成、記憶、生長、調用各類知識，最終滿足系統智能穩定運行。可見，該系統提高了煤礦供液系統的智能化水平。

5 結束語

本文提出了以“有序協調、穩壓提速、智能規劃”為理念的逐級智能供液控制目標，依據機制主義人工智能理論的意識–情感–智能三位一體思想，設計了智能供液控制模型及關鍵模塊功能，研發了工作面智能供液系統并進行了工業性試驗，并取得理想的效果。本論文研究成果對于提高煤礦供液系統智能化水平，對實現智能化開采具有重要意義。