基于液壓支架自主跟機邏輯的移架時長參數設定及動態優化

李 昊，柴保明，翟大磊

（1．中國礦業大學（北京）機電與信息工程學院，北京100083；2．中國煤炭科工集團 北京天地瑪珂電液控制系統有限公司，北京100013；3．河北工程大學 材料工程學院，河北 邯鄲056038）

自動化采煤技術能夠大幅度的提高煤礦開采效率，降低煤礦開采的成本消耗，為煤礦開采行業帶來的技術革命。液壓支架電液控制系統及其自主跟機控制的應用、與采煤機記憶截割控制的應用一起被視為是綜采工作面實現自動化的標志之一[1-2]。液壓支架自主跟機是依靠預先設定程序，使液壓支架自動完成降、移、升等多個動作順序，而在這個過程中，判斷動作是否完成（到位）是由傳感器和時間雙參數冗余控制的，傳感器數值為優先判斷條件，當達到設定的閾值時，自動結束該過程，時間參數為動作保護值，在傳感器失效時，或由于外部因素導致動作不到位、傳感器檢測值不能達到設定的閾值，則需要判斷動作執行時長，達到規定時長時也要結束該動作，否則將會影響下一個液壓支架的跟機動作[3]。因此，傳感器和時長雙參數的設定，是液壓支架自主跟機邏輯中的核心內容之一，同時，由于傳感器的精度、可靠性不一，作為保護的時長參數則尤為重要。然而，液壓支架動作時長參數目前多是依靠人工經驗進行設定，而且是靜態的、不會隨著開采過程動態的變化，造成整體的跟機移架速度較慢，自動化生產效率低于人工開采。如何設定移架最長時長參數，以及如何動態的調整該參數，是自主跟機研究中急需研究解決的問題之一。

針對這個問題，目前國內外的研究成果及文獻較少，文獻[4-8]采用了基于移架機理的研究，通過計算確定移架時長，但實際應用效果不夠理想，因為采煤工作面工作條件復雜多變，液壓支架移架時長受工作面傾角變化、工作面巖石性質、頂底板破碎程度等因素影響，液壓支架移架時的摩擦力阻力各向異性，由于沿傾向每刀煤每個支架受到的摩擦力不一樣，每個支架沿走向每刀煤受到的摩擦力不一樣，使通過機理研究確定移架時長較為困難[9-10]。為此給出了基于試驗的移架時長確定方法，該方法基于歷史實際移架時長數據，進行置信區間估計，以確定液壓支架移架時長，并可隨著生產過程的推進，利用實際數據對模型進行迭代更新以達到動態優化的效果。

1 移架時長確定方法

采煤工作面示意圖如圖1，隨著工作面的推進，每次割煤循環中，每個液壓支架都會有1 次移架動作，記移架時長為t，設支架數為n，割煤循環次數為m，則移架時長數據集（m×n 個數據）可表示為矩陣Tmn，則有tij為第i 個支架，割第j 刀煤時的移架時長（i＝1，2，3，…，n；m＝1，2，3，…，m）。

圖1 采煤工作面示意圖

1.1 試驗數據篩選與分布規律

由于煤礦采掘工作面情況復雜，影響移架時長因素比較多。試驗數據分布分散，須剔除無效數據。如：對由于液壓系統故障、底板巖石摩擦力過大等原因，致使液壓支架長時間移動不到位，造成試驗數據過大。需根據數理統計理論建立有效的判別方法，予以去除，判別方法如下。

設試驗測量得到液壓支架跟機移架時長有個試驗數據（i＝1，2，…，n），則試驗數據的準確度與精密度分別為：

式中：Tn為n 個試驗數據的準確度；STn為 精密度；Ti為第i 個試驗數據。

1.1.1 試驗數據有效性的判別方法

設試驗數據符合正態分布，取單側置信度為（1-0.5α），由試驗數據個數n 和t 分布性質，可確定t 分布系數tn-0.5α，由于測試數據數n＞120，t 分布接近于正態分布，t120至t400≈2.32，對數據Ti求ti：

如果：

則表明Ti是非有效數據，需要剔除。剔除后對剩余數據再次計算準確度與精密度，進行有效性判別，直到剔除全部無效數據。若無效數據有r 個，最后對n-r 個有效數據需要計算準確度與精密度。

取α=0.02，即單側置信度為99%時，分析試驗數據的有效性。表明有99%的把握認為剔除的數據是因為意外因素而形成的無效數據。

1.1.2 分布規律的假設檢驗

根據測得的移架時長數據，通過畫頻率密度直方圖，初步判斷數據符合正態分布。對于移架時長是否符合正態分布規律，需運用概率統計原理，對試驗數據分布規律進行假設檢驗。具體步驟如下：

1）假設移架時長試驗數據符合正態分布。

2）根據有效試驗數據個數n-r，把有效試驗數據T1，T2，…，Tn-r分布范圍（Ti）max-（Ti）min分為M 個區間，M=1+3.3lg（n-r）并取整數。

3）計算各分區間的理論頻數。對于符合正態分布的隨機變量T，其統計量Ti，在分組區間[a1，a2]，[a3，a4]，…，[aM，aM+1]內的理論概率分別為Pj，對于n-r個有效試驗數據，其統計量Ti落在分組區間[aj，aj+1]內的理論頻數為（n-r）×Pj。

式中：φ（·）為標準正態積分；a1=（Ti）min，aM+1=（Ti）max；（Ti）min、（Ti）max為Ti中的最小值與最大值；aj+1=

5）確定皮爾遜檢驗統計量的臨界值χ2f，σ，對于M 個區間，取自由度為f=M-1-2，取顯著度為δ。根據自由度f 與顯著度δ 查表確定χ2f，σ。

1.2 液壓支架時長置信區間估計

設液壓支架移架時長總體T~N（μ，σ2），來自T樣本為：T1，T2，…，Tn，則μ 的置信水平為1-α 的區間估計為：

2 液壓支架移架時長測試實例

根據某礦的實測數據進行實例計算，以該礦某工作面使用的ZY6800/11.5/24D 型兩柱掩護式液壓支架為研究對象，該支架的最小/大高度為1 150/2 400 mm，工作阻力位6 800 kN。針對該綜采工作面實際液壓支架移架時長數據，進行了現場測試，測試條件為：采煤機速度7.0 m/min，單泵供應流量，泵的流量為400 L。測試液壓支架數n 為80，割煤次數m 為5，通過數據前期計算、處理，綜采工作面液壓支架移架時長部分測試數據（從小到大排列）為：8、8、8、8、8、9、9、9、9、11、11、11、11、12、12、12、12、12、13、13、13、13、13、13、13、13、13、13、13、13、14、14、30、30、30、31、31、31、31、31、31、31、31、31、32、32、32、32、32、33、33、33、34、34、34、34、35、36、37、39、40、58、482、1 052 s。

將測試數據代入式（1）與式（2）可得到400 組移架時長的準確度與精度。由式（3）、式（4）檢驗第400個移架時長數據T400=1 502，因｜T400｜=19.15＞t399，0.99=2.32，認為該數據為無效數據，從新計算剩余數據的準確度與精密度，再次用式（3）與式（4）檢驗，直到第392 組移架時長試驗數據T392=34 的｜T392｜=2.24＜t391，0.99=2.32，因此表明是有效的。

假設移架時長Tm基本符合正態分布，對于392組移架時長Tm的有效試驗數據，由1+3.31g392=9.55，確定M=10，將其分為10 個區間，自由度為f=10-1-2=7，取顯著度，δ=0.05。

查表得皮爾遜檢驗統計量的允許值χ27，0.95=14.067，計算每個分組區間實際頻數（Nj）與皮爾遜檢驗統計量，移架時長的皮爾遜統計量χ2見表1。

由式（7），可求出置信度為0.95 的置信區間估算，由于樣本大于400，樣本數較大，認定t 分布趨向于正態分布，查表取=1.96：

即移架時長的置信水平為95%的區間估計為[21.3，22.42]，工程上認為95%置信水平條件下，對數據估值是準確的，確定移架時長為22 s。

3 模型的動態優化和驗證

1）動態優化。由于地質條件等環境因素的影響，綜采工作面生產過程是動態變化的，因此，上述確定移架跟機時長參數的方法也需要根據生產情況的變化而動態優化。模型動態優化過程示意圖如圖2，其中，通過液壓支架電液控制器實時采集實際移架時長，并將數據傳輸至監控中心上位機中，由上位機中的軟件進行數據的篩選以及前文所述的算法計算，最終確定液壓支架自主跟機邏輯中的移架時長參數。同時，上位機將原始數據以及計算結果數據存入至數據庫中，隨著工作面的推進，這些數據與新產生的數據一起作為新的訓練樣本，對模型進行迭代訓練，以此，達到模型的動態優化。

移架時長的皮爾遜統計量χ2

圖2 模型動態優化過程示意圖

2）模型驗證。在試驗礦井的另一個綜采工作面進行了實際的模型驗證，該工作面傾斜長150 m，安裝了相同架型綜采液壓支架100 個，工作面初采時，采用上述方法確定支架移架初始時長，結合采煤機割記憶截割示范刀時，同時收集移架時長數據，經去除無效數據，數據分布假設檢驗，對移架時長進行置信區間估計，得到移架時長的置信水平為95%的區間估計為[15.28，15.91]，確定移架初始時長為15 s。解決了由于初始值設置不準導致工作面初采時，移架混亂的問題，并為工作面移架時長的進一步修正提供了依據。

4 結 語

給出了基于生產實測數據的移架時長計算方法，其特點為應用簡單，確定的數據準確。而且，以此試驗數據為依據，能分析判斷出供液系統和采煤機割煤工藝質量以及頂板狀況存在的問題，提出相應改進改進措施，縮短移架時長。經實際應用，獲得了好的效果,為下一步建立數據庫，形成基于機器學習的移動時長確定方法，實現采煤工作面自動化、智能化奠定了數據基礎。