采煤機自適應(yīng)調(diào)高控制系統(tǒng)的性能分析

吳貝強

（臨汾宏大礦業(yè)有限責(zé)任公司， 山西 臨汾 041000）

引言

采煤機是煤礦自動化開采中的重要設(shè)備，通過采煤機對煤巖進行切割，形成原煤后裝入帶式輸送機[1]。采煤機主要采用滾筒調(diào)高機構(gòu)，在實際工作的時候，工人根據(jù)采場煤層的情況調(diào)節(jié)滾筒高度，調(diào)高系統(tǒng)采用液壓系統(tǒng)進行控制，工人依靠視力觀察和噪聲判斷滾筒處的工況，據(jù)此進行相應(yīng)換向閥的操作，無法實現(xiàn)自動調(diào)高。

針對采煤機調(diào)高生產(chǎn)過程中遇到的難題，分析截割滾筒主要截割電機電流及電機轉(zhuǎn)矩等的信號，利用模糊神經(jīng)網(wǎng)絡(luò)算法，使用滑模控制規(guī)律自動調(diào)高電液伺服控制系統(tǒng)，達到采煤機滾筒自適應(yīng)調(diào)高的控制目的。

1 采煤機調(diào)高機構(gòu)及自適應(yīng)自動調(diào)高系統(tǒng)

1.1 采煤機調(diào)高機構(gòu)及原理

采煤機工作時，截割滾筒通過不停地旋轉(zhuǎn)實現(xiàn)截割煤炭，并通過弧形擋板將煤炭裝入帶式輸送機。采煤機調(diào)高機構(gòu)的原理：伸縮桿在液壓缸的驅(qū)動下進行運動，小支臂和搖臂相連，伸縮桿帶動搖臂運動，搖臂運動完成升降配合滾筒的旋轉(zhuǎn)實現(xiàn)采煤機沿煤層截割煤炭的工作。

1.2 采煤機基于記憶截割的自動調(diào)高系統(tǒng)

自適應(yīng)采煤機自動調(diào)高系統(tǒng)[2]如圖1 所示，由圖1 可知，其主要由采煤機、檢測裝置、煤巖界面識別系統(tǒng)和控制系統(tǒng)組成。工作過程中，系統(tǒng)依據(jù)給定的環(huán)境參數(shù)及截割路徑自動進行截割機構(gòu)的運動計算，并通過控制系統(tǒng)控制截割機構(gòu)的運動，同時對采煤機的滾筒實時狀態(tài)進行監(jiān)控，進行實時的反饋調(diào)節(jié)，及時適應(yīng)環(huán)境的變化。在此系統(tǒng)中需要重點研究的問題是采煤機煤巖界面截割模式的自動識別、自動調(diào)高控制方法。

圖1 基于記憶截割控制技術(shù)的采煤機自動調(diào)高系統(tǒng)

2 采煤機煤巖界面截割模式的自動識別

2.1 采煤機煤巖截割工況分析

采煤機在工作過程中，由于煤巖硬度的變化，造成滾筒截割負載的變化，會引起負載信號的變化，對煤壁進行自動識別。根據(jù)煤巖介質(zhì)的物理性質(zhì)找出滾筒在截割試驗所拾取的電機電流及牽引電機轉(zhuǎn)矩等信號，對其數(shù)字特征及分布進行分析。煤巖介質(zhì)的性質(zhì)主要包括煤巖的強度、硬度、塑性、彈性、阻抗等[3]。通過試驗分析得出采樣電流和采樣扭矩呈正態(tài)分布的情況。

2.2 模糊神經(jīng)網(wǎng)絡(luò)煤巖界面截割模式的自動識別

神經(jīng)網(wǎng)絡(luò)模式識別過程分為兩個階段，首先神經(jīng)網(wǎng)絡(luò)通過一定數(shù)量的樣本訓(xùn)練獲得識別信息，然后對新輸入的模式進行識別，形成自我學(xué)習(xí)。模糊邏輯理論不需要知道輸入輸出語言變量間精確的數(shù)學(xué)模型，利用輸入輸出變量的隸屬度函數(shù)和模糊判斷規(guī)則來進行推理，模糊推理的核心是模糊控制規(guī)則。模糊理論利用輸入和輸出間的非線性映射，來解決非線性系統(tǒng)信息處理問題。

模糊理論不具有自適應(yīng)和自我學(xué)習(xí)的能力，無法對隸屬度函數(shù)和規(guī)則進行完善，神經(jīng)網(wǎng)絡(luò)理論可以通過自我學(xué)習(xí)獲得網(wǎng)絡(luò)拓撲結(jié)構(gòu)，模仿人腦實現(xiàn)特定向量和模式間的非線性關(guān)系，神經(jīng)網(wǎng)絡(luò)可進行一定的分布存儲，將兩者進行結(jié)合將特定經(jīng)驗存放于神經(jīng)網(wǎng)絡(luò)節(jié)點中，通過模糊規(guī)則推理過程進而實現(xiàn)在模糊系統(tǒng)下的神經(jīng)網(wǎng)絡(luò)連接，達到既能處理模糊信息，又能通過神經(jīng)網(wǎng)絡(luò)自身識別提高信息處理的效果。通過基于Mamdani 模型的多輸入和多輸出拓撲結(jié)構(gòu)構(gòu)建如圖2 所示。

圖2 模糊神經(jīng)網(wǎng)絡(luò)識別結(jié)構(gòu)

網(wǎng)絡(luò)第一層為多輸入層。該層節(jié)點直接與輸入向量相連接，表示輸入變量。

網(wǎng)絡(luò)第二層為模糊層。該層節(jié)點代表各模糊子集，通過隸屬度函數(shù)表達該層神經(jīng)元信息，該層節(jié)點越多，表示越趨于實際神經(jīng)網(wǎng)絡(luò)，計算過程也就越復(fù)雜。

網(wǎng)絡(luò)第三層為模糊規(guī)則判斷層。該層各節(jié)點表示模糊規(guī)則，根據(jù)每條規(guī)則的適用度來進行匹配推理，生成模糊庫。對于特定的輸入量，只有在輸入量附近的模糊子集才能生效。

網(wǎng)絡(luò)第四層為歸一化層。節(jié)點數(shù)與第三層一致，對于模糊規(guī)則下進行信息歸一化計算。

網(wǎng)絡(luò)第五層為輸出量層。相當(dāng)于模糊子集隸屬度函數(shù)的中心值，將經(jīng)過模糊規(guī)則歸一后的參數(shù)變?yōu)榭奢敵龅牧俊?/p>

使用實驗數(shù)據(jù)作為模糊神經(jīng)網(wǎng)絡(luò)的測試樣本，對測試樣本進行檢驗，經(jīng)過檢驗輸出值和實際實驗數(shù)據(jù)對比，模糊神經(jīng)網(wǎng)絡(luò)的滾筒截割模式識別正確率達到90%以上，說明創(chuàng)建的模糊神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)是成功的。既然滾筒截割模式可以實現(xiàn)自動識別，那么就可以進一步實現(xiàn)滾筒自動調(diào)高的控制。

3 采煤機自動調(diào)高控制方法

在工作過程中，以采煤機截割電機電流均值、異常截割持續(xù)時間、滾筒高度為自動識別的特征，但3個變量均為非線性的參數(shù)，控制系統(tǒng)需要能夠處理不滿足參數(shù)線性化的條件。采用滑模控制的方式進行變量的切換來滿足系統(tǒng)的使用[4]。

采煤機自動調(diào)高電液伺服控制系統(tǒng)為閥控缸電液位置伺服控制系統(tǒng)，因其搖臂和滾筒所受到的負載和干擾力不影響系統(tǒng)的固有穩(wěn)定性，因此在控制系統(tǒng)中不考慮其影響。滑模面切換函數(shù)和模糊控制函數(shù)如下：

通過輸入?yún)?shù)對滑模控制系統(tǒng)進行仿真，設(shè)定系統(tǒng)的頻率、阻尼參數(shù)，采用普通PID 控制器[5]進行仿真對比。通過給定正弦信號，采用兩種控制器進行跟蹤仿真，效果如圖3 所示。

從圖3 中可以看出，在初始第一階段，系統(tǒng)進入滑模階段，跟蹤具有一定的偏差，進入滑模面之后，滑模控制效果明顯要比普通PID 控制器好，符合采煤機調(diào)高系統(tǒng)的要求，能夠?qū)崿F(xiàn)采煤機調(diào)高液壓系統(tǒng)快速平穩(wěn)的自動調(diào)節(jié)。

圖3 滑模控制與PID 控制效果路徑跟蹤曲線

4 結(jié)語

通過分析工作實際工況采集的滾筒電機電流和牽引電機轉(zhuǎn)矩規(guī)律，找到了自動調(diào)高系統(tǒng)所需的輸入變量，使用模糊神經(jīng)網(wǎng)絡(luò)對煤巖界面模式進行自動識別，運用滑模控制設(shè)計了滑模面切換函數(shù)和滑模控制函數(shù)，并對其進行仿真對比實驗。采煤機自適應(yīng)調(diào)高控制系統(tǒng)能夠完全實現(xiàn)目前采煤機自動控制的性能要求，是提高煤礦開采效率和自動化控制的有力手段。