基于模糊單神經元PI 的煤礦電氣設備電源頻率自動化控制系統

李杰，席義苗，曹楠楠，馬越

（1.西安交通大學 電氣工程學院，西安 710049；2.陜西小保當礦業有限公司，榆林 719302）

將大量電氣設備合理應用于煤礦工作中，不僅可使煤礦開采的效率得到顯著提升，還可在很大程度上提升煤礦開采的質量，而能夠實現這一切的前提是煤礦電氣設備的控制質量能夠得到有效保障[1-2]。基于此，提高煤礦電氣設備的控制質量勢在必行，其中，合理控制煤礦電氣設備電源頻率就是非常重要的一個方面。

近年來，國內外諸多學者就煤礦電氣設備電源頻率控制問題，進行了大量研究，提出并設計了大量行之有效的煤礦電氣設備電源頻率自動化控制方法以及系統。文獻[3]設計的基于模糊PI 算法的煤礦電氣設備電源頻率自動控制系統；文獻[4]提出的基于直流失調消除的煤礦電氣設備電源頻率自動校正方法。前者在采集到煤礦電氣設備電源頻率后，將采集到的煤礦電氣設備電源頻率與煤礦電氣設備電源標準頻率之差，當作模糊PI 控制模塊的有效輸入，經模糊PI 控制模塊實施合理計算與處理后，輸出相應控制量控制煤礦電氣設備電源頻率；后者通過設計一種具備直流消除性功能的電源頻率校準濾波裝置，完成煤礦電氣設備電源頻率自動化控制。二者均可實現煤礦電氣設備電源頻率自動化控制，但是電源頻率控制效果并不理想。

將模糊單神經元PI 控制技術應用于煤礦電氣設備電源頻率自動化控制工作中，可收獲較為理想的煤礦電氣設備電源頻率自動化控制效果。為此，本文設計基于模糊神經元PI 的煤礦電氣設備電源頻率自動化控制系統，更好地滿足實際工作需要。

1 煤礦電氣設備電源頻率自動化控制系統

1.1 煤礦電氣設備電源頻率自動化控制系統總體架構

對煤礦電氣設備的電源頻率實施合理自動化控制是能夠有效保障煤礦電氣設備安全穩定運行的前提。通常狀況下，煤礦電氣設備電源頻率控制越理想，煤礦電氣設備的運行狀況也會更加穩定。為此，本文設計基于模糊單神經元PI 的煤礦電氣設備電源頻率自動化控制系統，架構如圖1 所示。

圖1 系統總體架構Fig.1 Overall system architecture

1.2 模糊單神經元PI 控制模塊設計

在電氣設備電源頻率自動化控制過程中，利用PID 控制技術對電氣設備電源頻率實施有效控制，是較為常見，且魯棒性能較好的頻率控制方式[5]，但是由于電氣設備頻率常常要受到多種因素的擾動影響，PID 控制器所擁有的參數在某些狀況下，并不能使其達到最優運行狀態，由此帶來的最直接后果就是電氣設備電源頻率得不到有效控制，因此基于人工神經網絡與模糊控制策略對PI 控制模塊實施了合理設計，設計出的模糊單神經元PI 控制模塊架構如圖2 所示。模糊單神經元PI 控制模塊架構以單神經元PID 控制、模糊控制2 個子模塊為主要構成。其中單神經元PID 控制模塊承擔的主要職責是當輸入煤礦電氣設備電源當下以及理想電源頻率后，利用單神經元對PID 所擁有的比例以及微、積分系數執行合理調整操作，從而有效校正煤礦電氣設備電源頻率；模糊控制模塊承擔的主要職責是用來對單神經元所擁有的神經元比例系數執行合理調整操作。

圖2 模糊單神經元PI 控制模塊架構Fig.2 Fuzzy single neuron PI control module architecture

1.3 煤礦電氣設備電源頻率數據采集與預處理

鑒于電源頻率信號測量輸出檢測儀在電源頻率信號采集方面的優勢，本文應用該儀器完成煤礦電氣設備電源頻率數據采集工作。除此之外，在采獲到煤礦電氣設備頻率數據后，還需對其執行有效的預處理操作，以提高頻率數據質量，從而獲得更為理想的電源頻率控制效果。鑒于改進小波閾值算法在數據信號去噪方面的優勢[6]，本文將該方法應用于煤礦電氣設備電源頻率數據預處理模塊中，對所獲煤礦電氣設備電源頻率數據實施有效預處理，具體的去噪流程如圖3 所示。

圖3 電源頻率去噪流程Fig.3 Power frequency denoising flow chart

1.4 煤礦電氣設備電源理想頻率獲取

在實際工作中，想要實現對煤礦電氣設備電源頻率的有效控制，單純只獲取當下煤礦電氣設備的電源頻率是不夠的，還要采取合適方法獲取到煤礦電氣設備的理想頻率。本文中煤礦電氣設備理想頻率獲取通過在理想電源頻率求解模塊，使用多元回歸模型實現的。因電源頻率在變化過程中要受到多種因素的影響，可以分析出各影響因素會與電源頻率產生一定的線性關系，這種關系可用公式描述成：

式中：Z 為煤礦電氣設備電源頻率；G1，G2，…，Gn-1，Gn為頻率影響因素；w0，w1，w2，…，wn-1，wn為回歸系數。

構建合理的方程組，并通過最小二乘估計法求得，求解完成后，將其代入到式（1）中，便可得到一個完整的煤礦電氣設備理想電源頻率預測方程，即煤礦電氣設備理想電源頻率多元回歸預測模型，待該模型檢測合格之后，只要輸入當前時刻煤礦電氣設備電源頻率的影響因素值，便可預測出較為準確的煤礦電氣設備電源理想頻率。

1.5 模糊單神經元PI 電源頻率控制流程

（1）煤礦電氣設備電源頻率與理想頻率進入模糊單神經元PI 控制模塊中的轉換模塊，轉換模塊求解頻率與理想頻率偏差e（u），判斷其是否超過預設閾值，若超過，轉換模塊繼續執行合理計算操作得到相應的差分量Δe（u）；

（2）利用求和模塊對e（u）、Δe（u）執行加權和求解操作；

（3）把e（u）、Δe（u）傳輸至模糊控制模塊，通過執行模糊化操作，輸出單神經元比例系數，本文將其標記為U。模糊化操作可實現對U 的有效在線調整，使被控系統更具穩定性；

（4）通過比例模塊求解步驟（2）所獲e（u）、Δe（u）加權和、步驟（3）輸出神經比例系數的乘積，然后由延時模塊對比例模塊輸出結果執行頻率累加操作，獲得相應的模糊單神經元PI 控制信號，向需要控制的煤礦電氣設備電源頻率傳輸頻率控制指令，實現對煤礦電氣設備電源頻率的自動化控制。

2 仿真實驗

2.1 實驗準備

實驗以我國S 省D 市某大型煤礦中所使用的礦用變壓器電源為實驗對象，應用本文系統對其實施電源頻率自動化控制，驗證本文系統有效性本文系統對該礦用變壓器電源實施電源頻率采集，獲得的電源頻率采集結果如圖4 所示。從圖4 可以看出，應用本文系統可以實現煤礦電氣設備電源頻率數據采集，為煤礦電氣設備電源頻率自動化控制工作提供可靠數據依據。

圖4 電源頻率采集結果Fig.4 Power frequency acquisition results

在實際工作中，能夠對礦用變壓器電源頻率產生較大影響的因素為電壓以及電流應力、開關損耗、負荷功率以及PWM 死區時間，在本文中，這幾個因素相當于礦用變壓器理想電源頻率預測方程中的自變量，在16 s 內求解這幾個因素值，并根據圖4所示數據構建方程組，之后通過最小二乘法實施合理計算，求解出的煤礦變壓器理想電源頻率多元回歸預測模型回歸系數如表1 所示。

表1 多元回歸模型回歸系數Tab.1 Regression coefficient of multiple regression model

將表1 所獲多元回歸模型回歸系數，代入到公式（1）中，會獲得一個完整的煤礦變壓器理想電源頻率多元回歸預測模型。在實際工作中，只要輸入當前時刻煤礦電氣設備電源頻率各影響因素的值，便可預測出較為準確的煤礦電氣設備電源理想頻率。

2.2 系統性能測試

為了驗證本文設計系統的運行性能，以能耗效率和系統響應時間為實驗指標，檢驗設計系統的實際性能。

使用上述采集到的煤礦電氣設備電源頻率數據進行仿真實驗，在實驗室環境中，利用實際的煤礦電氣設備，通過改變供電頻率來模擬電源頻率的控制過程；通過調節控制策略和參數，記錄并分析電源頻率隨時間的變化，以評估控制系統的性能。以更好地反映真實情況，得到系統能耗效率與電源頻率之間的關系如圖5 所示。由圖5 可知，本文設計系統的運行能耗效率始終高于90%，說明設計系統所有的能耗均得到了有效利用，整體性能較好。

圖5 系統能耗效率Fig.5 Energy consumption efficiency of system

記錄本文設計系統從接收輸入信號到輸出結果穩定的時間，并計算平均響應時間。通過仿真模擬，驗證不同操作指令下，本文設計系統的響應情況，分別在15 s、25 s 和35 s 調整系統對于煤礦電氣設備電源頻率的控制情況，得到的結果具體如圖6所示。在圖6 中可以看出，本文設計系統對于指令的響應情況和響應速度與預期響應曲線相符合，說明本文設計系統對于操作指令的響應時間較短，能夠快速按照指令對煤礦電氣設備的電源頻率進行精準控制，說明設計系統的整體運行效率較高。

圖6 系統響應時間Fig.6 System response time

2.3 控制效果測試

為了驗證本文設計系統對于煤礦電子設備電源頻率的控制效果，對該煤礦變壓器各時刻的電源頻率控制情況以及在不同方法下煤礦變壓器電源輸出端頻率變化情況進行分析。

如圖7 所示，是某日8：10 起，該煤礦變壓器各時刻電源頻率、理想頻率進入模糊單神經元PI 控制模塊后，經過一系列計算與控制操作，最終獲得的煤礦電氣設備電源頻率自動化控制效果。分析圖7可知，應用本文系統可以實現煤礦電氣設備電源頻率自動化控制，控制后煤礦電氣設備電源頻率與理想電源頻率十分接近，將其應用于實際工作，可收獲較好的實際工作效果，為保障煤礦電氣設備安全穩定運行提供可靠保障。

圖7 煤礦電氣設備電源頻率控制效果部分呈現Fig.7 Partial presentation of power frequency control effect of electrical equipment in coal mine

為進一步驗證本文系統有效性，繪制分別使用模糊單神經元PI、PI、神經元PI、模糊PI 對該煤礦變壓器電源實施電源頻率自動化控制，得到的煤礦變壓器電源輸出端頻率曲線，具體如圖8 所示。從圖8 可以看出，較之使用PI、神經元PI、模糊PI 對該煤礦變壓器電源實施電源頻率自動化控制，使用模糊單神經元PI 控制煤礦變壓器電源頻率后，所獲煤礦變壓器電源輸出端頻率曲線趨勢更為平穩，無明顯波動狀況出現，而其他幾種PI 控制所獲變壓器電源輸出端頻率曲線卻存在較為明顯的波動狀況。實驗證明，應用本文系統對煤礦電氣設備電源頻率實施自動化控制，可收獲更為理想的煤礦電氣設備電源頻率自動化控制結果。

圖8 煤礦變壓器電源輸出端頻率曲線Fig.8 Frequency curve of power output of coal transformer

3 結語

設計基于模糊神經元PI 的煤礦電氣設備電源頻率自動化控制系統，并對該系統的電源頻率自動化控制效果進行驗證，經過大量實驗研究發現，應用該系統后，煤礦電氣設備電源頻率能夠得到有效自動化控制，控制后頻率能夠更接近煤礦電氣設備電源頻率的理想值，這非常有利于克服煤礦電氣設備運行系統的非線性以及不確定性，在很大程度上促進煤礦電氣設備更為穩定運行。