趙振民， 劉若涵， 趙 杰

（黑龍江科技大學(xué)電氣與控制工程學(xué)院，哈爾濱150022）

懸臂式掘進(jìn)機(jī)恒功率變頻調(diào)速控制器的設(shè)計(jì)

趙振民， 劉若涵， 趙 杰

（黑龍江科技大學(xué)電氣與控制工程學(xué)院，哈爾濱150022）

針對(duì)懸臂式掘進(jìn)機(jī)在礦井掘進(jìn)時(shí)情況復(fù)雜和負(fù)載變化較大的特點(diǎn)，采用高度非線性識(shí)別能力的神經(jīng)網(wǎng)絡(luò)與遺傳算法相融合的方法，實(shí)現(xiàn)懸臂式掘進(jìn)機(jī)恒功率變頻調(diào)速系統(tǒng)的控制。該方法運(yùn)用遺傳算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)系數(shù)，改進(jìn)網(wǎng)絡(luò)性能，提高學(xué)習(xí)效率，根據(jù)系統(tǒng)電流的實(shí)際情況對(duì)掘進(jìn)機(jī)進(jìn)行變頻調(diào)速控制，利用MATLAB/Simulink軟件對(duì)系統(tǒng)進(jìn)行仿真分析。結(jié)果表明：該方法所設(shè)計(jì)的以DSP為控制核心的掘進(jìn)機(jī)恒功率調(diào)速控制器具有一定的學(xué)習(xí)和適應(yīng)能力，能根據(jù)電流變化自動(dòng)調(diào)整電機(jī)的轉(zhuǎn)速，實(shí)現(xiàn)了掘進(jìn)機(jī)恒功率變頻調(diào)速，提高了掘進(jìn)機(jī)的工作效率和系統(tǒng)的穩(wěn)定性。

掘進(jìn)機(jī)；DSP；神經(jīng)網(wǎng)絡(luò)；遺傳算法；恒功率

對(duì)于挖掘強(qiáng)度不同的巖層掘進(jìn)機(jī)具有獨(dú)特功能和靈活性，因此被廣泛地應(yīng)用于地下采礦和隧道的挖掘。掘進(jìn)機(jī)主要進(jìn)行巷道的掘進(jìn)，與全斷面掘進(jìn)機(jī)相比，懸臂式掘進(jìn)機(jī)具有以下優(yōu)點(diǎn)：操作靈活，可根據(jù)需要截割出任意的形狀；裝載方便，易于維修和保養(yǎng)；經(jīng)濟(jì)效益好，可重復(fù)使用性高［1］。隨著科技的不斷進(jìn)步和社會(huì)發(fā)展的需要，要求掘進(jìn)機(jī)加大截割斷面的準(zhǔn)確性，遇到煤層、巖層和煤巖混合層時(shí)能夠快速有效地調(diào)整截割速度，以提高生產(chǎn)效率，降低生產(chǎn)成本，提高競(jìng)爭(zhēng)力和安全性，以及減少人員的數(shù)量。掘進(jìn)機(jī)截割速度和牽引速度是掘進(jìn)機(jī)的兩個(gè)重要參數(shù)，截割速度和牽引速度合理的匹配對(duì)掘進(jìn)機(jī)的工作效率有很大的影響。

針對(duì)懸臂式掘進(jìn)機(jī)的工作特點(diǎn)，提出一種基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的智能控制方法，用于控制電機(jī)的轉(zhuǎn)速，使?fàn)恳俣入S著截割轉(zhuǎn)速的變化進(jìn)行實(shí)時(shí)地調(diào)整，通過采集檢測(cè)截割電機(jī)的電流來控制轉(zhuǎn)速和牽引速度，實(shí)現(xiàn)最佳的掘進(jìn)效果。采用變頻調(diào)速的恒功率控制系統(tǒng)可實(shí)現(xiàn)掘進(jìn)機(jī)的自動(dòng)化控制［2］。

1　控制器結(jié)構(gòu)

懸臂式掘進(jìn)機(jī)恒功率變頻調(diào)速控制器總體結(jié)構(gòu)如圖1所示。

圖1　恒功率變頻調(diào)速控制器的結(jié)構(gòu)Fig.1 Structure of constant power variable frequency speed controller

由圖1可以看出，控制系統(tǒng)主要由三個(gè)模塊組成。

一是數(shù)據(jù)采集檢測(cè)模塊：包括各類傳感器（瓦斯傳感器、溫度傳感器、油位傳感器、加速度傳感器、電流傳感器、轉(zhuǎn)速傳感器、振動(dòng)傳感器、角度傳感器和位移傳感器等），電流采集檢測(cè)裝置，故障檢測(cè)裝置及相關(guān)的輸入接口電路等，主要把所采集到電機(jī)的電流、轉(zhuǎn)速信號(hào)傳送給DSP。

二是數(shù)據(jù)處理控制模塊：主要以DSP為智能控制部件，把采集檢測(cè)電流的信號(hào)與DSP的給定值進(jìn)行比較和計(jì)算，通過神經(jīng)網(wǎng)絡(luò)與遺傳算法進(jìn)行訓(xùn)練和優(yōu)化，最后輸出控制信號(hào)給變頻裝置。主要完成掘進(jìn)機(jī)的自檢、報(bào)警、截割電機(jī)的運(yùn)行和保護(hù)，并對(duì)相應(yīng)的故障進(jìn)行監(jiān)控。

三是輸出執(zhí)行模塊：主要包括變頻裝置、電機(jī)、截割機(jī)構(gòu)及輸出接口等電路。根據(jù)DSP控制器輸出的控制信號(hào)，經(jīng)變頻裝置來調(diào)整牽引速度，用于實(shí)現(xiàn)掘進(jìn)機(jī)恒功率變頻調(diào)速，使轉(zhuǎn)速隨煤巖負(fù)載變化自動(dòng)調(diào)整［3-4］。

2　控制器設(shè)計(jì)

2.1BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)，其結(jié)構(gòu)如圖2所示。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)包括輸入層，一個(gè)或多個(gè)隱含層和輸出層，同層節(jié)點(diǎn)沒有任何耦合。圖2中，輸入節(jié)點(diǎn)x1，x2，…，xn-1，xn為系統(tǒng)的檢測(cè)量，輸出節(jié)點(diǎn)y1，y2，…，yn-1，yn為系統(tǒng)的期望輸出量。

圖2　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 BP neural network structure

BP神經(jīng)網(wǎng)絡(luò)有以下四個(gè)基本特點(diǎn)：第一并行性。其各個(gè)神經(jīng)元都能獨(dú)立地接受信息輸入，并通過各自的內(nèi)在函數(shù)處理信息，輸出其需要的信息，計(jì)算能力快，使它有可能用于實(shí)時(shí)快速處理大量數(shù)據(jù)信息，提高了辨識(shí)效率。第二極強(qiáng)的容錯(cuò)性和魯棒性。神經(jīng)網(wǎng)絡(luò)的信息分布特性，經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的聯(lián)想能力。從而保證了即使有偏離較大的特征值，神經(jīng)網(wǎng)絡(luò)也能辨識(shí)出來。第三非線性。神經(jīng)網(wǎng)絡(luò)可有效地實(shí)現(xiàn)輸入空間到輸出空間的非線性映射。對(duì)無模型的非線性系統(tǒng)，神經(jīng)網(wǎng)絡(luò)都能很好地模擬，為工程領(lǐng)域的非線性問題解決提供了有效的手段。第四自適應(yīng)性和自學(xué)習(xí)性。經(jīng)過訓(xùn)練可以自動(dòng)調(diào)整其網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，當(dāng)系統(tǒng)出現(xiàn)不確定的變化時(shí)，可自動(dòng)按一定規(guī)則調(diào)整網(wǎng)絡(luò)的參數(shù)，得到期望的輸出。

BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練基本步驟：

（1）建立BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（三層網(wǎng)絡(luò)結(jié)構(gòu)），提取輸入輸出樣本，進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化。根據(jù)輸入數(shù)據(jù)的特點(diǎn)和系統(tǒng)需要的結(jié)果，分別確定輸入層和輸出層的節(jié)點(diǎn)數(shù)。

（2）計(jì)算誤差，確定網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的誤差。

（3）權(quán)值學(xué)習(xí)修正，改變網(wǎng)絡(luò)中所有連接權(quán)值，使其輸出更加接近期望的輸出，直到滿足允許誤差。

（4）輸入樣本進(jìn)行訓(xùn)練，直到滿足精度。

由于BP網(wǎng)絡(luò)在處理具體問題時(shí)還存在網(wǎng)絡(luò)的麻痹現(xiàn)象、網(wǎng)絡(luò)學(xué)習(xí)收斂速度比較慢、易陷入局部極小值等問題。為解決BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練上的缺點(diǎn)，提出了多種改進(jìn)方法。

2.2遺傳算法

遺傳算法是一種自然選擇、競(jìng)爭(zhēng)和群體遺傳機(jī)理的全局優(yōu)化方法，具體步驟：

（1）染色體編碼。采用固定長(zhǎng)度的二進(jìn)制符號(hào)串編碼形式。

（2）適應(yīng)度函數(shù)選擇。將染色體上表示的各權(quán)值分配到給定的網(wǎng)絡(luò)中，網(wǎng)絡(luò)以訓(xùn)練樣本為輸入輸出。

（3）種群的初始化。初始群體的創(chuàng)建依賴于求解問題的性質(zhì)及編碼方案的選擇。適當(dāng)選取字符串的長(zhǎng)度和群體的規(guī)模，可加速搜索速度。

（4）確定遺傳算子。采用了選擇、交叉和變異算子。

①選擇算子。文中選用輪盤賭法。從群體中選擇適應(yīng)度大的優(yōu)勝劣汰。

②交叉算子。采用算術(shù)交叉法，通過父代染色體的選擇經(jīng)交叉操作產(chǎn)生新的染色體，把優(yōu)良品質(zhì)得到盡可能的遺傳和繼承。

③變異算子。采用自適應(yīng)變異操作，使得變異根據(jù)解的質(zhì)量自適應(yīng)調(diào)整搜索范圍，明顯提高遺傳算法的搜索能力。

（5）確定遺傳算法的四個(gè)運(yùn)行參數(shù)。群體大小、遺傳運(yùn)算的終止進(jìn)化代數(shù)、交叉概率和變異概率，對(duì)求解結(jié)果和效率均有影響。

2.3神經(jīng)網(wǎng)絡(luò)遺傳算法

在控制算法上，針對(duì)神經(jīng)網(wǎng)絡(luò)控制器的不足，采用遺傳算法以進(jìn)化的方式對(duì)其進(jìn)行優(yōu)化，從而完成控制器的自適應(yīng)調(diào)整，提高全局搜索能力［5］。神經(jīng)網(wǎng)絡(luò)-遺傳算法程序流程如圖3所示。遺傳算法主要通過選擇、交叉和變異的方法來加強(qiáng)局部搜索能力；面對(duì)大量的優(yōu)化變量時(shí)，采用實(shí)數(shù)編碼提高速度，使控制器實(shí)時(shí)性得到提高。遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)控制器，一方面采用遺傳算法獲得網(wǎng)絡(luò)的節(jié)點(diǎn)連接和權(quán)值分布情況；另一方面，神經(jīng)網(wǎng)絡(luò)控制器會(huì)通過輸出反饋進(jìn)行性能評(píng)價(jià)，對(duì)遺傳算法進(jìn)行調(diào)整。

圖3　神經(jīng)網(wǎng)絡(luò)-遺傳算法程序流程Fig.3 Neural network-genetic algorithm program flow

系統(tǒng)開始運(yùn)行時(shí)，神經(jīng)網(wǎng)絡(luò)控制參數(shù)先初始化種群，而后計(jì)算種群的適應(yīng)度，根據(jù)計(jì)算結(jié)果判斷是否滿足條件，若滿足條件則把結(jié)果作為神經(jīng)網(wǎng)絡(luò)的初始權(quán)值；若不滿足條件，則采用遺傳算法對(duì)種群進(jìn)行優(yōu)化，再進(jìn)行判斷。選好網(wǎng)絡(luò)的初始權(quán)值后，應(yīng)用神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行計(jì)算和優(yōu)化。適應(yīng)度函數(shù)是神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)標(biāo)準(zhǔn)，其直接影響控制效果的好壞，所以必須先確定好由目標(biāo)函數(shù)值到個(gè)體適應(yīng)度之間的轉(zhuǎn)換規(guī)則，從而得到好的處理方法［6］。

3　仿真結(jié)果與分析

為了驗(yàn)證所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)與遺傳算法控制器在懸臂式掘進(jìn)機(jī)恒功率變頻調(diào)速系統(tǒng)的應(yīng)用效果，根據(jù)懸臂式掘進(jìn)機(jī)的工作特點(diǎn)構(gòu)建了基于MATLAB/Simulink的恒功率變頻調(diào)速系統(tǒng)的仿真模型。以階躍相應(yīng)的電流信號(hào)作為輸入，觀察其擾動(dòng)對(duì)信號(hào)的影響情況。仿真曲線如圖4和圖5所示。圖4的擾動(dòng)信號(hào)是模擬截割煤巖硬度較大時(shí)電流，圖5的擾動(dòng)信號(hào)是模擬截割硬度較小時(shí)的電流，對(duì)系統(tǒng)的動(dòng)態(tài)和穩(wěn)態(tài)進(jìn)行分析。仿真分析表明，圖4截割煤巖突然變硬時(shí)，使電機(jī)負(fù)載變大，電流增加，通過智能控制器對(duì)電機(jī)電流進(jìn)行快速調(diào)節(jié)，從而降低轉(zhuǎn)速，實(shí)現(xiàn)恒功率控制。圖5截割煤巖突然變軟時(shí)，使電機(jī)負(fù)載變小，電流減少，通過智能控制器對(duì)電機(jī)電流進(jìn)行迅速調(diào)整，從而提高轉(zhuǎn)速，實(shí)現(xiàn)懸臂式掘進(jìn)機(jī)恒功率變頻調(diào)速。

圖4　模擬截割煤巖硬度較大時(shí)的電流響應(yīng)曲線Fig.4 Current response curve of simulation of cutting coal and rock larger hardness

圖5　模擬截割煤巖硬度較小時(shí)的電流響應(yīng)曲線Fig.5 Current response curve of simulation of cutting coal and rock small hardness

4　結(jié)束語(yǔ)

恒功率變頻調(diào)速系統(tǒng)能根據(jù)煤礦井下截割煤巖不同的特性，自動(dòng)調(diào)整掘進(jìn)機(jī)牽引速度，從而使截割電機(jī)保持恒功率，提高了工作效率，加快響應(yīng)速度，具有良好的控制特性。進(jìn)而提高懸臂式掘進(jìn)機(jī)對(duì)復(fù)雜工況及變化負(fù)載的自適應(yīng)能力。

［1］ 黃日恒.懸臂式掘進(jìn)機(jī)［M］.北京：中國(guó)礦業(yè)大學(xué)出版社，1996.

［2］ 王志武.國(guó)內(nèi)外掘進(jìn)機(jī)截割調(diào)速系統(tǒng)的分析［J］.煤礦機(jī)電，2004，3（3）：27-33.

［3］ 方連眾，張志彬，翟德旭，等.基于單片機(jī)的變頻調(diào)速系統(tǒng)網(wǎng)絡(luò)控制壓緊［J］.電子測(cè)量技術(shù)，2009，34（3）：125-128.

［4］ 魏景生，吳 淼，劉建功.掘進(jìn)機(jī)智能型自動(dòng)成形恒功率截割控制系統(tǒng)的研究與應(yīng)用［J］.工礦自動(dòng)化，2009（7）：118-121.

［5］ 周黎英.模糊PID控制算法在恒速升溫系統(tǒng)中的應(yīng)用［J］.儀器儀表學(xué)報(bào)，2008，29（2）：406-408.

［6］ 張 梅.礦井局部通風(fēng)機(jī)的模糊神經(jīng)網(wǎng)絡(luò)PID控制器設(shè)計(jì)［J］.煤炭工程，2011（6）：127-129.

（編輯李德根）

Controller design for constant power variable frequency speed of boom-type roadheader based on DSP

ZHAO Zhenmin， LIU Ruohan， ZHAO Jie
（School of Electrical&Control Engineering，Heilongjiang University of Science&Technology，Harbin 150022，China）

This paper presents a combination of artificial neural network capable of high nonlinear recognition ability and genetic algorithms in an effort to address amore complex situation and larger load change to which boom-type road headers are exposed in mine tunneling.Thismethod performing better for controlling constant power variable frequency speed system of boom-type roadheader works by using genetic algorithm to train connection weights of BP network，improving network performance and learning efficiency，controlling roadheader by regulating frequency speed according to the actual situation of current，and obtaining system simulation analysis using MATLAB/Simulink software.The experiment show that themethod can design DSP as control core with roadheader constant power speed controller，which demonstrates a certain ability of learning and adaption and promises to adjust themotor speed automatically based on current change，contributing to achieving roadheader constant power variable frequency speed with simple control and high reliability and enhancing working efficiency and system stability.

roadheader；DSP；artificial neural network；genetic algorithms；constant power

10.3969/j.issn.2095-7262.2014.05.022

TD632

2095-7262（2014）05-0539-04

A

2014-08-10

趙振民（1967-），男，黑龍江省雙城人，教授，博士，研究方向：機(jī)器人控制、高頻功率變換、軟開關(guān)技術(shù)，E-mail：ycxh101-cc@126.com。