趙有生，邸晟鈞，王占全，柳 軼，郭 帥，田 軍，劉 順，閆孝姮

(1.山西焦煤集團投資有限公司，山西 太原 030024；2.山西焦煤集團嵐縣正利煤業(yè)有限公司，山西 呂梁 035200；3.遼寧工程技術(shù)大學(xué) 電氣與控制工程學(xué)院，遼寧 葫蘆島 125105)

采煤機是井下生產(chǎn)重要設(shè)備，實現(xiàn)采煤機滾筒快速和穩(wěn)定的調(diào)高是實現(xiàn)采煤機智能化和井下無人化割煤的關(guān)鍵技術(shù)[1]。近幾十年來在采煤機領(lǐng)域內(nèi)的一些專家和學(xué)者在這方面做了許多的研究工作，獲得了一定的成果。這些研究的成果可劃分為兩個方面，直接調(diào)高控制和間接調(diào)高控制。直接調(diào)高就是利用煤巖界面識別來控制滾筒高度，王增才等[2-5]，分別提出了多種煤巖識別的方法，比如利用人工射線的煤巖分界技術(shù)、利用天然γ射線的煤巖分界技術(shù)、利用振動法的煤巖分界技術(shù)、利用測力截齒傳感器的煤巖分界技術(shù)等，為采煤機滾筒調(diào)高控制奠定了理論基礎(chǔ)。上述自動調(diào)高的方法有的應(yīng)用于實際中，有的依然沒有廣泛意義上的應(yīng)用突破，還有的依舊處于試驗和研究階段。但是它們?yōu)閷崿F(xiàn)采煤機滾筒自動調(diào)高提供了可靠的理論依據(jù)。間接調(diào)高就是不直接分析煤巖界面的問題，從側(cè)面研究和分析，進而實現(xiàn)對滾筒的調(diào)高控制。間接調(diào)高的核心在于記憶截割技術(shù)，而對記憶截割技術(shù)的研究我國最早是從1980年起。1980年中國礦業(yè)大學(xué)提出了“振動測試和頻譜分析的煤巖識別技術(shù)”的方法，該方法的理論依據(jù)是通過油缸的液壓振動負載來對煤巖分界面進行識別；1994年，西華大學(xué)的雷玉勇[6]教授，以理論研究和計算機模擬仿真為基礎(chǔ)，通過觀察液壓調(diào)高系統(tǒng)中壓力的變化規(guī)律，提出了一種基于液壓系統(tǒng)壓力的調(diào)高控制系統(tǒng)；2003年，太原理工大學(xué)的田慕琴[7]，在采煤機滾筒的調(diào)高控制中新加入 “預(yù)見控制”，希望通過“預(yù)見”識別煤巖界面，進而實現(xiàn)對滾筒的高度控制；2004黑龍江科技學(xué)院劉春生[8，9]教授，通過對模糊控制技術(shù)理論的研究和對控制策略的分析，把模糊控制技術(shù)加入到采煤機調(diào)高控制系統(tǒng)，提出了滾筒調(diào)高記憶程控系統(tǒng)；2013年，中國礦業(yè)大學(xué)的王鐵軍教授[10]，提出將采煤機同三維模型結(jié)合，其目的是為了解決薄煤層記憶切割的突出問題，這種新方法不僅能在三維模型中對采煤機煤層實時狀態(tài)描述，還能對煤層模型實時修正。遺憾的是因為多方面的原因，以上理論在實際應(yīng)用中不是很成熟，故而也未能在實際工礦中體現(xiàn)出來。

對于采煤機的間接調(diào)高策略的研究，有的學(xué)者將PID和滾筒調(diào)高結(jié)合，獲得了不錯的控制效果。如張秀榮[11]等從電液比例控制系統(tǒng)出發(fā)建立了調(diào)高系統(tǒng)的傳遞函數(shù)，進一步使用了PID控制器對調(diào)高系統(tǒng)的控制；李文華[12]等通過設(shè)計模糊PID控制器提高了采煤機滾筒調(diào)高系統(tǒng)在復(fù)雜工況下的抗干擾能力；趙麗娟[13]等在MATLAB和AMESim工具下建立了控制系統(tǒng)及液壓系統(tǒng)聯(lián)合仿真模型，進一步驗證了模糊PID控制對采煤機自動調(diào)高的有效性。盡管如此，但是PID控制依然存在缺陷。針對傳統(tǒng)PID控制算法中控制精度不準確，收斂和響應(yīng)速度慢，傳統(tǒng)人工魚群運算效率低和尋優(yōu)結(jié)果精度不準的缺點，提出通過改變?nèi)斯~的步長和視野的方法，進而達到優(yōu)化算法的目的。該算法能跳出局部，實現(xiàn)全局最優(yōu)。通過matlab仿真證明改進后的算法誤差更小，精度更準確，魯棒性強，而且還能精準確定采煤機調(diào)高的PID參數(shù)，有利于煤炭的開采。

1 改進的人工魚群算法

1.1 人工魚群算法概述

在2002年李曉磊[14，15]等提出了一種全新的算法—人工魚群算法，該算法的核心思想是通過模擬魚類的幾類行為，如覓食、聚群、追尾、隨機等。魚類通過上述行為最終就游向食物濃度密集的區(qū)域，因此該算法是以魚群的行為為依據(jù)，在指定區(qū)域內(nèi)進行尋優(yōu)的一種群體智能優(yōu)化算法，體現(xiàn)的是集群體的智能思想。除此之外該算法還具有分布處理強、全局尋優(yōu)、參數(shù)和初值的魯棒性強等特點。

1.2 傳統(tǒng)人工魚群算法步驟

對PID參數(shù)尋優(yōu)的具體步驟如下：

1)首先確定初始參數(shù)，如群體規(guī)模(fishnum)，視野范圍(visual)，移動步長最大值(step)，擁擠度因子(delta)，最大迭代次數(shù)(MAXGEN)等，如果曲線在MAXGEN步時沒有浮動，則可以認為收斂。

2)將PID的三個參數(shù)(kpn，kin，kdn)作為魚群中的一條魚的位置坐標即xn=(kpn，kin，kdn)。設(shè)初始迭代次數(shù)Gen=1，在kp，ki，kd的范圍內(nèi)隨機產(chǎn)生fishnum個不同的數(shù)，每三個數(shù)代表一條人工魚個體，這樣就形成初始魚群，即產(chǎn)生fishnum組參數(shù)不同的(kp，ki，kd)。

3)通過模擬魚群三大行為，如聚群、追尾和覓食，然后經(jīng)過對這三種行為對比選取優(yōu)異的一種作為最終的行為來執(zhí)行。

5)接著下一次循環(huán)，直到完成最大迭代次數(shù)，輸出最優(yōu)解。

1.3 改進的人工魚群算法

人工魚群算法尋優(yōu)解的過程和人工魚模型的移動緊密聯(lián)系。影響人工魚算法的因素有：魚群規(guī)模、魚的視野、移動步長、擁擠度因子、人工魚個體的初始參數(shù)等等。改進人工魚群算法的方式如下：

1)為了解決傳統(tǒng)人工魚群算法步長和視野不可調(diào)節(jié)的缺點，引入自適應(yīng)因子使得視野和步長能自適應(yīng)變化，不僅使算法在尋優(yōu)前期具有良好的全局搜索能力，而且避免了人工魚群算法在后期的振蕩現(xiàn)象。視野和步長的變化滿足以下公式：

其中a∈(0，1)為自適應(yīng)因子，k為迭代次數(shù)。

2)當指標函數(shù)ITAE連續(xù)β次不再發(fā)生變化，則可認為找到最優(yōu)解。此時可以結(jié)束尋優(yōu)，減少算法尋優(yōu)的時間。

2 采煤機調(diào)高系統(tǒng)

2.1 采煤機調(diào)高系統(tǒng)結(jié)構(gòu)

采煤機調(diào)高系統(tǒng)結(jié)構(gòu)如圖1所示，這是一個電液比例控制系統(tǒng)，液壓變量泵、電液伺服閥、溢流閥、液壓缸及控制部分是該系統(tǒng)的主要組成部分。這個電液比例控制系統(tǒng)的工作原理如下：在液壓缸處安裝位置傳感器，通過位置傳感器測得液壓缸的實際信號，然后將測得的實際信號與給定信號對比得出誤差信號，經(jīng)過控制算法對誤差信號加工處理，得到控制量，最后把控制量經(jīng)過D/A轉(zhuǎn)換及放大器放大處理，使得電液伺服閥閥芯動作，這樣就完成對液壓缸活塞位移的實時控制，從而完成了對滾筒的調(diào)高控制。

1—油箱；2—電機；3—液壓泵；4—安全閥；5—三位四通換向閥；6—液壓鎖；7—過載閥；8—調(diào)高液壓缸；9—位移傳感器；10—搖臂；11—滾筒圖圖1 采煤機閥控缸智能調(diào)高系統(tǒng)

利用位移傳感器和計算機技術(shù)的記憶截割調(diào)高技術(shù)是采煤機調(diào)高控制的關(guān)鍵，其原理就是使用不同類型傳感器，如位移測量傳感器、油缸行程傳感器和傾角測量傳感器等，在采煤機的不同位置安裝上述傳感器，在記錄各種參數(shù)的同時還能實時檢測，然后把檢測到的數(shù)據(jù)存儲在存儲器中，最后把自動控制技術(shù)和相關(guān)計算相結(jié)合，就可以實現(xiàn)采煤機自動調(diào)高的目的。在這一控制過程中，調(diào)高換向閥的閥芯在電磁力的控制下，不斷地根據(jù)采煤機滾筒的工作高度要求進行調(diào)節(jié)，使液壓油從不同的油口進入到執(zhí)行油缸的有桿腔或者是無桿腔，使活塞桿執(zhí)行伸出或者收縮，從而完成對于滾筒升降過程的調(diào)節(jié)控制。

2.2 采煤機調(diào)高系統(tǒng)模型的建立

采煤機數(shù)學(xué)模型的建立是采煤機智能調(diào)高的關(guān)鍵所在。在建立模型的過程中，為了計算和分析的方便，假設(shè)閥是零開口四邊滑閥，4個節(jié)流閥窗口是相匹配和對稱的，供油壓力Ps恒定，回油壓力P0為零。

伺服閥的線性流量方程式為：

ql=kQxv-kcPl

(1)

式中，kQ為流量增益；xv為閥芯輸入位移；kc為流量-壓力系數(shù)；Pl為液壓缸進出油口壓力差。

流入液壓缸進油腔的流量q1為：

式中，ap是液壓缸活塞有效面積，m2；xp為活塞位移，m；cip，cep分別為液壓缸內(nèi)、外泄漏系數(shù)；βe為有效體積彈性模量；v1為液壓缸進油腔的容積，m3。

從液壓缸回油腔流出的流量q2為：

式中，P1，P2分別為液壓缸進、出油口壓力；v2為液壓缸回油腔的容積。

式中，ctp為液壓缸總泄漏系數(shù)；v0為活塞在中間位置時每一個工作腔的容積。

負載力一般包括慣性力、黏性阻尼力、彈性力和任意外負載力。液壓力的輸出力與負載力的平衡方程為：

式中，mt為活塞及負載折算到活塞上的總質(zhì)量；bp為活塞及負載的黏性阻尼系數(shù)；K為負載彈性剛度；fl為作用在活塞上的任意外負載力。

通常，與液壓缸負載相比，比例閥的響應(yīng)速度很快，可以看成比例環(huán)節(jié)：

式中，xv為閥芯輸入位移，m；U為比例閥的輸入電壓，V；ka為放大器增益；ksv為比例閥的增益。

對式 (1)—(6) 進行拉氏變換，得到：

式中，ξh為阻尼比；xp為活塞位移；kce為伺服閥總流量-壓力系數(shù)；s為復(fù)變數(shù)；ωh為液壓固有頻率。

根據(jù)文獻[16]，若閥與液壓缸的連接管道對稱且短而粗，可以得出采煤機的調(diào)高系統(tǒng)的傳遞函數(shù)為：

式中，kQ為流量增益；ka為放大器增益；ksv為比例閥的增益；U為比例閥的輸入電壓；Ap為液壓缸活塞有效面積；ωh和ξh是系統(tǒng)阻尼比和固有頻率系數(shù)。本文選取參數(shù)Ap=0.088m2，ωh=157rad/s，ξh=0.7，ka=1.55，kQ=6.56，代入數(shù)值可得采煤機調(diào)高傳遞函數(shù)為：

3 仿真與結(jié)果分析

3.1 算法對比分析

在Matlab中編寫改進后的人工魚群算法程序，給定初始參數(shù)：fishnum=50，MAXGEN=50，visual=1，delta=0.618，step=1。在改進的人工魚群算法中選取a=0.6。根據(jù)系統(tǒng)正定的經(jīng)驗可以選取kp、ki、kd的取值范圍分別是[0，90]，[0，15]，[0，0.15]。改進后的魚群算法在尋優(yōu)過程中人工魚參數(shù)的變化和ITAE的最小值的變化隨迭代次數(shù)的變化如圖2所示，由仿真圖知ITAE最小值為0.0702。

圖2 仿真參數(shù)變化圖

表1 算法的參數(shù)設(shè)置

利用MATLAB工具對上述系統(tǒng)模型進行仿真，3種算法的ITAE的變化曲線圖、系統(tǒng)階躍響應(yīng)輸出曲線如圖3和圖4所示。

從圖3可以看出，改進后的魚群算法相較于模擬退火算法和粒子群算法，收斂速度較快(改進的魚群算法在迭代到70之后就趨于穩(wěn)定，模擬退火在迭代85次之后不再發(fā)生變化，雖然粒子群最快，但誤差最大，這是因為算法陷入局部最優(yōu)所導(dǎo)致的)，誤差較小，精度較為準確(改進的魚群算法0.1159，模擬退火算法0.08，粒子群算法0.2056)。由圖4可以得出，相比于粒子群算法和模擬退火算法，改進的魚群算法的階躍響應(yīng)輸出曲線更平滑、更穩(wěn)定，曲線沒有超調(diào)和震蕩，調(diào)節(jié)所需要的時間最短，穩(wěn)定性更好，更能適用于采煤機的復(fù)雜工況環(huán)境。

3.2 調(diào)高系統(tǒng)仿真

經(jīng)過多次尋優(yōu)，選取最優(yōu)值的平均值kp=85，ki=0.38，kd=0.005。將參數(shù)代入Simulink中的仿真框圖中。仿真框圖如圖5所示，系統(tǒng)的上部分是ITAE指標函數(shù)，由時間(Time)及誤差絕對值|u|的乘積進行積分后得到。系統(tǒng)的下部分是PID控制器，左邊是單位階躍信號輸入，右邊是波形圖的輸出，中間是PID參數(shù)和控制函數(shù)參數(shù)設(shè)置，各個參數(shù)的數(shù)值已在之前給出。

仿真結(jié)果波形如圖6所示。

圖3 ITAE隨迭代次數(shù)的變化

圖4 系統(tǒng)階躍響應(yīng)輸出曲線

圖5 系統(tǒng)仿真結(jié)構(gòu)圖

圖6 仿真結(jié)果波形圖

為了驗證系統(tǒng)的魯棒性，在第4s處給定持續(xù)1s幅值為1 的擾動信號來驗證魯棒性，其輸出響應(yīng)曲線如圖7所示，從圖7中能夠看出，當系統(tǒng)受到擾動后用了很少的時間(大約為0.1～0.2s)恢復(fù)到穩(wěn)定狀態(tài)，這也驗證了系統(tǒng)對外界的干擾信號有著較強的抗干擾能力，也說明了系統(tǒng)的魯棒性好。同時可以看到系統(tǒng)還具有較小抖震，表明系統(tǒng)具有良好的穩(wěn)態(tài)特性。

圖7 系統(tǒng)擾動圖

4 結(jié) 語

在傳統(tǒng)人工魚群算法的基礎(chǔ)上，加入步長和視野自適應(yīng)變化的思想，以采煤機滾筒調(diào)高為研究對象，通過把ITAE的倒數(shù)作為指標函數(shù)，在Matlab中應(yīng)用程序驗證了改進后算法的可行性。以采煤機調(diào)高系統(tǒng)的傳遞函數(shù)為基礎(chǔ)，通過改進的人工魚群算法對電液伺服系統(tǒng)PID控制器參數(shù)尋優(yōu)，對比改進之后的人工魚群算法、模擬退火算法和粒子群算法，得出改進的人工魚群算法具有較好的收斂速度和精確度，系統(tǒng)的動態(tài)響應(yīng)更強，輸出曲線更平滑，魯棒性好，驗證了該算法的高效性。為實現(xiàn)采煤機滾筒的精準調(diào)高提供了新的方法。