程志原
(太原煤氣化爐峪口煤礦,山西 太原 030402)
為了提高刮板輸送機的運行效率,可建立一套基于載荷信息的控制系統(tǒng),實時調(diào)整輸送機的轉(zhuǎn)速。調(diào)速系統(tǒng)的設(shè)計目的是為了實現(xiàn)在不需要人工操作的情況下對刮板輸送機運行速度進行調(diào)節(jié),當運輸負載較小時刮板輸送機可以減速運行,在沒有負載的情況下還可進行待機,由此不僅可以極大地降低刮板輸送機的能耗,而且可以最終實現(xiàn)自動化、無人化的操作[1]。
在井下煤炭開采中,刮板輸送機、采煤機、液壓支架三者之間協(xié)同配合,如圖1 所示。采煤機主要負責對煤巖進行截割、破碎,在工作面內(nèi)可對一定空間范圍內(nèi)的煤炭進行截割;刮板輸送機主要負責將采煤機截割、破碎的煤炭源源不斷地往外輸送,需要不斷地根據(jù)煤炭的運載量進行調(diào)節(jié)其輸送速度;液壓支架主要負責對工作面的支撐,確保作業(yè)設(shè)備與人員的安全。
圖1 綜采面協(xié)同作業(yè)示意圖
為了保障井下作業(yè)人員的安全,在刮板輸送機與采煤機之間設(shè)置有互鎖功能,確保兩種設(shè)備可以同時開啟與關(guān)閉,防止刮板輸送機停機時,采煤機仍在工作,只有在兩者相互協(xié)調(diào)配合才能確保煤礦開采的順利進行,保障人員與設(shè)備的安全[2]。
刮板輸送機調(diào)速控制系統(tǒng)是一個復雜、高度偶合的系統(tǒng),其結(jié)構(gòu)如圖2 所示。
圖2 采煤機調(diào)速控制系統(tǒng)硬件構(gòu)架
根據(jù)系統(tǒng)的硬件結(jié)構(gòu)設(shè)計,可以分為三層:首先是數(shù)據(jù)采集層,即在設(shè)備上布置信號傳感器,獲取相關(guān)參數(shù)信息,數(shù)據(jù)采集層主要包括各類傳感器、編碼器、電流互感器等;其次是通信層,主要實現(xiàn)將所采集的井下信號通過信號傳輸設(shè)備輸送至地面控制中心,基于工業(yè)互聯(lián)網(wǎng)及無線網(wǎng)絡(luò)技術(shù)實現(xiàn);最后是數(shù)據(jù)處理層,結(jié)合可編程控制器以及上位計算機對傳感器所采集的數(shù)據(jù)進行分析判斷[3]。
要實現(xiàn)控制系統(tǒng)能夠根據(jù)刮板輸送機載荷進行速度的自動調(diào)節(jié)與控制,就必須對刮板輸送機、采煤機等設(shè)備的工況參數(shù)進行監(jiān)測與分析。傳感器可以將溫度、速度等物理信號轉(zhuǎn)化為電信號,電信號則可以得到快速的傳遞,從而實現(xiàn)對輸送機的實時控制。根據(jù)系統(tǒng)性能需求選擇傳感器型號,要求設(shè)備應(yīng)適用于井下工作環(huán)境,具有較好的可靠性。圖3 所示即為本系統(tǒng)中所選取的溫度傳感器、電流互感器、軸編碼器的實物圖。
圖3 部分硬件選型實物圖
溫度傳感器是一種GWP200的礦用本安型拆插入式溫度傳感器,被安裝在刮板輸送機機頭和機尾處,用來測量電動機軸承溫度。電流互感器是型號為LMZ-1的礦用電流互感器,被安裝在組合開關(guān)中,用來獲取刮板輸送機的電流數(shù)據(jù)。軸編碼器是型號為VBW28的礦用軸式編碼器,被安裝于刮板輸送器的電機傳動軸上,獲取電動機的轉(zhuǎn)速等信息[4]。
綜采面工況復雜環(huán)境比較惡劣,常導致有線通信設(shè)備發(fā)生故障,因此結(jié)合有線網(wǎng)絡(luò)與無線網(wǎng)絡(luò)相結(jié)合的方式。無線Mesh 技術(shù)是下一代無線網(wǎng)絡(luò)的關(guān)鍵技術(shù),具有兼容性強、抗干擾能力好等優(yōu)點。配備KJHT500型礦用無線交換機,該交換機最大可提供200~2 000 Mbps的快速傳遞能力。
工業(yè)互聯(lián)網(wǎng)是實現(xiàn)多系統(tǒng)聯(lián)動的基礎(chǔ),通過搭建網(wǎng)絡(luò)通信平臺實現(xiàn)刮板輸送機PLC、采煤機主控制PLC、控制系統(tǒng)的PLC 之間信息的交互傳遞,如圖4 所示[5]。
圖4 基于刮板輸送機負載調(diào)速系統(tǒng)通信結(jié)構(gòu)示意圖
利用BP 神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行篩選分類,BP 神經(jīng)網(wǎng)絡(luò)的識別系統(tǒng)的構(gòu)建過程可以被簡單概況為如下三步[6]:
1)分析數(shù)據(jù)的采樣、收集與整理。由于算法本身基于離散的數(shù)據(jù)進行分析,因此需要對樣本數(shù)據(jù)進行取樣。
2)對分析樣本進行集約化處理。在減小樣本容量的同時可提高算法的識別度,即構(gòu)建識別參數(shù)的決策表。
3)根據(jù)整理得到的決策表,再提起隱藏于其中的規(guī)律,并以此作為BP 神經(jīng)網(wǎng)絡(luò)的輸入。這一步對神經(jīng)網(wǎng)絡(luò)的訓練尤為重要,對后期神經(jīng)網(wǎng)絡(luò)的預(yù)測判斷具有重要影響。
4)構(gòu)建起基于神經(jīng)網(wǎng)絡(luò)算法的模式識別系統(tǒng),其結(jié)構(gòu)如圖5 所示。
圖5 載荷識別系統(tǒng)結(jié)構(gòu)
對系統(tǒng)硬件、軟件進行了不斷調(diào)試,最終實現(xiàn)了基于負載的刮板輸送機的調(diào)速與控制。在軟件系統(tǒng)的主界面,顯示了刮板輸送機的運行狀態(tài)參數(shù),如轉(zhuǎn)速、載荷、溫度等。采用神經(jīng)網(wǎng)絡(luò)建立的預(yù)測模型和調(diào)速模型,對刮板輸送機的歷史數(shù)據(jù)進行分析,歸類總結(jié)出刮板運行的特點,以及轉(zhuǎn)速的控制,從而實現(xiàn)了對刮板轉(zhuǎn)速的實時調(diào)控。