馬效民

（山西焦煤集團(tuán)有限責(zé)任公司屯蘭礦， 山西 古交 030206）

引言

隨著采煤機(jī)截煤效率的不斷提升，采煤作業(yè)安全性顯得愈發(fā)重要。采煤機(jī)無人化、智能化的有效運(yùn)用，可降低采煤作業(yè)的事故率，是采煤機(jī)機(jī)電控制系統(tǒng)主要的研究方向之一。其中，采煤機(jī)截割路徑的準(zhǔn)確追蹤是實(shí)現(xiàn)采煤機(jī)無人化、智能化的關(guān)鍵技術(shù)。目前，采煤機(jī)截割路徑的追蹤存在精度低，適應(yīng)性差等缺點(diǎn)。為解決此問題，以MG950/1300-WD 采煤機(jī)為研究對象，對采煤機(jī)智能截割進(jìn)行研究[1-4]。

1 綜合預(yù)測數(shù)學(xué)模型建立

采煤機(jī)截割路徑追蹤技術(shù)研究方向主要包括煤巖界面識別技術(shù)和記憶截割法，但以上兩種技術(shù)均存在不同形式的缺點(diǎn)。其中，記憶截割法的主要缺點(diǎn)在于“人為示教”的截割路徑對采煤地質(zhì)層的要求過嚴(yán)。當(dāng)?shù)刭|(zhì)層存在變化時，會造成頻繁的停機(jī)調(diào)試，適應(yīng)性差，嚴(yán)重影響生產(chǎn)效率。而煤巖界面識別技術(shù)雖然對采煤地質(zhì)要求不高，但技術(shù)尚未成熟，用于采煤作業(yè)的實(shí)用性較差。

為此，提出了一種利用煤層分布邊界趨勢來預(yù)測采煤機(jī)截割路徑的方法。即首先收集煤層邊界的歷史截割點(diǎn)，假設(shè)共a 刀；隨后通過人工神經(jīng)網(wǎng)絡(luò)對目前截割邊界第β 刀進(jìn)行分析預(yù)測，并結(jié)合D-S 理論，綜合預(yù)測得出最優(yōu)解[5]。

人工神經(jīng)網(wǎng)絡(luò)是最為常用的智能預(yù)測算法，但單一的神經(jīng)網(wǎng)絡(luò)預(yù)測無法有效保證預(yù)測精度。為提高預(yù)測精度，結(jié)合對采煤作業(yè)情況的分析，以BP 神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)、Elman 神經(jīng)網(wǎng)絡(luò)、RBF 神經(jīng)網(wǎng)絡(luò)對截割路徑進(jìn)行共同預(yù)測[6]。

當(dāng)多個神經(jīng)網(wǎng)絡(luò)預(yù)測同時，會出現(xiàn)證據(jù)沖突，傳統(tǒng)的D-S 證據(jù)理論在處理證據(jù)沖突時，不能夠有效融合結(jié)果[7-8]。

為此，對D-S 證據(jù)理論進(jìn)行優(yōu)化，在傳統(tǒng)D-S證據(jù)理論公式中增加了可信因子ξ，具體公式如式1所示。

式中：dij為證據(jù)矩陣之間的歐式距離；mi、mj為證據(jù)矩陣中的各個元素；k 為證據(jù)沖突系數(shù)，當(dāng)證據(jù)相反時，k=1；Ak為采煤邊界神經(jīng)運(yùn)算命題；ξi為可信因子，ξi越大，可信度越低。

結(jié)合神經(jīng)網(wǎng)絡(luò)共同預(yù)測結(jié)果，按照式（1）建立BPA 函數(shù)，可得到各神經(jīng)網(wǎng)絡(luò)權(quán)重計(jì)算公式如式（2）所示。

式中：Hj為單個神經(jīng)網(wǎng)絡(luò)對邊界特征點(diǎn)的預(yù)測結(jié)果；Ei1、Ei2、Ei3、Ei4為神經(jīng)網(wǎng)絡(luò)對邊界特征點(diǎn)的預(yù)測誤差；D（Ei）為神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的方差。

由于利用證據(jù)理論融合預(yù)測的計(jì)算量太大，采用多重融合的方法對網(wǎng)絡(luò)權(quán)重逐級合成。結(jié)合上述改進(jìn)的權(quán)重公式，并截割邊界β 刀的預(yù)測結(jié)果的數(shù)學(xué)模型為：

式中：H1β，H2β，H3β，H4β為各個神經(jīng)網(wǎng)絡(luò)對邊界特征點(diǎn)的預(yù)測結(jié)果。

結(jié)合上述計(jì)算公式建立數(shù)學(xué)模型，計(jì)算過程如下頁圖1 所示。

圖1 綜合預(yù)測數(shù)學(xué)計(jì)算模型

2 基于差值算法的路徑建立

結(jié)合上述融合預(yù)測數(shù)學(xué)模型，利用MATLAB 軟件，以MG950/1300-WD 采煤機(jī)為仿真對象，模擬凸形截割路徑工況，仿真結(jié)果如下頁圖2 所示。

下頁圖2 中不同形狀的標(biāo)志代表了不同神經(jīng)網(wǎng)絡(luò)優(yōu)選的結(jié)果。從下頁圖2 中看出，利用綜合預(yù)測的方法可以有效建立采煤機(jī)智能化的截割路徑特征點(diǎn)。

圖2 截割路徑特征點(diǎn)示意圖

采煤機(jī)的截割路徑是根據(jù)以上的路徑特征點(diǎn)來完成截割工作的，但是路徑截割點(diǎn)無法直接用于截割路徑，需要利用差值算法，將特征點(diǎn)建立光滑的邊界曲線并作為截割路徑。根據(jù)采煤作業(yè)的實(shí)際情況，截割邊界曲線應(yīng)光滑，合理的差值算法可避免出現(xiàn)造成停機(jī)調(diào)試的極點(diǎn)。

有學(xué)者在研究Bezie 曲線的基礎(chǔ)上提出了B 樣條曲線。由于B 樣條曲線具有凸包性，因此其路徑較其他跟蹤曲線相對光滑，不會產(chǎn)生極值點(diǎn)。因此選用B 樣條曲線擬合路徑，仿真結(jié)果如圖3 所示。

從圖3 中可以看出，基于B 樣條曲線擬合的截割路徑光滑有效，對比其中多個特征點(diǎn)，偏差最大為0.035 m，能夠滿足采煤作業(yè)的精度要求。同時，在22～24 m、32～36 m 滾筒位置調(diào)整階段。雖然降低了軌跡定位精度，但可有效地降低滾筒調(diào)節(jié)速度變化性，減小滾筒的調(diào)節(jié)頻率，在一定程度上提高了截割作業(yè)的穩(wěn)定性。

圖3 截割路徑曲線示意圖

3 現(xiàn)場試驗(yàn)

為驗(yàn)證上述綜合預(yù)測截割路徑方法在實(shí)際工作中的運(yùn)用情況，按比例建立了試驗(yàn)平臺，如圖4 所示。

圖4 現(xiàn)場試驗(yàn)圖

實(shí)驗(yàn)平臺共有五個部分組成，分別為采煤機(jī)模型、操作臺、液壓泵、PLC 控制箱以及上位機(jī)監(jiān)控平臺。

其中采煤機(jī)模型配備有電機(jī)減速機(jī)以及升縮油缸，可完全模擬采煤機(jī)的截煤動作；升縮油缸動力來源由液壓泵站提供；PLC 控制箱和操作臺選用西門子S7-1200PLC 系統(tǒng)，可有效模擬采煤機(jī)的邏輯控制，通信傳輸?shù)雀黜?xiàng)功能；另外，在采煤機(jī)模型上放置了高精度的傾角及速度傳感器，用于檢測采煤機(jī)搖臂動作并將數(shù)據(jù)反饋至監(jiān)控平臺。

采煤作業(yè)出現(xiàn)狀態(tài)異常的情況包括“割頂板”“割夾矸煤”“機(jī)身受阻”等各種情況，通過利用綜合預(yù)測截割路徑方法對異常情況的分析處理，可驗(yàn)證其智能截割的有效性。試驗(yàn)結(jié)果如圖5 和下頁6 所示。

圖5 “割頂板”試驗(yàn)結(jié)果

圖5 為“割頂板”時，采煤機(jī)智能截割路徑的控制情況，從圖中可以看出，在1.50 m 之前，截割采煤機(jī)穩(wěn)定運(yùn)行，搖臂傾角及牽引速度沒有發(fā)生變化。1.52 m時，出現(xiàn)“割頂板”現(xiàn)象，根據(jù)邏輯判斷，迅速降低了搖臂傾角至46.2°，并緩慢降低牽引速度。隨后根據(jù)邏輯動作控制將傾角調(diào)整至44.2°，牽引速度調(diào)至4.01 m/min。

圖6 為“割夾矸煤”時，采煤機(jī)智能截割路徑的控制情況，從圖中可以看出在1.50 m 之前，截割采煤機(jī)穩(wěn)定運(yùn)行，右搖臂傾角及牽引速度沒有發(fā)生變化。1.52 m 時，出現(xiàn)“割夾矸煤”現(xiàn)象，根據(jù)邏輯判斷，該異常現(xiàn)象不需要對截割傾角進(jìn)行調(diào)整，只需緩慢降低牽引速度至3.87 m/min，在1.9 m 時，隨著異常情況的消失，根據(jù)邏輯動作控制將牽引速度調(diào)回至初始狀態(tài)。

圖6 “割夾矸煤”試驗(yàn)結(jié)果

綜合上述試驗(yàn)對比分析可以看出，新的預(yù)測截割路徑方法能夠分辨不同的異常情況并進(jìn)行控制，充分證明了其有效性。

4 結(jié)語

本文針對目前采煤機(jī)智能化截割效率低，精度差等問題，設(shè)計(jì)了新的智能截割路徑控制方法。以MG950/1300-WD 采煤機(jī)截割系統(tǒng)為試驗(yàn)對象，對新控制方法進(jìn)行了理論分析、MATLAB 模擬仿真及現(xiàn)場試驗(yàn)，得出如下結(jié)論：

1）利用煤層分布邊界趨勢預(yù)測采煤機(jī)截割路徑的方法，需要多個神經(jīng)網(wǎng)絡(luò)共同預(yù)測結(jié)果。這樣會出現(xiàn)證據(jù)沖突，因此要在傳統(tǒng)D-S 證據(jù)理論中增加可信因子。

2）通過MATLAB 模擬仿真分析，新的智能截割路徑控制方法生成截割路徑光滑有效，定位精度最大偏差不大于0.04 m，能夠滿足采煤作業(yè)的精度要求。

3）通過現(xiàn)場模擬采煤作業(yè)異常情況，證明了煤層分布邊界趨勢預(yù)測采煤機(jī)截割路徑的方法的有效性和實(shí)用性。