亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        掘進(jìn)機(jī)截割臂自適應(yīng)截割控制策略研究

        2022-11-01 01:34:56王東杰王鵬江郭明澤鄭偉雄
        中國機(jī)械工程 2022年20期
        關(guān)鍵詞:信號實(shí)驗(yàn)

        王東杰 王鵬江 李 悅 郭明澤 鄭偉雄 沈 陽 吳 淼

        中國礦業(yè)大學(xué)(北京) 機(jī)電與信息工程學(xué)院,北京,100083

        0 引言

        我國煤炭資源儲量大、分布廣,但儲存條件復(fù)雜,煤炭開采主要以井工方式進(jìn)行[1]。2020年3月國家發(fā)改委、國家能源局等八部委聯(lián)合印發(fā)的《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》,要求大力推進(jìn)煤礦智能化建設(shè),到2025年實(shí)現(xiàn)采掘、運(yùn)輸?shù)雀飨到y(tǒng)的智能化決策和自動化協(xié)同運(yùn)行[2]。懸臂式掘進(jìn)機(jī)是煤礦井下綜掘工作面最重要的設(shè)備,其自動化、智能化水平是實(shí)現(xiàn)無人智能掘進(jìn)、提高掘進(jìn)效率的關(guān)鍵[3-4]。掘進(jìn)機(jī)截割臂與截割頭是掘進(jìn)機(jī)的核心截割部件,掘進(jìn)機(jī)依靠截割臂的擺動與截割頭的轉(zhuǎn)動來實(shí)現(xiàn)巷道煤巖的截割;截割臂在擺動截割過程中,井下巷道斷面所截割煤巖的硬度與密度會不斷變化[5],截割臂擺速不能根據(jù)煤巖硬度變化進(jìn)行實(shí)時調(diào)節(jié),為提高掘進(jìn)效率,延長截割部使用壽命,有必要對掘進(jìn)機(jī)截割臂擺速進(jìn)行高效調(diào)控,使截割臂擺速可以根據(jù)煤巖硬度的變化進(jìn)行自適應(yīng)調(diào)節(jié)。

        國內(nèi)外學(xué)者針對自適應(yīng)截割展開了研究。高峰等[6]提出了一種截割臂擺速自動控制方法,通過實(shí)時監(jiān)測截割電機(jī)電流,并以額定電流作為判斷依據(jù),基于PID控制方法對截割臂擺速進(jìn)行自動控制;賀文海等[7]提出了一種基于模糊PID的掘進(jìn)機(jī)恒功率控制系統(tǒng),以油缸線速度誤差及誤差變化率作為輸入,通過模糊PID控制器對截割臂擺速進(jìn)行調(diào)節(jié)。國外一些研究機(jī)構(gòu)如瑞典SANDVIK、美國TEREX公司等針對掘進(jìn)機(jī)截割臂擺速控制研發(fā)了負(fù)載敏感型液壓閥,可基于油缸壓力對截割臂擺速進(jìn)行自適應(yīng)調(diào)節(jié)[8]。以上對掘進(jìn)機(jī)自適應(yīng)截割的研究均是基于截割電機(jī)電流或油缸壓力單一參數(shù)來判斷截割載荷,單一參數(shù)不能全面、穩(wěn)定地反映當(dāng)前截割載荷的變化,無法準(zhǔn)確給出擺速調(diào)控依據(jù);此外,現(xiàn)有截割臂擺速控制方法的智能化程度較低,對井下截割效率提升有限。

        基于以上分析,筆者提出一種基于多傳感器信息的截割臂擺速自適應(yīng)截割控制策略。基于井下實(shí)測多傳感器信息,采用徑向基函數(shù)(radial basis function, RBF)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)載荷識別器,得到可表征煤巖硬度的截割載荷信號;以截割載荷信號作為擺速調(diào)控依據(jù),采用遺傳算法優(yōu)化的模糊PID智能控制器對截割臂擺速進(jìn)行智能調(diào)節(jié),實(shí)現(xiàn)截割臂依據(jù)煤巖硬度變化自適應(yīng)截割,并對具體調(diào)速方法及控制策略進(jìn)行了仿真分析和井上工業(yè)性實(shí)驗(yàn)驗(yàn)證。

        1 多傳感器信息數(shù)據(jù)采集及載荷分析

        掘進(jìn)巷道工作環(huán)境特殊,掘進(jìn)機(jī)截割頭的截割載荷不能通過測力裝置直接得出,需通過截割狀態(tài)參數(shù)來間接識別。截割電機(jī)電流、截割臂驅(qū)動油缸壓力、截割臂振動加速度都是與截割狀態(tài)密切相關(guān)的物理參數(shù),因此首先通過實(shí)驗(yàn)實(shí)現(xiàn)對3個截割狀態(tài)參數(shù)的實(shí)時測取。

        1.1 截割狀態(tài)參數(shù)分析

        1.1.1截割電機(jī)電流

        掘進(jìn)機(jī)截割時,截割頭在截割電機(jī)帶動下高速旋轉(zhuǎn)破碎煤壁,截割頭受到煤巖反作用的截割阻力,截割頭截割阻力、截割頭轉(zhuǎn)速、截割電機(jī)輸出轉(zhuǎn)矩和截割電機(jī)有功功率的關(guān)系為

        (1)

        式中,F(xiàn)為截割頭截割阻力;T為截割頭輸出轉(zhuǎn)矩;D為截割頭直徑;P為截割電機(jī)有功功率;n為截割電機(jī)轉(zhuǎn)速;I為截割電機(jī)電流;U為截割電機(jī)輸入電壓,通常為1140 V;φ為截割電機(jī)電壓與電流之間的相位差。

        聯(lián)立式(1)三式并化簡得

        (2)

        由式(2)可得,在其他條件一定時,截割阻力變大時,截割電機(jī)電流會隨之增大。

        1.1.2驅(qū)動油缸壓力

        掘進(jìn)機(jī)截割過程中,截割頭高速旋轉(zhuǎn)時,截割臂需在驅(qū)動油缸作用下橫向或者縱向擺動,截割出完整斷面,當(dāng)截割載荷變大時,驅(qū)動油缸提供的橫向擺動力和縱向擺動力會隨之增大,因此可根據(jù)油缸油路壓力信號評估截割載荷大小。

        1.1.3截割臂振動加速度

        巷道環(huán)境復(fù)雜、惡劣,經(jīng)常會出現(xiàn)沖擊性載荷,掘進(jìn)過程中掘進(jìn)機(jī)普遍會產(chǎn)生振動,載荷越大振動越強(qiáng),且越靠近截割頭振動變化越劇烈,因此截割臂處振動的劇烈程度可反映載荷大小。

        1.2 實(shí)驗(yàn)方案

        井下實(shí)驗(yàn)地點(diǎn)為冀中能源公司的邢東礦,實(shí)驗(yàn)機(jī)型為石家莊煤礦機(jī)械有限公司生產(chǎn)的EBZ135型掘進(jìn)機(jī),測試巷道斷面為斜矩形,掘進(jìn)長度約200 m;根據(jù)掘進(jìn)機(jī)的結(jié)構(gòu)特點(diǎn)及工作特性,選用符合煤礦安全標(biāo)準(zhǔn)的BYD-60型礦用壓力變送器,串聯(lián)兩個回轉(zhuǎn)油缸的有桿腔及無桿腔來測取輸出的兩路油壓信號p;選用礦用本質(zhì)安全型GBC1000加速度傳感器檢測截割臂振動加速度信號a,傳感器布置在振動最強(qiáng)的截割臂前端;截割電機(jī)電流由掘進(jìn)機(jī)的機(jī)載狀態(tài)檢測器給出。實(shí)驗(yàn)采樣頻率為1 Hz,實(shí)驗(yàn)使用本研究團(tuán)隊(duì)自主研發(fā)的煤礦井下采掘設(shè)備機(jī)載大容量數(shù)據(jù)記錄儀來儲存、發(fā)送采集到的多傳感器實(shí)測數(shù)據(jù)[9]。

        1.3 實(shí)驗(yàn)數(shù)據(jù)處理

        經(jīng)過井下幾十個完整工作周期的截割狀態(tài)監(jiān)測,所采集的多傳感器信息可全面充分表征各個工況下的截割載荷;但在截割狀態(tài)信號采集過程中,由于井下非常復(fù)雜的工況環(huán)境,會出現(xiàn)數(shù)據(jù)的極端異常值,這些異常值的存在會影響神經(jīng)網(wǎng)絡(luò)載荷識別模型的訓(xùn)練,導(dǎo)致截割載荷識別精度降低。本文采用3σ準(zhǔn)則對數(shù)據(jù)進(jìn)行處理:

        xi-μ>3σ

        式中,xi為所采集數(shù)據(jù)組中的個體值;μ為所采集信號數(shù)據(jù)的平均值;σ為數(shù)據(jù)的標(biāo)準(zhǔn)偏差。

        將所采集到的3個傳感器信號數(shù)據(jù)分別應(yīng)用于此準(zhǔn)則,將滿足上式的數(shù)據(jù)剔除,同時剔除時序相同的同一組其他數(shù)據(jù)。井下實(shí)測獲得的部分樣本數(shù)據(jù)如表1所示。

        表1 井下實(shí)測部分樣本數(shù)據(jù)

        1.4 截割載荷分析

        通過提取不同截割工況下的多傳感器信息數(shù)據(jù)組{I,p,a},并結(jié)合課題組前期研究所得截割頭載荷計(jì)算方法[10],得到不同截割工況下對應(yīng)多傳感器數(shù)據(jù)組及截割載荷范圍,如表2所示。

        表2 不同截割工況下對應(yīng)多傳感器數(shù)據(jù)組及截割載荷范圍

        基于不同截割工況下對應(yīng)的多傳感器數(shù)據(jù)組及截割載荷范圍,同時在井下大量完整截割周期實(shí)測多傳感器數(shù)據(jù)支撐下,可利用神經(jīng)網(wǎng)絡(luò)多信息融合技術(shù),精準(zhǔn)識別截割載荷信號,為不同煤巖硬度工況下截割臂的擺速調(diào)控提供準(zhǔn)確依據(jù)。

        2 截割臂自適應(yīng)截割控制策略

        2.1 截割臂擺動工作原理

        懸臂式掘進(jìn)機(jī)屬于部分?jǐn)嗝婢蜻M(jìn)機(jī),由回轉(zhuǎn)臺、截割頭、液壓缸、機(jī)身等組成,井下截割斷面成形過程中,截割頭高速旋轉(zhuǎn),同時截割臂沿著一定截割路徑進(jìn)行擺動使煤巖破落,橫向截割時,在回轉(zhuǎn)油缸作用下水平擺動,縱向截割時,在升降油缸作用下垂直擺動,反復(fù)水平、垂直擺動多次,最后截出完整斷面[11]。截割臂結(jié)構(gòu)及擺動示意圖見圖1。

        (a)截割臂橫向擺動示意圖

        (b)截割臂垂直擺動示意圖圖1 截割臂結(jié)構(gòu)及擺動示意圖Fig.1 Structure and swing diagram of cutting arm

        2.2 截割臂自適應(yīng)截割控制策略

        掘進(jìn)機(jī)截割過程中,截割電機(jī)電流I、截割臂驅(qū)動油缸壓力p、截割臂振動加速度a雖然都是可有效反映截割載荷大小的物理參數(shù),但它們與截割載荷之間無法建立精確的數(shù)學(xué)計(jì)算模型[12]。RBF神經(jīng)網(wǎng)絡(luò)作為一種性能強(qiáng)大的前饋型神經(jīng)網(wǎng)絡(luò),適合解算內(nèi)部機(jī)制十分復(fù)雜的問題[13],因此本研究以上述3個截割狀態(tài)參數(shù)作為狀態(tài)監(jiān)測變量,采用RBF神經(jīng)網(wǎng)絡(luò)構(gòu)造載荷識別器識別截割載荷信號,得到擺速調(diào)控依據(jù)。

        針對復(fù)雜且時變的截割臂擺速控制系統(tǒng),構(gòu)造經(jīng)遺傳算法優(yōu)化的模糊PID智能控制器,該控制器在傳統(tǒng)PID控制的基礎(chǔ)上,采用模糊控制在線調(diào)整PID控制參數(shù),并利用遺傳算法自動尋找最優(yōu)初始控制參數(shù),使控制系統(tǒng)性能在截割過程中始終得到保證。

        綜上,截割臂自適應(yīng)控制策略分為兩個模塊:截割載荷信號識別模塊和擺速控制模塊。RBF神經(jīng)網(wǎng)絡(luò)載荷識別器通過井下實(shí)測多傳感器數(shù)據(jù)進(jìn)行離線訓(xùn)練,截割過程中,將實(shí)時采集的截割電機(jī)電流I、截割臂驅(qū)動油缸壓力p、截割臂振動加速度a輸入到已訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)載荷識別器,輸出為表征煤巖硬度的截割載荷信號F;擺速控制模塊以截割載荷信號F為驅(qū)動控制變量,轉(zhuǎn)換為期望擺速,并利用遺傳算法優(yōu)化的模糊PID智能控制器對截割臂擺速完成調(diào)控,最終實(shí)現(xiàn)擺速自適應(yīng)調(diào)節(jié)。自適應(yīng)截割控制策略如圖2所示。

        3 RBF神經(jīng)網(wǎng)絡(luò)載荷識別器設(shè)計(jì)

        3.1 RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建

        RBF神經(jīng)網(wǎng)絡(luò)是一種三層前向神經(jīng)網(wǎng)絡(luò),包括輸入層、隱含層、輸出層三層結(jié)構(gòu)[14],根據(jù)上述建立的控制策略,神經(jīng)網(wǎng)絡(luò)控制器的輸入層設(shè)定的3個神經(jīng)元分別對應(yīng)截割電機(jī)電流、截割臂振動加速度、液壓油缸壓力3個截割狀態(tài)參數(shù);輸出層設(shè)定1個神經(jīng)元,對應(yīng)輸出為歸一化后表征截割載荷信號(F)大小的量綱一數(shù)值。具有3-m-1結(jié)構(gòu)的RBF神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖3所示。

        圖2 自適應(yīng)截割控制策略框圖Fig.2 Control strategy block diagram

        圖3 RBF神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.3 Topology of RBF neural network

        3.2 RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練

        RBF神經(jīng)網(wǎng)絡(luò)的隱含層徑向基函數(shù)是對中心點(diǎn)徑向?qū)ΨQ且衰減的非負(fù)非線性函數(shù),選用高斯函數(shù)作為隱含層神經(jīng)元的傳遞函數(shù),假設(shè)隱含層神經(jīng)元有m個,此時第i個隱含層神經(jīng)元的輸出為

        (3)

        式中,ci、σi分別為隱含層第i個神經(jīng)元基函數(shù)的中心和寬度;x為截割狀態(tài)參數(shù)的三維輸入向量;‖x-ci‖為x-ci的歐幾里得距離。

        隱含層到輸出層是線性映射的,故神經(jīng)網(wǎng)絡(luò)的總輸出為隱含層神經(jīng)單元輸出的線性加權(quán)和:

        (4)

        式中,wi為第i個隱含層神經(jīng)元到輸出層的連接權(quán)值。

        RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程實(shí)際是不斷調(diào)整基函數(shù)的中心ci、寬度σi以及隱含層與輸出層連接權(quán)值wi,從而使神經(jīng)網(wǎng)絡(luò)輸出結(jié)果與實(shí)際值誤差最小的過程,其訓(xùn)練逼近的目標(biāo)誤差函數(shù)為

        (5)

        式中,N為訓(xùn)練樣本數(shù)。

        為使目標(biāo)誤差函數(shù)最小化,采用梯度下降法對RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行自監(jiān)督訓(xùn)練,基函數(shù)中心調(diào)整公式為

        (6)

        式中,k為迭代次數(shù);η為學(xué)習(xí)速率。

        基函數(shù)寬度調(diào)整公式為

        (7)

        輸出連接權(quán)值調(diào)整公式為

        (8)

        根據(jù)式(3)~式(8)訓(xùn)練算法對設(shè)計(jì)的RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,為避免多種傳感器數(shù)值量綱問題,訓(xùn)練前將所有數(shù)據(jù)歸一化處理。為確定隱含層神經(jīng)元數(shù),選取2000組歸一化后數(shù)據(jù)對包含不同神經(jīng)元數(shù)的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,設(shè)定最大迭代次數(shù)為100、設(shè)定目標(biāo)誤差為1×10-3,不同神經(jīng)元數(shù)的訓(xùn)練結(jié)果誤差如圖4所示。

        圖4 不同隱含層神經(jīng)元數(shù)對應(yīng)的訓(xùn)練誤差Fig.4 Training error of different hidden layer neurons

        由圖4可知,在相同條件下,當(dāng)隱含層神經(jīng)元數(shù)為5時,神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差最小,且可達(dá)到目標(biāo)誤差。因此設(shè)定RBF神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)為5,目標(biāo)誤差為1×10-3,繼續(xù)選取500組井下實(shí)測數(shù)據(jù)對建立好的RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,設(shè)定迭代次數(shù)為100,并另取100組實(shí)測數(shù)據(jù)對訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行測試。訓(xùn)練與測試結(jié)果如圖5所示。

        由圖5a可得,經(jīng)過約15次迭代后訓(xùn)練結(jié)果與測試結(jié)果都達(dá)到誤差要求;迭代完成后多傳感器信息數(shù)據(jù)測試集的期望值與預(yù)測值結(jié)果對比如圖5b所示,隨著多傳感器輸入數(shù)據(jù)的不斷變化,訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測值結(jié)果與期望值基本一致,測試集相對誤差如圖5c所示,平均誤差小于1×10-3,可以滿足掘進(jìn)機(jī)截割載荷信號識別要求。

        (a)迭代過程

        (b)測試集期望值與預(yù)測值對比

        (c)測試集期望值與預(yù)測值的誤差圖5 訓(xùn)練與測試結(jié)果Fig.5 Training and test results

        4 模糊PID控制器設(shè)計(jì)及遺傳算法優(yōu)化

        傳統(tǒng)PID控制不具備在線調(diào)整能力,采用模糊控制器對PID控制參數(shù)在線調(diào)整(簡稱FPID控制器),以適應(yīng)時變的截割臂擺速調(diào)整系統(tǒng)。此外,由于模糊PID控制器初始控制參數(shù)常采用試湊法、臨界比例法等手動計(jì)算方法得到,智能化程度低,控制效果差,因此針對模糊PID控制器,設(shè)計(jì)遺傳算法(genetic algorithm,GA)自動尋找其最優(yōu)初始控制參數(shù),使截割臂擺速得到精準(zhǔn)快速調(diào)控?;谶z傳算法優(yōu)化的模糊PID控制器簡稱GA-FPID控制器,GA-FPID控制器結(jié)構(gòu)如圖6所示。

        圖6 GA-FPID控制器結(jié)構(gòu)Fig.6 Structure of GA-FPID controller

        4.1 模糊控制器設(shè)計(jì)

        模糊控制器的設(shè)計(jì)原則是使掘進(jìn)機(jī)可根據(jù)煤巖狀態(tài)高效自適應(yīng)截割,針對截割臂擺速控制系統(tǒng)并依據(jù)模糊邏輯理論設(shè)計(jì)了一種二維模糊控制器。二維模糊控制器以RBF載荷識別器輸出信號與掘進(jìn)機(jī)擺速反饋信號的偏差e及偏差變化率ec作為輸入,以PID控制參數(shù)KP、KI、KD為輸出。輸入與輸出模糊子集設(shè)定為:{NB,NM,NS,Z,PS,PM,PB}={負(fù)大,負(fù)中,負(fù)小,零,正小,正中,正大},輸入項(xiàng)e的模糊控制器隸屬函數(shù)圖形如圖7所示,其他項(xiàng)隸屬函數(shù)圖形與之相同[15]。

        圖7 輸入項(xiàng)e的隸屬函數(shù)示意圖Fig.7 Membership function diagram of input item e

        模糊推理選擇Mamdani法,模糊判決選擇重心法。因輸入輸出項(xiàng)模糊子集均采用7個隸屬函數(shù),故共設(shè)定49條模糊規(guī)則,總結(jié)制定模糊規(guī)則如表3所示。

        4.2 遺傳算法設(shè)計(jì)

        遺傳算法主要包括編碼規(guī)則、適應(yīng)度函數(shù)、遺傳算子、運(yùn)行參數(shù)4個主要要素,針對掘進(jìn)機(jī)截割臂擺速控制系統(tǒng),采用遺傳算法原理對PID初始控制參數(shù)及模糊控制器比例因子的尋優(yōu)過程如下[16]:

        (1)分別確定PID控制參數(shù)KP、KI、KD取值范圍與模糊控制器量化比例因子KP、KI、KD取值范圍,并設(shè)定種群規(guī)模50、進(jìn)化代數(shù)50、交叉概率0.9、變異概率0.1、求解精度0.01等遺傳算法相關(guān)運(yùn)行參數(shù)。

        表3 模糊規(guī)則表

        (2)創(chuàng)建KP、KI、KD與KP、KI、KD初始種群,并采用二進(jìn)制編碼規(guī)則對其進(jìn)行編碼與解碼。

        (3)適應(yīng)度函數(shù)作為種群的評價指標(biāo),是影響優(yōu)化效果的關(guān)鍵因素,在權(quán)衡控制系統(tǒng)穩(wěn)定性、準(zhǔn)確性及快速性等方面控制因素,本文確定適應(yīng)度函數(shù)為

        (9)

        式中,Es為系統(tǒng)穩(wěn)態(tài)誤差;Mp為超調(diào)量;Tr為上升時間。

        (4)依據(jù)適應(yīng)度函數(shù)計(jì)算截割臂擺速控制系統(tǒng)每代種群個體適應(yīng)度值,最后根據(jù)適應(yīng)度值對個體進(jìn)行選擇、單點(diǎn)交叉、雙點(diǎn)交叉、變異等遺傳操作,從而產(chǎn)生新一代種群。

        (5)重復(fù)步驟(4),直至滿足設(shè)定目標(biāo),輸出最優(yōu)值。

        根據(jù)上述過程在MATLAB軟件中分別編寫遺傳算法尋找PID最優(yōu)控制參數(shù)程序和遺傳算法尋找模糊控制器最優(yōu)量化比例因子程序,運(yùn)行得到截割臂控制系統(tǒng)PID控制參數(shù)KP、KI、KD的最優(yōu)值為1.94、181.46、0.07,迭代過程如圖8所示,模糊控制器量化比例因子KP、KI、KD最優(yōu)值為1.04、9.46、0.088,迭代過程如圖9所示。

        圖8 PID控制參數(shù)尋優(yōu)過程Fig.8 PID control parameters optimization process

        圖9 量化比例因子尋優(yōu)過程Fig.9 Quantitative scaling factor optimization process

        5 截割臂自適應(yīng)截割控制系統(tǒng)仿真分析

        5.1 仿真控制系統(tǒng)建模

        根據(jù)上文提出的截割臂自適應(yīng)截割控制策略,基于Simulink建模仿真方法,建立掘進(jìn)機(jī)截割臂自適應(yīng)截割仿真控制系統(tǒng)。仿真控制系統(tǒng)由RBF載荷識別控制器、載荷與擺速轉(zhuǎn)換環(huán)節(jié)、GA-FPID控制器、比例放大器、電液比例閥,液壓缸、液壓缸行程與擺角位移轉(zhuǎn)換環(huán)節(jié)等部分組成,其中RBF載荷識別控制器直接封裝為Simulink模塊,GA-FPID控制器通過編寫程序?qū)隨imulink模塊,對截割臂控制系統(tǒng)分別建立數(shù)學(xué)模型及傳遞函數(shù)。

        載荷與擺速轉(zhuǎn)換環(huán)節(jié)中,當(dāng)神經(jīng)網(wǎng)絡(luò)載荷識別器識別到{I,p,a}信號在割煤工況范圍時,截割載荷輸出F恒為0,截割臂始終以最大速度ωmax截割;當(dāng)輸入信號在硬巖工況范圍時,截割載荷輸出F恒為1,截割臂擺速降為0,截割頭破碎硬巖后再繼續(xù)進(jìn)給;當(dāng)輸入信號在煤巖夾雜工況范圍時,截割載荷信號F輸出為0~1,神經(jīng)網(wǎng)絡(luò)輸出載荷信號越大,期望擺速越??;根據(jù)以上分析建立載荷與擺速轉(zhuǎn)換環(huán)節(jié)傳遞函數(shù):

        ω′=ωmax(1-F)

        (10)

        式中,ω′為截割臂期望擺速;ωmax為截割臂最大擺速。

        比例放大器是電液比例閥的驅(qū)動裝置,它對控制器輸出的信號進(jìn)行放大、轉(zhuǎn)化,并輸出電流信號,從而對電液比例閥進(jìn)行控制,其數(shù)學(xué)模型為

        (11)

        式中,Ka為比例放大器增益。

        電液比例方向閥數(shù)學(xué)模型可簡化為二階振蕩環(huán)節(jié),其傳遞函數(shù)為

        (12)

        式中,Kq為電液比例閥流量增益;ωv為換向閥系統(tǒng)固有頻率;δv為換向閥系統(tǒng)阻尼比;QV為閥輸出流量。

        液壓缸系統(tǒng)傳遞函數(shù)為

        (13)

        式中,A為無桿腔有效作用面積;ωh為液壓缸系統(tǒng)固有頻率;δh為液壓缸系統(tǒng)阻尼比;L為液壓缸活塞桿行程。

        液壓缸行程與截割臂擺角位移轉(zhuǎn)換環(huán)節(jié)可近似為比例環(huán)節(jié),其傳遞函數(shù)為

        (14)

        式中,Kb為活塞桿行程與懸臂擺角增益;B為懸臂擺角位移[17]。

        根據(jù)式(8)~式(12),以及RBF載荷識別器模塊、GA-FPID控制器模塊,在Simulink中建立截割臂自適應(yīng)截割仿真控制系統(tǒng),如圖10所示。

        圖10 自適應(yīng)仿真控制系統(tǒng)框圖Fig.10 Block diagram of adaptive simulation control system

        5.2 仿真分析

        以石家莊煤礦機(jī)械公司生產(chǎn)的EBZ135型掘進(jìn)機(jī)為例,根據(jù)截割臂各部件技術(shù)參數(shù)及相關(guān)文獻(xiàn)[18-19]開展仿真研究,仿真控制系統(tǒng)各環(huán)節(jié)參數(shù)如表4所示。

        表4 仿真系統(tǒng)參數(shù)

        選取不同工況下截割載荷信號{I,p,a}輸入到截割臂自適應(yīng)截割控制系統(tǒng)進(jìn)行仿真分析,并與傳統(tǒng)PID控制效果進(jìn)行仿真對比,割煤工況下截割臂擺速仿真結(jié)果如圖11所示,煤巖夾雜工況下不同截割載荷信號的截割臂擺速控制仿真結(jié)果如圖12所示。由仿真結(jié)果可得,當(dāng)識別到截割載荷信號處于割煤工況時,截割臂調(diào)整到最大擺速掘進(jìn);當(dāng)處于煤巖夾雜及硬巖工況時,掘進(jìn)機(jī)根據(jù)截割載荷信號對截割臂進(jìn)行自適應(yīng)調(diào)速,截割載荷信號較小時,截割臂擺速增大,截割載荷信號較大時,截割臂擺速降低。由截割臂擺速仿真效果可得,GA-FPID控制器在不同的截割狀態(tài)信號變化下相比PID控制響應(yīng)速度更快、控制精度更高。仿真結(jié)果表明:當(dāng)煤巖硬度發(fā)生變化時,掘進(jìn)機(jī)控制系統(tǒng)可依據(jù)截割載荷信號變化對擺速進(jìn)行精準(zhǔn)快速調(diào)控,實(shí)現(xiàn)截割臂依據(jù)截割載荷信號的自適應(yīng)截割。

        圖11 割煤工況下擺速控制仿真結(jié)果Fig.11 Simulation results of swing speed controlunder coal cutting condition

        (a)截割載荷信號較小時擺速控制結(jié)果

        (b)截割載荷信號較大時擺速控制結(jié)果圖12 煤巖夾雜工況擺速控制仿真結(jié)果Fig.12 Simulation results of pendulum speed control

        6 驗(yàn)證性實(shí)驗(yàn)

        6.1 實(shí)驗(yàn)方案

        為驗(yàn)證本文提出的掘進(jìn)機(jī)截割臂自適應(yīng)截割控制策略的有效性,基于課題組搭建的掘進(jìn)機(jī)遠(yuǎn)程智能控制實(shí)驗(yàn)平臺(圖13)進(jìn)行了掘進(jìn)機(jī)截割臂自適應(yīng)截割控制實(shí)驗(yàn)。實(shí)驗(yàn)地點(diǎn)為石家莊煤礦機(jī)械有限公司的模擬巷道,實(shí)驗(yàn)機(jī)型為EBZ135型掘進(jìn)機(jī)。

        圖13 截割臂自適應(yīng)截割實(shí)驗(yàn)平臺Fig.13 Cutting arm adaptive cutting experimental platform

        實(shí)驗(yàn)步驟如下:

        (1)采用貝加萊Automation Studio軟件對機(jī)載自適應(yīng)截割控制系統(tǒng)包含的RBF神經(jīng)網(wǎng)絡(luò)載荷識別器、遺傳算法優(yōu)化的模糊PID控制器及各狀態(tài)參數(shù)進(jìn)行配置、編程、監(jiān)測、診斷。

        (2)將課題組前期實(shí)測的井下多傳感器信息數(shù)據(jù)組作為截割載荷信號模擬量輸入到上位機(jī)中,模擬掘進(jìn)機(jī)井下掘進(jìn)過程中實(shí)際截割工況。

        (3)經(jīng)神經(jīng)網(wǎng)絡(luò)載荷識別器輸出截割載荷信號到下位機(jī)中,PCC下位機(jī)根據(jù)截割載荷信號控制電液系統(tǒng)自動調(diào)節(jié)截割臂擺速。

        (4)通過擺角傳感器測取擺角變化來得到截割臂擺速變化過程,通過機(jī)載狀態(tài)傳感器監(jiān)測截割電機(jī)電流與電壓得到截割電機(jī)功率變化過程。實(shí)驗(yàn)原理如圖14所示。

        圖14 實(shí)驗(yàn)原理圖Fig.14 Experimental principle

        實(shí)驗(yàn)選用本質(zhì)安全型GUC360礦用傾角傳感器測取截割臂垂直擺角變化,選用穩(wěn)定性好、抗干擾能力強(qiáng)的W18LD型雙路測速傳感器測取截割臂的水平擺角變化。測取截割臂的水平擺角時,根據(jù)截割臂回轉(zhuǎn)臺結(jié)構(gòu),在回轉(zhuǎn)臺內(nèi)側(cè)一定弧長范圍內(nèi)安裝兩個齒條,其中一個齒條不動,另一個跟隨回轉(zhuǎn)臺轉(zhuǎn)動,將雙路測速傳感器對準(zhǔn)齒條,作用距離0~2 mm,每經(jīng)過一個齒條寬度4 mm,對應(yīng)的截割臂擺動為1°,隨著截割臂擺動,雙路測速傳感器就可直接輸出水平擺角變化信號。

        6.2 實(shí)驗(yàn)結(jié)果

        每間隔10 s輸入不同截割工況下的多傳感器數(shù)據(jù)組{I,p,a},利用貝加萊Automation Studio軟件記錄截割載荷信號變化、截割臂擺速變化及截割功率變化過程,實(shí)驗(yàn)過程與結(jié)果如圖15所示。

        圖15 模擬截割實(shí)驗(yàn)過程與結(jié)果Fig.15 Process and results of simulated cutting experiment

        由實(shí)驗(yàn)結(jié)果可得,當(dāng)輸入多傳感器數(shù)據(jù)組信號{I,p,a}為割煤工況時,截割載荷信號輸出為0,截割臂以最大擺速截割;當(dāng)輸入{I,p,a}信號為煤巖夾雜工況時,截割載荷信號在0~1之間,截割臂根據(jù)截割載荷信號大小自適應(yīng)截割;當(dāng)輸入{I,p,a}信號為硬巖工況時,截割載荷信號輸出為1,截割臂擺速降為0;實(shí)驗(yàn)過程中截割電機(jī)功率穩(wěn)定在額定功率135 kW上下。截割載荷信號識別誤差與擺速調(diào)節(jié)誤差曲線如圖16所示。

        圖16 截割載荷信號識別誤差與擺速調(diào)節(jié)誤差曲線Fig.16 Curve of cutting load signal identification errorand swing speed adjustment error

        由誤差曲線可得,實(shí)驗(yàn)中RBF神經(jīng)網(wǎng)絡(luò)識別截割載荷信號最大絕對誤差小于0.05,平均誤差小于1×10-3,與前期測試誤差相符;截割臂擺速調(diào)節(jié)最大誤差小于0.3°/s,平均誤差小于1×10-2,滿足井下使用要求。實(shí)驗(yàn)證明本文提出的基于多傳感器信息的GA-FPID自適應(yīng)截割控制系統(tǒng)可以實(shí)現(xiàn)對截割臂擺速的自適應(yīng)調(diào)控。

        7 結(jié)論

        (1)提出了一種基于多傳感器信息的掘進(jìn)機(jī)截割臂自適應(yīng)截割控制策略。基于井下實(shí)測數(shù)據(jù)設(shè)計(jì)了一種RBF神經(jīng)網(wǎng)絡(luò)載荷識別控制器,載荷信號識別訓(xùn)練與測試精度可達(dá)1×10-3。針對復(fù)雜且時變的截割臂擺速控制系統(tǒng),設(shè)計(jì)了一種基于遺傳算法優(yōu)化的模糊PID智能控制器,在Simulink中建立了截割臂擺速自適應(yīng)控制仿真系統(tǒng),仿真結(jié)果表明,基于多種傳感器信息的GA-FPID控制系統(tǒng)可實(shí)現(xiàn)截割臂擺速的快速自適應(yīng)調(diào)控。

        (2)在石家莊煤礦機(jī)械有限公司模擬巷道中使用EBZ135型掘進(jìn)機(jī)進(jìn)行了模擬自適應(yīng)截割實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了該控制策略的有效性,實(shí)現(xiàn)掘進(jìn)機(jī)截割臂依據(jù)截割狀態(tài)參數(shù)的變化進(jìn)行高效自適應(yīng)調(diào)速,滿足井下掘進(jìn)機(jī)智能截割的需求。

        (3)本文提出的基于多傳感器信息掘進(jìn)機(jī)截割臂自適應(yīng)截割控制策略有助于推進(jìn)煤礦井下掘進(jìn)設(shè)備的智能化和機(jī)器人化,為少人化掘進(jìn)工作面的建立奠定了基礎(chǔ),有助于延長井下掘進(jìn)設(shè)備使用壽命、提高巷道掘進(jìn)效率。

        猜你喜歡
        信號實(shí)驗(yàn)
        記一次有趣的實(shí)驗(yàn)
        微型實(shí)驗(yàn)里看“燃燒”
        信號
        鴨綠江(2021年35期)2021-04-19 12:24:18
        完形填空二則
        做個怪怪長實(shí)驗(yàn)
        孩子停止長個的信號
        NO與NO2相互轉(zhuǎn)化實(shí)驗(yàn)的改進(jìn)
        實(shí)踐十號上的19項(xiàng)實(shí)驗(yàn)
        太空探索(2016年5期)2016-07-12 15:17:55
        基于LabVIEW的力加載信號采集與PID控制
        一種基于極大似然估計(jì)的信號盲抽取算法
        亚洲精品熟女国产| 色综合久久五十路人妻| 日韩极品在线观看视频| 免费a级毛片18禁网站| 夜先锋av资源网站| 欧美日韩亚洲成色二本道三区| 亚洲高清自偷揄拍自拍| 中文字幕午夜精品久久久| 国产精品亚洲а∨天堂2021| 国产av一区二区三区日韩| 91久国产在线观看| 一区二区三区日韩精品视频| 国产人妻熟女高跟丝袜图片| 欧美视频二区欧美影视| aa视频在线观看播放免费| 国产精品国产三级久久| 亚洲啪av永久无码精品放毛片| 日本不卡视频免费的| 日韩少妇高潮在线视频| 白白在线视频免费观看嘛| 久久久久亚洲av片无码下载蜜桃| 国产精品美女白浆喷水| 青青草视频在线观看9| 日本韩国男男作爱gaywww| 日本人妖熟女另类二区| 亚洲精品久久久久久久久久吃药| 三上悠亚精品一区二区久久| 国产成人久久综合第一区| 欧美最猛性xxxx| 中文字幕乱伦视频| 亚洲精品成人av一区二区| 99久久婷婷国产精品综合网站 | 欧美69久成人做爰视频| 国产精品亚洲五月天高清| 日本成人免费一区二区三区| 国产一区二区三区在线观看完整版 | 国产无人区码一码二码三mba| 亚洲一区二区欧美色妞影院| 国产女主播福利在线观看| 人妻少妇出轨中文字幕| 麻豆国产高清精品国在线|