基于遺傳算法的礦井局部通風(fēng)機(jī)模糊控制技術(shù)

安 寧,邱瑋煒,戚 烜

(中國(guó)礦業(yè)大學(xué)信息與電氣工程學(xué)院)

礦井局部通風(fēng)機(jī)通風(fēng)量主要由礦井瓦斯涌出量、井下作業(yè)人員數(shù)量、通風(fēng)巷道阻力等因素決定。隨著掘進(jìn)工作面的推進(jìn),巷道進(jìn)尺、風(fēng)筒阻力加大,瓦斯?jié)舛纫灿泻艽笞兓?局部通風(fēng)機(jī)恒速運(yùn)轉(zhuǎn)無(wú)法滿(mǎn)足供風(fēng)需求。正常通風(fēng)狀態(tài),在滿(mǎn)足掘進(jìn)工作面工作人員用風(fēng)量的前提下,若瓦斯?jié)舛仍黾?要求局部通風(fēng)機(jī)轉(zhuǎn)速隨之上升,供風(fēng)量加大,使瓦斯?jié)舛冉档?局部通風(fēng)機(jī)轉(zhuǎn)速又隨之下降,但依然要滿(mǎn)足正常供風(fēng)的要求[1]。對(duì)于這種自動(dòng)控制的要求,必須尋找到輸入量(瓦斯?jié)舛?與輸出量(變頻風(fēng)速轉(zhuǎn)速)的對(duì)應(yīng)關(guān)系。但在掘進(jìn)工作面,局部通風(fēng)機(jī)所需風(fēng)量與許多因素有關(guān),如瓦斯?jié)舛取L(fēng)速、風(fēng)阻、巷道的長(zhǎng)度等。而巷道內(nèi)瓦斯的涌出又是隨機(jī)的,瓦斯?jié)舛扰c局部通風(fēng)機(jī)轉(zhuǎn)速系統(tǒng)屬于非線性、多耦合、多干擾、純滯后系統(tǒng),采用傳統(tǒng)的建立數(shù)學(xué)模型方法是不現(xiàn)實(shí)的,也很難取得滿(mǎn)意的控制效果。故采用基于遺傳算法的模糊控制方法來(lái)實(shí)現(xiàn)通風(fēng)的自動(dòng)控制。

1 控制理論概要

1)模糊控制概述。傳統(tǒng)控制要求被控對(duì)象具有精確的數(shù)學(xué)模型,但是在一般情況下,被控對(duì)象及其數(shù)學(xué)模型都會(huì)隨著環(huán)境的變化而改變,或者系統(tǒng)的數(shù)學(xué)模型具有非線性,無(wú)法用數(shù)學(xué)公式來(lái)表達(dá),隨之就產(chǎn)生了模糊控制。模糊控制具有強(qiáng)魯棒性,對(duì)于非線性、時(shí)變、模型不完全系統(tǒng)具有較強(qiáng)的控制效能[2]。

圖1 模糊控制系統(tǒng)結(jié)構(gòu)示意圖

模糊控制系統(tǒng)結(jié)構(gòu)示意圖見(jiàn)圖1,模糊控制系統(tǒng)由模糊控制器和控制對(duì)象組成,圖中虛線框部分為模糊控制器。由圖1可知,模糊控制器包含模糊化接口、規(guī)則庫(kù)、模糊推理、清晰化接口等部分。控制器輸入變量是過(guò)程實(shí)測(cè)變量和系統(tǒng)設(shè)定值之差值e,它是確定數(shù)值的清晰量。通過(guò)模糊化處理,用模糊變量語(yǔ)言 E來(lái)描述偏差。模糊推理輸出U是模糊變量,在系統(tǒng)中要實(shí)施控制時(shí),模糊量U還要轉(zhuǎn)化為清晰值,因此要經(jīng)過(guò)清晰化處理,得到可操作的確定值 u,這就是模糊控制的輸出值,通過(guò) u的調(diào)整控制作用,使偏差 e盡量小。可見(jiàn),模糊控制的核心部分是包含語(yǔ)言規(guī)則的規(guī)則庫(kù)和模糊推理。模糊推理就是一種模糊變換,它將輸入變量模糊集變化為輸出變量的模糊集,實(shí)現(xiàn)論域的轉(zhuǎn)換。

2)遺傳算法概述。遺傳算法是一類(lèi)借鑒生物界的進(jìn)化規(guī)律(適者生存,優(yōu)勝劣汰遺傳機(jī)制)演化而來(lái)的全局優(yōu)化自適應(yīng)概率搜索方法,具有全局收斂性和并行性。它提供了一種求解復(fù)雜優(yōu)化問(wèn)題的通用框架,它不依賴(lài)于問(wèn)題的具體領(lǐng)域,對(duì)問(wèn)題的種類(lèi)有很強(qiáng)的魯棒性,所以廣泛應(yīng)用于各種學(xué)科。

基本的遺傳算法由初始化、選擇、交叉和變異四個(gè)部分組成。先把待優(yōu)化的參數(shù)或變量表示成“染色體串”(一般是用二進(jìn)制串表示),染色體中的基因是最基本的單位,用一個(gè)二進(jìn)制碼表示。有遺傳特性的基因串,成為基因型。染色體即由這些基因型組成。每個(gè)染色體所代表的生物體的性狀(即搜索空間的參數(shù)或解)稱(chēng)為染色體的表現(xiàn)型。所以,在進(jìn)行遺傳算法時(shí),要進(jìn)行兩個(gè)基本的數(shù)據(jù)轉(zhuǎn)換操作,此過(guò)程又稱(chēng)為編碼(coding);另一個(gè)是從基因型到表現(xiàn)型的轉(zhuǎn)換,此過(guò)程又稱(chēng)為譯碼(decoding)。

每一個(gè)基因有相應(yīng)的適應(yīng)度(Fitness),表示該基因型生存復(fù)制的能力,適應(yīng)度越大的染色體,復(fù)制下一代種族群(染色體個(gè)數(shù))愈多(表示“適者生存”)。在下一代染色體種群中,還要進(jìn)行基因型之間的交換(Crossover,又稱(chēng)雜交),并在某個(gè)或某幾個(gè)位置上進(jìn)行代碼的突變(M utation,又稱(chēng)變異)。這樣就得到交換和變異以后的下一代染色體種群。在進(jìn)行適應(yīng)度計(jì)算,若收斂于最優(yōu)解,遺傳計(jì)算便結(jié)束,輸出最優(yōu)解,否則繼續(xù)復(fù)制、交換和變異,再進(jìn)行計(jì)算,直到求得最優(yōu)解為止。

2 智能控制策略

傳統(tǒng)的模糊控制器設(shè)計(jì)時(shí),需要根據(jù)有經(jīng)驗(yàn)的操作者或?qū)＜业慕?jīng)驗(yàn)來(lái)選擇控制器的結(jié)構(gòu)和參數(shù),對(duì)于一個(gè)模糊控制器來(lái)說(shuō),需要確定的參數(shù)很多,專(zhuān)家的經(jīng)驗(yàn)只能起到一個(gè)指導(dǎo)的作用,很難準(zhǔn)確的給出各項(xiàng)參數(shù),只能用試探的方法不斷調(diào)整,這實(shí)際上是一個(gè)尋優(yōu)的過(guò)程,遺傳算法可以應(yīng)用于該尋優(yōu)過(guò)程,有效地確定出模糊控制器的結(jié)構(gòu)和參數(shù)。

通常用遺傳算法優(yōu)化模糊控制器時(shí),優(yōu)化的主要對(duì)象是模糊控制器的隸屬函數(shù)和規(guī)則庫(kù)。本文采用已知隸屬度函數(shù),優(yōu)化模糊控制規(guī)則庫(kù)的方法對(duì)模糊控制進(jìn)行優(yōu)化。

3 風(fēng)機(jī)控制系統(tǒng)

1)系統(tǒng)組成。在基于遺傳算法的局部通風(fēng)機(jī)模糊控制系統(tǒng)中,實(shí)時(shí)監(jiān)測(cè)的數(shù)據(jù)為掘進(jìn)工作面的瓦斯?jié)舛?局部通風(fēng)機(jī)的模糊控制系統(tǒng)見(jiàn)圖2。

該控制系統(tǒng)主要包括瓦斯?jié)舛鹊臋z測(cè)及轉(zhuǎn)換裝置和基于遺傳算法的模糊控制器以及變頻器和局部通風(fēng)機(jī)等幾個(gè)部分。將瓦斯傳感器安裝于掘進(jìn)工作面,然后對(duì)瓦斯傳感器實(shí)時(shí)采集的瓦斯?jié)舛冗M(jìn)行分析和比較,計(jì)算出瓦斯?jié)舛鹊钠詈推钭兓?然后通過(guò)遺傳算法在線尋優(yōu)對(duì)模糊控制的規(guī)則庫(kù)進(jìn)行動(dòng)態(tài)優(yōu)化,然后進(jìn)行數(shù)據(jù)的模糊化處理、模糊化推理和決策,進(jìn)而調(diào)節(jié)局部通風(fēng)機(jī)的轉(zhuǎn)速。

圖2 基于遺傳算法的局部通風(fēng)機(jī)控制系統(tǒng)圖

2)模糊控制器設(shè)計(jì)。模糊控制器的輸入為二維輸入,包括瓦斯?jié)舛日`差和誤差變化率,輸出數(shù)據(jù)為一維,因此,模糊控制器選用雙輸入單輸出的一維模糊控制器。

a)瓦斯?jié)舛鹊恼`差,取其語(yǔ)言變量為 E,其論域取為 X={-3,-2,-1,0,1,2,3},同時(shí)將其模糊論域均劃分為 E={NL,NS,ZO,PS,PL},分別表示當(dāng)前狀況為：“瓦斯?jié)舛群艿汀薄ⅰ巴咚節(jié)舛绕汀薄ⅰ罢！薄ⅰ巴咚節(jié)舛绕摺薄ⅰ巴咚節(jié)舛群芨摺薄?/p>

b)瓦斯?jié)舛鹊恼`差的變化率,取其語(yǔ)言變量為EC,其論域取為 Y={-3,-2,-1,0,1,2,3},同時(shí)將其模糊論域均劃分為 EC={NL,NS,ZO,PS,PL},分別表示當(dāng)前狀況為：“瓦斯?jié)舛认陆岛芸臁薄ⅰ巴咚節(jié)舛认陆怠薄ⅰ罢！薄ⅰ巴咚節(jié)舛壬仙薄ⅰ巴咚節(jié)舛壬仙芸臁薄?/p>

c)系統(tǒng)輸出控制,取其語(yǔ)言變量為U,其論域取為 Z={-6,-5,-4,-3,-2,-1,0},同時(shí)將其模糊論域劃分為U={NL,NS,ZO,PS,PL},分別表示控制執(zhí)行機(jī)構(gòu)的動(dòng)作為：“風(fēng)機(jī)低速運(yùn)轉(zhuǎn)”、“風(fēng)機(jī)較低速運(yùn)轉(zhuǎn)”、“風(fēng)機(jī)中速運(yùn)轉(zhuǎn)”、“風(fēng)機(jī)較高速運(yùn)轉(zhuǎn)”、“風(fēng)機(jī)額定轉(zhuǎn)速運(yùn)轉(zhuǎn)”[3]。

瓦斯?jié)舛饶：刂葡到y(tǒng)的輸入量和輸出量的隸屬函數(shù)均采用三角形隸屬度函數(shù)。

d)對(duì)于模糊控制規(guī)則,采用遺傳算法進(jìn)行優(yōu)化。

3)基于遺傳算法的模糊控制規(guī)則優(yōu)化。

a)將每一條模糊控制規(guī)則用10位二進(jìn)制代碼編碼,第一位為標(biāo)志位,用來(lái)表示該規(guī)則是否使用,1代表存在該規(guī)則,0代表放棄該規(guī)則;2～4位碼、5～7位碼、8～10位碼分別代表誤差 E、誤差變化 EC、系統(tǒng)輸出U[4]。

b)產(chǎn)生初始種群,個(gè)體可以完全隨機(jī)產(chǎn)生,但是為了加速尋優(yōu)過(guò)程,可設(shè)定了一定數(shù)量的個(gè)體作為初始種群,這些個(gè)體都是經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證能夠保證系統(tǒng)穩(wěn)定運(yùn)行的,從而避免了一般遺傳算法最初搜索的盲目性,大大加速了系統(tǒng)的收斂速度。

c)選取與期望性能相關(guān)的適當(dāng)?shù)倪m應(yīng)度函數(shù),以達(dá)到優(yōu)化系統(tǒng)性能的目的,如可選取適應(yīng)度為0.005/(0.005+e2)。當(dāng)控制過(guò)程中調(diào)用到模糊控制器的某一條控制規(guī)則時(shí),可按已確定的適應(yīng)度函數(shù)算得該控制規(guī)則的適應(yīng)度值,從而實(shí)現(xiàn)在不同的工作狀態(tài)下控制規(guī)則適應(yīng)度的在線更新[5]。

d)通過(guò)不斷的重復(fù)進(jìn)行適應(yīng)度評(píng)估、選擇、交叉、變異,經(jīng)過(guò)演化逐步獲得最優(yōu)編碼,然后把最優(yōu)編碼轉(zhuǎn)換成模糊決策規(guī)則進(jìn)行控制。

4 結(jié) 語(yǔ)

本文針對(duì)礦井掘進(jìn)工作面礦井局部通風(fēng)機(jī)控制問(wèn)題,考慮到其數(shù)學(xué)模型難以建立,采用基于遺傳算法的模糊控制的方法,以瓦斯?jié)舛葹閰?shù),對(duì)風(fēng)機(jī)的轉(zhuǎn)速進(jìn)行實(shí)時(shí)調(diào)節(jié)。利用遺傳算法對(duì)模糊控制器進(jìn)行在線動(dòng)態(tài)優(yōu)化,使其隨著被控對(duì)象特性的變化,不斷地進(jìn)行修正和調(diào)整,使系統(tǒng)具有很強(qiáng)的自適應(yīng)能力。控制系統(tǒng)能夠根據(jù)掘進(jìn)工作面瓦斯的濃度連續(xù)、動(dòng)態(tài)的實(shí)時(shí)調(diào)整風(fēng)機(jī)轉(zhuǎn)速,具有較高控制精度和較好穩(wěn)定性。

[1] 祝龍記,王汝琳.礦用變頻調(diào)速局部通風(fēng)機(jī)的模糊控制技術(shù)[J].煤炭科學(xué)技術(shù),2003(4)：7-9.

[2] 宋勝利.智能控制技術(shù)概論[M].北京：國(guó)防工業(yè)出版社,2008：69-71.

[3] 蔣飛,劉實(shí)現(xiàn).基于模糊控制的礦井通風(fēng)機(jī)變頻調(diào)速系統(tǒng)[J].江西煤炭科技,2008(4)：17-18,42.

[4] 夏長(zhǎng)亮,徐紹輝,史婷娜,等.基于遺傳算法的超聲波電機(jī)模糊自適應(yīng)速度控制[J].中國(guó)電機(jī)工程學(xué)報(bào),2003(3)：99-103.

[5] 馮曉露,覃來(lái)豐,岑可法.基于遺傳算法的模糊控制器動(dòng)態(tài)優(yōu)化方法[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版),2007(7)：461-465.