基于模糊免疫PID的煤礦超高水充填料漿控制

王桂梅，宗巖

(河北工程大學機電學院，河北邯鄲056038)

超高水充填采煤法要求充填料漿中A料(添加AA小料)與B料(添加BB小料)的配比為嚴格的1:1。目前超高水充填站只對A/B料漿的流量進行檢測與控制，但對料漿的濃度沒有監控。當由于稱重與計量誤差產生料漿濃度變化時，會對充填效果產生不利影響。本文在充填管路上加裝料漿濃度傳感器并采用一種新型的模糊免疫非線性PID控制算法來控制料漿濃度，使得物料配比更加精細，充填效果更加良好。

1 超高水充填站工藝分析

如圖1所示，在超高水充填工藝中，首先A/B料、AA/BB料與水經各自的稱量斗稱重之后添加至攪拌機攪拌，然后將攪拌后的成品料漿存儲在緩沖斗中，緩沖斗中的料漿經過充填管路自流至井下充填工作面［1］。由于物料在存儲過程中干濕情況不同，在稱重過程中由于螺旋給料機、水泵、卸料蝶閥的響應速度不同，都會造成物料配比的偏差。其偏差往往是隨機不確定的［2］。

我們在A料漿與B料漿的兩條輸送管路上都安裝超聲波料漿濃度計，安裝位置如圖2所示，其可以實時在線監測0.2%至60%的污泥和懸浮物濃度的變化并實現相關工藝過程自動控制［3］。此料漿濃度計可以實現現場校準的4～20 mA電流輸出，可以用于遠程系統控制。

2 優化控制理論

免疫系統是一種在不確定性環境和大量干擾時具有很強自適應性和魯棒性的系統。當機體內有抗原性異物進入，機體能快速識別“非己”和“自己”，并發生一系列的機體反應以排除抗原性的非己物質［4－6］，如圖3所示。本文借鑒生物免疫反饋響應過程的調節作用并結合模糊控制和常規PID控制的優點提出了一種新型的模糊免疫PID控制算法，將其應用于超高水充填A/B料漿控制系統［7－8］。

定義在第k代的抗原數目為ε(k)，由抗原刺激的TH細胞的輸出為TH(k)，Ts細胞對B細胞的影響為Ts(k)，則B細胞接收的總刺激為

式中TH(k)=k1ε(k);Ts(k)=k2f［ΔS(k)］ε;f［·］是一個選定的非線性函數。對于控制系統若將抗體的數量ε(k)作為偏差，B細胞接收的總刺激S(k)作為控制器輸出μ(k)，則有以下反饋控制規律

顯然，構成了一個參數可調的比例調節器。

3 優化方法與實現

在初次攪拌放漿時，設A/B料漿濃度的抗體群數目為一個在解空間Ω中的隨機參數［9］。A料漿濃度的抗體的基因為Ab=(KAP，KAi，KAd)，B料漿濃度的抗體基因為Bb=(KBP，KBi，KBd);A/B料漿濃度的抗體滿足

式中DAOi－A料漿濃度設定輸出;IAOi－A料漿濃度實際輸出;DBOi－B料漿濃度設定輸出;IBOi－B料漿濃度實際輸出。

3.1 抗原

A/B料漿濃度的抗原分別為

3.2 親和力和相似度

設定A料漿濃度的抗原與抗體親和力為(QAf)，B料漿濃度的抗原與抗體親和力(QBf)

式中k－敏感度因子。

3.3 引入模糊控制器

A/B料漿濃度的設定輸出值DAOi，DBOi與A料，B料的稱重值之間相關。為了保持控制穩定，對A/B料的稱重值進行正“P”和負“N”模糊集化［10－11］，如圖 4 所示。

3.4 實際測量與研究

觀測運用PID控制算法超高水充填料漿控制系統中A/B料漿管路中料漿的濃度變化對比，數據結果見表1。

表1 PID控制料漿濃度檢測Tab.1 PID control slurry concentration detection

用MATLAB進行數據擬合，結果如圖5所示。

表1顯示，放漿初期A/B料漿濃度差為11%，在攪拌8次后A/B料漿濃度差為0%，由圖5PID控制料漿濃度擬合圖得出調節過程中A/B料漿曲線多次交叉、振蕩幅度較大、調節速度較慢、穩定性差。

觀測運用模糊免疫PID控制算法超高水充填料漿控制系統中A/B料漿管路中料漿的濃度變化對比，數據結果見表2。

表2模糊免疫PID控制算法料漿濃度檢測Tab.2 The slurry concentration detection of fuzzy immune PID control algorithm

用MATLAB進行數據擬合，結果如圖6所示。

表2顯示，放漿初期 A/B料漿濃度差為11%，在攪拌4次后A/B料漿濃度差為0%，由圖6模擬免疫PID控制算法料漿濃度擬合圖得出調節過程中A/B料漿曲線交叉次數較少、振蕩幅度小、調節速度快、穩定性高。

4 結語

本文給出的濃度控制方法并結合超聲波料漿濃度計保障了超高水充填中A/B料漿可以嚴格為1:1，從而大大提高了充填效果與穩定性。在控制方法上選用模糊免疫PID控制算法顯著優于傳統PID控制，模糊免疫PID控制算法響應更快、振蕩幅度更小、調節速度更快、穩定性更高。

［1］馮光明，孫春東，王成真，等.超高水材料采空區充填方法研究［J］.煤炭學報，2010，35(12):1963－1968.

［2］崔 剛，陳文楷.充填料漿濃度控制方法的選擇［J］.有色金屬:礦山部分，2004，56(2):7 －9.

［3］劉杰輝，衛崢崢.Optimization design of uncertainty fluid topology in the parallel connection of double pump［J］.World Journal of Engineering，2014，11(3):90 －98.

［4］劉國聯，譚冠政，何 燕.基于改進人工免疫算法的PID參數優化研究［J］.計算機工程與應用，2008，44(19):84－86.

［5］陳少白，譚光興，毛宗源.基于一種人工免疫算法的PID參數優化［J］.武漢科技大學學報:自然科學版，2006，29(3):313 －315.

［6］潘海鵬，王皖慧，高金鳳.基于改進人工免疫算法的變參數PID控制研究［A］.Proceeding of the 30th Chinese Control Conference［C］.China Academic Journal Electronic Publishing House，2011:3752 －3755.

［7］柳賀.模糊免疫自適應PID控制在恒張力控制中的應用［D］.合肥:合肥工業大學，2007.

［8］趙君，馮玉昌，趙柏林.模糊免疫PID在電站主汽溫控制系統中的應用［J］.東北電力大學學報，2012，32(3):42－54.

［9］李小勇.人工免疫系統原理分析及其應用研究［D］.桂林:廣西師范大學，2010.

［10］洪 炎，蘇靜明，唐超禮.基于模糊－免疫PID的凍結鑿井流量智能控制研究［J］.煤礦機械，2012，33(6):227－229.

［11］徐立軍，何 穎.模糊PID控制結構分析［J］.河北工程大學學報:自然科學版，2012，29(2):71 －74.