基于模糊控制的采煤機與刮板輸送機協(xié)同控制方案

王生棟

（太原煤氣化龍泉能源發(fā)展有限公司，山西 太原 030303）

引言

煤礦井下綜采自動化工作面生產(chǎn)過程以人工操作為主，采煤設(shè)備單機自動化運行程度較高，但不具備協(xié)同控制能力。綜采自動化工作面配備有采煤機司機、液壓支架工以及刮板輸送機操作人員。操作人員現(xiàn)場對采煤設(shè)備的運行狀態(tài)進行判斷，根據(jù)人工經(jīng)驗，按照“三機”設(shè)備工藝流程，對采煤機、液壓支架以及刮板輸送機進行操作，對操作人員及其經(jīng)驗依賴性強，每進行一步操作，都需要人工判斷各設(shè)備當前的狀態(tài)是否正常，是否可以進行下一步操作[1-3]。人工操作阻礙了綜采工作面采煤設(shè)備工作的連續(xù)性，降低了采煤設(shè)備的生產(chǎn)效率，生產(chǎn)能力受到極大限制。文獻[4]針對綜采工作面用刮板輸送機運行環(huán)境惡劣導致的故障頻發(fā)、耗能高的問題，研究刮板輸送機與采煤機的協(xié)同調(diào)速技術(shù)，設(shè)計協(xié)同速度規(guī)劃策略和算法，并建立基于BP神經(jīng)網(wǎng)絡(luò)的刮板輸送機負載預測模型，經(jīng)Matlab仿真后，負載預測的平均誤差率較低，為采煤機與刮板輸送機協(xié)同調(diào)速提供理論依據(jù)。文獻[5]研究了多機協(xié)同的采煤機調(diào)速方法，綜合考慮輸送機、破碎機、轉(zhuǎn)載機以及運輸輸送帶各自的運行狀態(tài)、運行姿勢以及環(huán)境因數(shù)，自動協(xié)同控制采煤機運行速度。文獻[6]為解決采煤機發(fā)生故障后，導致刮板輸送機負載增加甚至過載的故障，對采煤機、刮板輸送機進行協(xié)同調(diào)速控制，對刮板輸送機的負載進行實時預測，保證采煤機運行速度與負載匹配。

1 原理分析

模糊控制以模糊集合論、模糊語言變量、模糊推理為基礎(chǔ)，以語言變量描述控制規(guī)則的智能控制方法，模糊控制原理如圖1所示[7]。偏差e以及偏差變化率ec為模糊控制器的輸入，經(jīng)模糊量化后，偏差e轉(zhuǎn)換為E，偏差變化率ec轉(zhuǎn)換為EC，經(jīng)知識庫決策后得到模糊控制量U，經(jīng)解模糊后得到模糊控制器的輸出u，輸出結(jié)果u可直接作用于被控對象。

圖1 模糊控制器結(jié)構(gòu)原理

1.1 模糊量化

模糊量化的作用主要有兩點：將量化因子作用域輸入量，使其從基本論域轉(zhuǎn)換至規(guī)范化論域；定義隸屬度函數(shù)，如正太分布、三角形、梯形等。

以偏差e為例，定義其模糊子集為：

e={負大，負小，零，正小，正大}，對應(yīng)的語言變量描述為{NB，NS，ZO，PS，PB}；

e={負大，負中，負小，零，正小，正中，正大}，對應(yīng)的語言變量描述為{NB，NM，NS，ZO，PS，PM，PB}；

e={負大，負中，負小，零負，零正，正小，正中，正大}，對應(yīng)的語言變量描述為{NB，NM，NS，NZ，PZ，PS，PM，PB}。

1.2 知識庫

知識庫由數(shù)據(jù)庫和規(guī)則庫構(gòu)成，其中數(shù)據(jù)庫用于存放輸入/輸出變量的隸屬度值；規(guī)則庫用于存放經(jīng)驗控制規(guī)則，用規(guī)則簇或矩陣表達。如規(guī)則簇描述格式：

規(guī)則Rk可由多條件P1，…，Pk組成，結(jié)論Ck也可由多結(jié)論C1，…，Ck組成。

1.3 模糊推理

模糊推理是模糊控制的核心部分，根據(jù)規(guī)則庫和數(shù)據(jù)庫將輸入量求解為控制量，主要的模糊推理方法有Zadeh、Baldwin以及Mamdani方法。

1.4 解模糊化

模糊化的逆運算，即將模糊推理得到的模糊矢量轉(zhuǎn)換為實際可作用于被控對象的輸出控制量，主要的解模糊化方法有加權(quán)平均法、最大隸屬度法以及取中位法。

2 方案設(shè)計

2.1 總體設(shè)計

基于模糊PID的采煤機-刮板輸送機協(xié)同調(diào)速方案控制過程可表述為如下：

1）根據(jù)采煤機、刮板輸送機歷史運行狀態(tài)，獲取采煤機牽引速度、刮板輸送機運行速度以及刮板輸送機負載歷史數(shù)據(jù)，作為Elman神經(jīng)網(wǎng)絡(luò)的輸入并進行訓練、學習[8-9]。對指定時間范圍內(nèi)的采煤機、刮板輸送機速度以及負載進行預測，并得出預測結(jié)果。

2）按照Elman神經(jīng)網(wǎng)絡(luò)預測結(jié)果，基于模糊PID控制方案對預測狀態(tài)下的采煤機牽引速度、刮板輸送機運行速度以及刮板輸送機負載進行參數(shù)計算[10]。得出上述參數(shù)的輸出期望值和預測結(jié)果值，并將該值的差值進行反向修正，得出Elman神經(jīng)網(wǎng)絡(luò)預測狀態(tài)下的采煤機牽引速度、刮板輸送機速度以及刮板輸送機負載的優(yōu)化值。Elman-模糊PID控制器結(jié)構(gòu)見圖2。

圖2 Elman-模糊PID控制器結(jié)構(gòu)

以刮板輸送機負載電流歷史數(shù)據(jù)、當前負載實時電流、偏差以及偏差變化率為輸入，利用模糊控制規(guī)則實時對KP、KI以及KD進行修正，以滿足不同時刻T的實時負載電流與目標電流的偏差以及偏差變化率的控制，其中ΔKP、ΔKI、ΔKD為其對應(yīng)參數(shù)的修正值，其參數(shù)計算公式由式（1）決定：

式中：KP0、KI0、KD0分別為對應(yīng)參數(shù)的初始值。

2.2 模糊控制器設(shè)計

2.2.1 模糊PID控制器設(shè)計

對刮板輸送機的負載電流偏差、負載電流偏差變化率以及PID修正參數(shù)模糊論域、基本論域、量化因子以及使用的模糊語言變量進行定義，詳見表1所示。

表1 刮板輸送機模糊語言變量以及論域

刮板輸送機的負載電流偏差、負載電流偏差變化率以及PID修正參數(shù)的隸屬度函數(shù)采用三角性函數(shù)，如圖3所示。

圖3 隸屬度函數(shù)

2.2.2 建立模糊規(guī)則

首先建立ΔKP、ΔKI以及ΔKD的模糊規(guī)則表，然后采用規(guī)則簇描述格式對模糊控制格式進行描述[11-12]。按照規(guī)則簇描述格式：IF P1AND P2THEN C1AND C2AND C3可建立49條模糊規(guī)則，如：

IF(E IS NB)AND(EC IS NB)THEN(ΔKPIS PB)AND(ΔKIIS NB)AND(ΔKDIS PS)；

IF(E IS NB)AND(EC IS NM)THEN(ΔKPIS PB)AND(ΔKIIS NB)AND(ΔKDIS NS)；

IF(E IS PM)AND(EC IS ZO)THEN(ΔKPIS NM)AND(ΔKIIS PS)AND(ΔKDIS PS)；

IF(E IS PB)AND(EC IS PB)THEN(ΔKPIS NB)AND(ΔKIIS PB)AND(ΔKDIS PB)；

2.2.3 解模糊化

加權(quán)平均法的靜態(tài)性能較好，采用加權(quán)平均法作為解模糊化算法，其表達式如式（2）：

其中：μN（xi）為模糊集合Ui的隸屬度，xi為該隸屬度的加權(quán)系數(shù)。

2.2.4 系統(tǒng)仿真

采用二階純滯后模型對所提出的Elman-模糊PID算法進行仿真，傳遞函數(shù)如式（3）所示：

3 應(yīng)用分析

采用采煤機-刮板輸送機協(xié)同調(diào)速技術(shù)方案后，在某煤礦自動化綜采工作面進行試驗，取得了較好的經(jīng)濟效益和社會效益。

3.1 經(jīng)濟效益

日產(chǎn)煤提高2 670 t，年產(chǎn)量增加2 670×330=88.11萬t，年增加產(chǎn)值約88.11萬t×240元/t≈2.1億元。該煤礦噸煤生產(chǎn)成本約98.68元/t，則采用協(xié)同控制方案后，可增加經(jīng)濟效益為88.11萬t×（240-98.68）元/t=12 450.3萬元。綜采隊操作人員比傳統(tǒng)工藝少15名員工，每人按年收入12萬元計算，每年降低人工成本180萬元。

3.2 社會效益分析

該煤礦自動化綜采工作面實施自動化、協(xié)同控制方案后，實現(xiàn)了綜采自動化實質(zhì)性突破。自動化開采改善礦工工作環(huán)境，減輕勞動強度，實現(xiàn)煤礦安全生產(chǎn)，提高了煤礦工效和經(jīng)濟效益，該綜采自動化工作面取得的效果對全國薄及中厚偏薄煤層安全高效開采具有指導意義。

4 結(jié)論

將基于模糊控制設(shè)計的采煤機-刮板輸送機協(xié)同控制方案在某煤礦進行工業(yè)試驗，取得較好的經(jīng)濟、社會效益，驗證了該協(xié)同控制模型的優(yōu)越性，提升了綜采工作面的自動化水平，降低了工人的勞動強度，保證了采煤機、刮板輸送機平穩(wěn)、可靠運行。