采煤機自適應調高控制系統的性能分析

吳貝強

（臨汾宏大礦業有限責任公司， 山西 臨汾 041000）

引言

采煤機是煤礦自動化開采中的重要設備，通過采煤機對煤巖進行切割，形成原煤后裝入帶式輸送機[1]。采煤機主要采用滾筒調高機構，在實際工作的時候，工人根據采場煤層的情況調節滾筒高度，調高系統采用液壓系統進行控制，工人依靠視力觀察和噪聲判斷滾筒處的工況，據此進行相應換向閥的操作，無法實現自動調高。

針對采煤機調高生產過程中遇到的難題，分析截割滾筒主要截割電機電流及電機轉矩等的信號，利用模糊神經網絡算法，使用滑模控制規律自動調高電液伺服控制系統，達到采煤機滾筒自適應調高的控制目的。

1 采煤機調高機構及自適應自動調高系統

1.1 采煤機調高機構及原理

采煤機工作時，截割滾筒通過不停地旋轉實現截割煤炭，并通過弧形擋板將煤炭裝入帶式輸送機。采煤機調高機構的原理：伸縮桿在液壓缸的驅動下進行運動，小支臂和搖臂相連，伸縮桿帶動搖臂運動，搖臂運動完成升降配合滾筒的旋轉實現采煤機沿煤層截割煤炭的工作。

1.2 采煤機基于記憶截割的自動調高系統

自適應采煤機自動調高系統[2]如圖1 所示，由圖1 可知，其主要由采煤機、檢測裝置、煤巖界面識別系統和控制系統組成。工作過程中，系統依據給定的環境參數及截割路徑自動進行截割機構的運動計算，并通過控制系統控制截割機構的運動，同時對采煤機的滾筒實時狀態進行監控，進行實時的反饋調節，及時適應環境的變化。在此系統中需要重點研究的問題是采煤機煤巖界面截割模式的自動識別、自動調高控制方法。

圖1 基于記憶截割控制技術的采煤機自動調高系統

2 采煤機煤巖界面截割模式的自動識別

2.1 采煤機煤巖截割工況分析

采煤機在工作過程中，由于煤巖硬度的變化，造成滾筒截割負載的變化，會引起負載信號的變化，對煤壁進行自動識別。根據煤巖介質的物理性質找出滾筒在截割試驗所拾取的電機電流及牽引電機轉矩等信號，對其數字特征及分布進行分析。煤巖介質的性質主要包括煤巖的強度、硬度、塑性、彈性、阻抗等[3]。通過試驗分析得出采樣電流和采樣扭矩呈正態分布的情況。

2.2 模糊神經網絡煤巖界面截割模式的自動識別

神經網絡模式識別過程分為兩個階段，首先神經網絡通過一定數量的樣本訓練獲得識別信息，然后對新輸入的模式進行識別，形成自我學習。模糊邏輯理論不需要知道輸入輸出語言變量間精確的數學模型，利用輸入輸出變量的隸屬度函數和模糊判斷規則來進行推理，模糊推理的核心是模糊控制規則。模糊理論利用輸入和輸出間的非線性映射，來解決非線性系統信息處理問題。

模糊理論不具有自適應和自我學習的能力，無法對隸屬度函數和規則進行完善，神經網絡理論可以通過自我學習獲得網絡拓撲結構，模仿人腦實現特定向量和模式間的非線性關系，神經網絡可進行一定的分布存儲，將兩者進行結合將特定經驗存放于神經網絡節點中，通過模糊規則推理過程進而實現在模糊系統下的神經網絡連接，達到既能處理模糊信息，又能通過神經網絡自身識別提高信息處理的效果。通過基于Mamdani 模型的多輸入和多輸出拓撲結構構建如圖2 所示。

圖2 模糊神經網絡識別結構

網絡第一層為多輸入層。該層節點直接與輸入向量相連接，表示輸入變量。

網絡第二層為模糊層。該層節點代表各模糊子集，通過隸屬度函數表達該層神經元信息，該層節點越多，表示越趨于實際神經網絡，計算過程也就越復雜。

網絡第三層為模糊規則判斷層。該層各節點表示模糊規則，根據每條規則的適用度來進行匹配推理，生成模糊庫。對于特定的輸入量，只有在輸入量附近的模糊子集才能生效。

網絡第四層為歸一化層。節點數與第三層一致，對于模糊規則下進行信息歸一化計算。

網絡第五層為輸出量層。相當于模糊子集隸屬度函數的中心值，將經過模糊規則歸一后的參數變為可輸出的量。

使用實驗數據作為模糊神經網絡的測試樣本，對測試樣本進行檢驗，經過檢驗輸出值和實際實驗數據對比，模糊神經網絡的滾筒截割模式識別正確率達到90%以上，說明創建的模糊神經網絡拓撲結構是成功的。既然滾筒截割模式可以實現自動識別，那么就可以進一步實現滾筒自動調高的控制。

3 采煤機自動調高控制方法

在工作過程中，以采煤機截割電機電流均值、異常截割持續時間、滾筒高度為自動識別的特征，但3個變量均為非線性的參數，控制系統需要能夠處理不滿足參數線性化的條件。采用滑模控制的方式進行變量的切換來滿足系統的使用[4]。

采煤機自動調高電液伺服控制系統為閥控缸電液位置伺服控制系統，因其搖臂和滾筒所受到的負載和干擾力不影響系統的固有穩定性，因此在控制系統中不考慮其影響。滑模面切換函數和模糊控制函數如下：

通過輸入參數對滑模控制系統進行仿真，設定系統的頻率、阻尼參數，采用普通PID 控制器[5]進行仿真對比。通過給定正弦信號，采用兩種控制器進行跟蹤仿真，效果如圖3 所示。

從圖3 中可以看出，在初始第一階段，系統進入滑模階段，跟蹤具有一定的偏差，進入滑模面之后，滑模控制效果明顯要比普通PID 控制器好，符合采煤機調高系統的要求，能夠實現采煤機調高液壓系統快速平穩的自動調節。

圖3 滑模控制與PID 控制效果路徑跟蹤曲線

4 結語

通過分析工作實際工況采集的滾筒電機電流和牽引電機轉矩規律，找到了自動調高系統所需的輸入變量，使用模糊神經網絡對煤巖界面模式進行自動識別，運用滑模控制設計了滑模面切換函數和滑模控制函數，并對其進行仿真對比實驗。采煤機自適應調高控制系統能夠完全實現目前采煤機自動控制的性能要求，是提高煤礦開采效率和自動化控制的有力手段。