基于神經網絡法的掘進機截割負載判定系統的研究

張曉磊

（晉能控股集團挖金灣虎龍溝煤業有限公司， 山西 懷仁 038300）

引言

隨著各煤炭生產企業井下綜采作業設備自動化水平的不斷提高，限制井下綜采作業效率進一步提升的瓶頸已經轉換為井下掘進作業效率不能滿足綜采作業效率的要求。目前井下掘進機在掘進作業時主要是依靠人工對截割狀態進行判斷，不斷調整掘進機的截割作業參數，但由于煤礦井下地質環境復雜，給人工判斷帶來了極大的難度，同時工人在調整過程中，精神高度集中，極易產生疲勞，給井下掘進作業帶來了極大的安全隱患。因此為了適應井下掘進作業自動化的需求，本文提出了一種基于神經網絡法的掘進機截割負載判定系統，利用神經網絡算法對作用在截割機構上的負載進行精確判斷，為實現掘進機的自動化掘進作業奠定了基礎。

1 負載判定系統工作原理及控制流程

該基于神經網絡的掘進機截割負載判定系統利用設置在掘進機截割機構及控制液壓缸處的壓力監測設備對掘進作業過程中的電機、執行油缸壓力進行實時監測，對掘進機截割作業過程中的截割轉速、驅動電機的工作電流、掘進機的掘進速度、執行油缸的工作壓力和懸臂的工作角度進行實時監測，利用神經網絡法[1]對所監控到的信息進行融合校正處理，使監測信號轉換為模擬量的數據信息信號，根據預設的運算邏輯完成對掘進機的截割載荷識別，對截割作業區域的巖層的硬度和截割阻力進行精確判斷，將運算結果直接顯示到操作終端處，同時自動對采煤機的運行狀態進行調整，使其截割轉速和進給速度根據巖層的截割阻力進行靈活調整，最終提高了掘進作業效率和使用壽命，該掘進機截割負載判定系統的控制流程如圖1 所示[2]。

圖1 掘進機截割負載判定流程示意圖

2 基于神經網絡融合的載荷信息識別原理

由于傳統的載荷識別方法僅僅是對各個傳感器設備的監測數據進行分析，只有當各個監測數據均滿足一定條件時系統才判斷截割機構處在某一個載荷范圍內，但這種方案識別率低下、數據處理周期長、隨機性大，無法滿足自動化要求的高精確性要求[3]。神經網絡融合技術是指將各個監測設備所監測到的數據信息進行統一的匯總分析，對整個監測體系內的數據進行聯動分析，根據各數據的聯動分析結果確定作用在截割滾筒上的截割阻力，該方法具有數據分析速度快、精度高的優點，能夠滿足掘進機在高速運轉情況下的負載判定要求。

同時該系統根據所分析出的截割阻力的大小，對掘進機驅動控制系統進行調整，滿足在不同截割阻力下高速、安全截割作業要求，能夠極大地降低掘進機在掘進作業過程中的磨損，提高使用壽命，使掘進作業時能夠以最經濟的方式進行截割作業，該基于神經網絡融合的載荷信息識別原理如下頁圖2 所示。

圖2 數據融合原理

3 數據傳感器位置示意圖

該掘進機截割負載判定系統的核心在于對掘進機工作狀態信息判斷的準確性，因此各數據傳感器的位置設置和精確性直接關系到該判定系統的準確性，經過多次試驗驗證，最終確定的掘進機上各傳感器的安裝位置結構如下頁圖3 所示。

圖3 掘進機傳感器布置結構示意圖

掘進機在掘進作業過程中當截割機構上的截割阻力發生變化時，截割機構的振動將隨著與截割滾筒距離的增加而逐漸降低，并且由于截割滾筒在不斷旋轉，因此為了避免傳感器的線束出現纏繞，最初采用了無線傳感器，但是由于煤礦井下地質環境復雜，導致信號傳輸極不穩定，無法滿足數據傳輸要求，因此經過多次試驗驗證后本文選擇了一種新的滑環傳感器，該傳感器結構與電機結構類似，由定子和轉子共同構成，能夠在確保轉子部分跟隨掘進機截割機構旋轉的條件下，確保后側的連接線部分的穩定性，從而確保了監測信號傳輸的準確性。

在設置壓力傳感器時，根據掘進機工作時各執行油缸的工作特性，選擇將傳感器設置在回轉執行油缸和升降執行油缸處各設置一個壓力傳感器，滿足對執行油缸工作過程中壓力的監控要求。

4 傳感器選型要求

傳感器是用于對掘進機的運行狀態進行監測，滿足監測需求的一種設備，由于掘進機的工作環境較為惡劣，因此要求傳感器在滿足監測精度的情況下具有極高的使用可靠性。

振動傳感器主要是為了對截割作業過程中截割機構的振動情況進行監測，用于判斷傳動系統的運行穩定，一般分為磁電式和壓電式，經過多次試驗對比后，本文選擇了KGS18 式壓電式振動傳感器，具有較高的固定頻率，電荷靈敏度高，能夠避免截割作業過程中截割載荷突變導致的誤報警狀態，其結構見圖4-1。

電流傳感器主要是對掘進過程中驅動電機的截割電流進行監測，從而根據電流變化情況確定截割負載的變化情況，要求靈敏度高，本文選擇了SD300EKADV 型電流傳感器，具有測量精度高，能適應防爆環境的特點，其結構如圖4-2 所示。

壓力傳感器主要用于對執行油缸的工作壓力進行監測，因此本文選擇了GPD60（A）礦用本安型壓力傳感器，能夠將液壓傳感器經過電橋轉換成壓力信號，監測精度能夠達到0.1 MPa，其結構如圖4-3 所示。

圖4 傳感器結構示意圖

5 結論

1）該方案利用神經網絡法對所監控到的信息進行融合校正處理，根據預設的運算邏輯完成截割載荷識別，同時自動對采煤機的運行狀態進行調整，使其截割轉速和進給速度根據巖層的截割阻力進行靈活調整，最終實現提高掘進作業效率，提高掘進機的使用壽命。

2）神經網絡融合技術是指將各個監測設備所監測到的數據信息進行統一的匯總分析，對整個監測體系內的數據進行聯動分析，根據各數據的聯動分析結果確定作用在截割滾筒上的截割阻力，具有數據分析速度快、精度高的優點。