采煤機滾筒調高智能化控制系統優化設計

范四立

(東莞職業技術學院機電工程學院，廣東東莞 523808)

0 前言

采煤機是煤礦井下綜采工作面重要設備之一，其智能化水平是衡量綜采工作面智能化水平的重要參考，而采煤機滾筒智能調高是完成采煤機智能化的重要決策。采煤機滾筒精確、平穩、快速智能調高是目前國內外學者關注的熱議話題。耿秀明通過傳遞函數求解了調高系統狀態空間方程，并在該系統控制器設計中引入了滑模變結構控制。劉芳璇等基于AFSA-ACA自適應模糊滑模對滾筒液壓調高進行了精確控制。李雪梅利用滑模變結構控制理論對采煤機滾筒系統控制器進行了設計與研究，給出了變速趨近律的滑模變結構控制方法優勢。

目前，螢火蟲控制算法大多被用于解決連續型最優化問題，具有較優性能。杜鵬楨等研究出一種基于改進螢火蟲算法的路徑規劃方法，并利用大量仿真試驗及實際試驗驗證其可行性和有效性。毛君等人基于新型螢火蟲算法對機尾PID控制策略進行了優化設計，對標準螢火蟲算法的動態決策域更新系數進行了改進。左仲亮等設計了改進的動態步長螢火蟲優化算法，該算法在尋優初期以相對較大的步長進行搜索，其全局尋優能力較強。

采煤機工作環境惡劣且復雜，而目前針對采煤機滾筒調高的研究主要為系統響應性能研究，對系統抗干擾性能的研究較少。針對采煤機滾筒調高智能化要求，本文作者對螢火蟲算法進行改進設計。對采煤機滾筒調高智能化控制系統進行數學建模，采用改進的螢火蟲算法對調高系統PID控制器參數進行尋優設計，并建立滾筒調高智能化控制系統Simulink仿真模型，給出改進和基本螢火蟲算法的滾筒調高系統優化效果對比曲線。

1 螢火蟲算法改進

圖1所示為基本螢火蟲算法控制邏輯，采用的是固定步長的方式。由于固定步長會使算法陷入局部最優，不便于在全局內搜索最優解，故文中通過模糊算法將固定步長設計為自適應步長，以提高全局搜索能力。

圖1 基本螢火蟲算法控制邏輯

表1所示為模糊控制規則。模糊控制器輸入變量分別為算法當次尋優結果與上次尋優結果誤差及其偏差變化率；輸出變量為自適應步長變化量Δ。表1中：NB為負大、NM為負中、NS為負小、ZO為零、PS為正小、PM為正中、PB為正大。

表1 Δs模糊控制規則

為增加算法優化初期收斂速度，采取擴大螢火蟲的動態決策半徑方法，通過重新定義決策域更新系數，如方程(1)所示：

=·

(1)

式中：為指數分布。

2 滾筒調高智能化控制系統優化

2.1 調高智能化控制系統數學建模

圖2所示為采煤機滾筒調高智能化控制系統原理簡圖。系統主要元件有齒輪泵、控制換向閥、液壓缸及控制器。其工作原理可簡述為：位移傳感器采集液壓缸活塞桿實時位移信號并傳輸給上位機，上位機對誤差信號進行處理以進一步輸出控制信號，控制信號經放大器放大后調節比例電磁鐵動作，進而控制換向閥主閥芯動作，實時調整活塞桿位移，從而實現滾筒高度智能化調整。

圖2 采煤機滾筒調高智能化控制系統

由系統工作原理可以看出，該系統為閥控缸系統，閥控缸系統數學模型由3個初始方程組成。

控制換向閥的線性負載流量數學模型用式(2)表示：

==-

(2)

式中：為流量增益，m/s；為閥芯位移，m；為流量壓力系數，m·Pa/s；為液壓缸壓力，Pa。

調高缸輸入輸出流量連續性方程用式(3)表示：

(3)

式中：為活塞有效工作面積，m；為有效體積彈性模量，N/m；為活塞位移，m；為液壓缸總泄漏系數，m·Pa/s；為進油腔容積，m。

力平衡方程可由式(4)表示：

(4)

式中：為活塞及負載折算到活塞上的總質量，kg；為活塞及負載的黏性阻尼系數，kg/s；為干擾負載，N；為負載彈簧剛度，N/m。

對方程(2)、(3)和(4)進行拉氏變換，基于采煤機滾筒實際工況獲得液壓缸活塞桿輸出位移如下：

(5)

通過方程(5)進一步可獲得活塞桿位移對閥芯位移的傳遞函數，如方程(6)所示：

(6)

式中：為液壓固有頻率，rad/s；為液壓阻尼比；為總流量-壓力系數。

因此，可得到調高缸活塞位移(負載)的方程為

(7)

比例換向閥數學模型為

(8)

式中：為閥芯位移，m；為閥芯位移與電流增益系數，L/(min·A)。

2.2 調高智能化控制器優化

采煤機滾筒調高智能化控制系統采用增量式PID控制器，便于實現PLC控制。其參數調整只和最近3次采樣有關，更適合控制液壓系統。

增量式PID控制器輸出如下：

()=(-1)+Δ()

(9)

Δ()=[()-(-1)]+()+

[()-2(-1)+(-2)]

(10)

式中：、和分別為PID的3個參數；Δ()為控制器第次的輸出量的增量；()和(-1)分別為第次和第-1次PID控制器的輸出；()、(-1)和(-2)分別為第次、-1次和-2次的活塞桿位移差。

圖3所示為改進的螢火蟲算法優化的PID控制器結構框圖。

圖3 改進的螢火蟲算法優化的PID控制器

圖4所示為改進的螢火蟲算法優化PID控制器的流程圖。采用ITAE作為評價指標函數，如式(11)所示：

圖4 改進的螢火蟲算法優化PID控制器的流程

(11)

在MATLAB中進行程序編寫，部分程序步驟如下：

步驟(1),初始化螢火蟲算法參數；

步驟(2),計算各螢火蟲的亮度并排序得到亮度最大的螢火蟲位置；

步驟(3),判斷迭代是否結束；達到最大迭代次數，則進行步驟(4)，否則進行步驟(5)；

步驟(4),輸出亮度最大的螢火蟲位置及其亮度；

步驟(5),根據式(3)更新螢火蟲的位置，對處在最佳位置的螢火蟲進行隨機擾動，搜索次數增加1，執行步驟(2)，進行下一次搜索。

參數設置如下：設置螢火蟲種群規模為30，初始熒光素為5，熒光素濃度揮發速度系數為0.4，螢火蟲個體更新速度系數為0.6，決策域范圍更新系數初始值為0.08，螢火蟲的初始步長(0)為0.03，最大迭代次數為100，最小移動步長0.000 1，最大移動步長為1。

通過螢火蟲算法改進尋優后的PID控制器參數為=24.308 1、=0.915 7和=1.480 3。

3 系統仿真結果及分析

圖5所示為利用Simulink搭建的采煤機滾筒調高智能化控制系統仿真模型，系統仿真參數設置如表2所示。

圖5 滾筒調高智能化控制系統Simulink仿真模型

表2 仿真參數

仿真對比改進和基本螢火蟲算法優化的PID控制器，給系統分別施加階躍和斜坡信號，幅值為1 m，得到改進和基本螢火蟲算法仿真結果對比如圖6—圖7所示。

圖6 階躍響應曲線對比(局部) 圖7 斜坡響應曲線對比(局部)

由圖6可得：階躍響應下，與基本螢火蟲算法相比，改進螢火蟲算法優化的PID控制器使調高系統超調量減小了21.6%，調整時間下降了18.1%，穩態誤差降低了9.7%。

由圖7可得：斜坡響應下，與基本螢火蟲算法相比，改進螢火蟲算法優化的PID控制器使調高系統超調量減小了38.4%，調整時間下降了22.8%，穩態誤差降低了4.6%。

為驗證加入改進螢火蟲算法優化的PID控制器的系統魯棒性能是否得到提高，對穩態系統施加各種干擾，查看系統對干擾的抗干擾能力和抑制力度。

選取3種類型的信號干擾：脈沖信號干擾、階躍信號干擾和隨機信號干擾，系統抗干擾能力仿真曲線如圖8—圖10所示。

圖8所示為系統穩態時對系統加入幅值為0.1 m、周期為1 s的脈沖干擾信號的局部響應對比曲線。可知：與基本螢火蟲算法相比，改進螢火蟲算法優化后的PID控制系統的響應峰值減小了21.9%，調整時間下降了10.7%。

圖8 脈沖干擾響應曲線(局部) 圖9 階躍干擾響應曲線(局部)

圖9所示為系統穩態時對系統加入幅值為0.05 m的階躍干擾信號的響應對比曲線。可知：與基本螢火蟲算法相比，改進螢火蟲算法優化的PID控制器系統的超調量減小了33.2%，調整時間下降了15.07%。

圖10所示為系統穩態時對系統加入幅值為0.01 m、頻率為10 Hz的隨機干擾信號的響應對比曲線。可知：與基本螢火蟲算法相比，改進螢火蟲算法優化的PID控制系統的系統響應曲線波蕩范圍減小了40.1%。

圖10 隨機干擾響應對比曲線(局部)

由此可得：對滾筒調高智能化系統施加階躍、斜坡、不同類型干擾信號時，當加入改進螢火蟲算法優化的PID控制器后，其響應性能和抗干擾性能得到大幅度提高，研究結果可在一定程度上為采煤機滾筒智能化發展提供參考。

4 結論

為提高采煤機滾筒調高智能化控制精度，對基本螢火蟲算法進行改進。對采煤機滾筒調高智能化控制系統進行數學建模，利用改進的螢火蟲算法對滾筒控制系統PID參數進行尋優，并搭建了滾筒調高智能化控制系統仿真模型。對改進和基本螢火蟲算法系統的效果進行對比分析。對滾筒調高控制系統加入改進螢火蟲算法優化的PID控制器后，系統響應性能和抗干擾性能得到較大改善和提高，主要得到以下結論：

(1)階躍信號下，優化后的系統超調量、調整時間和穩態誤差分別減小21.6%、18.1%和9.7%；

(2)斜坡信號下，優化后的系統超調量、調整時間和穩態誤差分別減小38.4%、22.8%和4.6%；

(3)脈沖干擾信號下，優化后的系統超調量和調整時間分別減小21.9%和10.7%；

(4)階躍干擾信號下，優化后的系統超調量和調整時間分別減小33.2%和15.07%；

(5)隨機干擾信號下，優化后的系統響應曲線波蕩范圍減小40.1%。