基于模糊神經(jīng)網(wǎng)絡(luò)PID 的煤礦掘進(jìn)機(jī)俯仰控制研究

文章編號：1671?251X（2024）08?0135?09 DOI：10.13272/j.issn.1671-251x.2024070014

關(guān)鍵詞：掘進(jìn)機(jī)俯仰控制；俯仰角；模糊神經(jīng)網(wǎng)絡(luò)PID；液壓系統(tǒng)；液壓缸位移控制；支撐機(jī)構(gòu)

中圖分類號：TD632.2 文獻(xiàn)標(biāo)志碼：A

0引言

2020年2月25日，國家發(fā)展改革委、國家能源局等八部委聯(lián)合印發(fā)了《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，要求掘進(jìn)工作面實(shí)現(xiàn)智能化。掘進(jìn)工作面要實(shí)現(xiàn)智能化，裝備是關(guān)鍵。煤礦掘進(jìn)存在環(huán)境惡劣和人員操作不安全等問題，掘進(jìn)裝備智能化是解決這一問題的有效途徑[1]。履帶式掘進(jìn)機(jī)是煤礦巷道掘進(jìn)的關(guān)鍵裝備，目前，關(guān)于掘進(jìn)機(jī)精確定位、智能截割、導(dǎo)航與糾偏控制、遠(yuǎn)程智能操控等方面的研究較多，而掘進(jìn)機(jī)俯仰控制普遍采用人工操作，制約了掘進(jìn)裝備智能化發(fā)展。因此，開展煤礦掘進(jìn)機(jī)俯仰控制研究，對實(shí)現(xiàn)掘進(jìn)機(jī)全面智能化具有重要意義。

在煤礦懸臂式掘進(jìn)機(jī)俯仰控制方面，臧富雨等[2]構(gòu)建了懸臂式掘進(jìn)機(jī)俯仰機(jī)構(gòu)數(shù)學(xué)模型， 利用AMESim 建立掘進(jìn)機(jī)執(zhí)行機(jī)構(gòu)的完整液壓模型，并通過PID 控制器實(shí)現(xiàn)掘進(jìn)機(jī)位姿調(diào)整。張曉光等[3]通過構(gòu)建掘進(jìn)機(jī)機(jī)身位姿模型，結(jié)合多頻連續(xù)波相位差得到掘進(jìn)機(jī)精確位姿，利用仿真軟件實(shí)現(xiàn)掘進(jìn)機(jī)俯仰控制。Zhang Minjun 等[4]設(shè)計(jì)了一種動態(tài)誤差消除控制器，實(shí)現(xiàn)了掘進(jìn)機(jī)俯仰控制。張敏駿等[5]分析了掘進(jìn)機(jī)姿態(tài)角與巷道斷面之間的關(guān)系，利用粒子群算法對俯仰控制傳遞函數(shù)的參數(shù)進(jìn)行辨識，設(shè)計(jì)了掘進(jìn)機(jī)姿態(tài)調(diào)整PID 控制系統(tǒng)，實(shí)現(xiàn)了掘進(jìn)機(jī)俯仰控制。目前煤礦掘進(jìn)機(jī)俯仰控制主要采用PID 控制方法，然而PID 控制方法在掘進(jìn)機(jī)俯仰控制時(shí)變性與液壓系統(tǒng)非線性情況下的控制精度不高。

掘進(jìn)機(jī)自動截割控制與俯仰控制均通過控制液壓缸行程實(shí)現(xiàn)，目前在掘進(jìn)機(jī)自動截割控制方面的研究較多，可為俯仰控制研究提供參考。王東杰等[6]設(shè)計(jì)了基于遺傳算法優(yōu)化的模糊PID 智能控制器，實(shí)現(xiàn)了對截割臂擺速的高效調(diào)控。張旭輝等[7]提出了一種懸臂式掘進(jìn)機(jī)自主調(diào)速截割控制方法，利用k?means 聚類得到截割臂油缸控制量，并通過模糊PID 控制實(shí)現(xiàn)了掘進(jìn)機(jī)自主調(diào)速截割。劉志森[8]提出了一種懸臂式掘進(jìn)機(jī)截割臂自適應(yīng)調(diào)整策略，利用遺傳算法優(yōu)化模糊控制，實(shí)現(xiàn)了截割臂擺速自適應(yīng)控制。王蘇彧等[9]設(shè)計(jì)了一種基于截割臂油缸壓力的巷道邊界控制方法，實(shí)現(xiàn)了掘進(jìn)機(jī)對規(guī)劃軌跡的精準(zhǔn)控制。王鵬江等[10]提出了一種結(jié)合LSTM 深度學(xué)習(xí)和模糊推理控制的巷道掘進(jìn)機(jī)智能聯(lián)合截割策略與方法，實(shí)現(xiàn)了掘進(jìn)機(jī)截割頭和截割臂的聯(lián)合智能調(diào)速。P. Cheluszka[11]設(shè)計(jì)了一種掘進(jìn)機(jī)截割頭運(yùn)動控制系統(tǒng)方案，實(shí)現(xiàn)了掘進(jìn)機(jī)智能化截割。上述研究表明，將傳統(tǒng)PID 算法與模糊控制、神經(jīng)網(wǎng)絡(luò)等相結(jié)合，可有效提高液壓缸行程控制精度。

為了提高掘進(jìn)機(jī)俯仰控制精度，本文提出一種基于模糊神經(jīng)網(wǎng)絡(luò)PID 的煤礦掘進(jìn)機(jī)俯仰控制方法。通過分析掘進(jìn)機(jī)支撐部運(yùn)動學(xué)關(guān)系，得到俯仰角與支撐部液壓缸的數(shù)學(xué)關(guān)系，并利用模糊神經(jīng)網(wǎng)絡(luò)在線優(yōu)化PID 控制參數(shù)，使掘進(jìn)機(jī)俯仰機(jī)構(gòu)能夠更加快速、準(zhǔn)確到達(dá)預(yù)設(shè)位置，解決掘進(jìn)機(jī)俯仰控制中時(shí)變性與非線性難題，從而實(shí)現(xiàn)煤礦掘進(jìn)機(jī)俯仰機(jī)構(gòu)自動精確控制。

從圖7 可看出，由于系統(tǒng)非線性與參數(shù)不確定性，系統(tǒng)出現(xiàn)一定超調(diào)量，在控制系統(tǒng)的作用下很快趨于穩(wěn)定。模糊神經(jīng)網(wǎng)絡(luò)PID 控制的響應(yīng)時(shí)間比模糊PID 控制與PID 控制分別提高了89.44% 與90.05%，超調(diào)量分別降低了78.12% 與83.80%。

4.2正弦信號響應(yīng)

掘進(jìn)機(jī)俯仰姿態(tài)調(diào)整過程中需要對相應(yīng)的液壓缸位移進(jìn)行動態(tài)跟蹤，為驗(yàn)證跟蹤性能，施加正弦信號，系統(tǒng)響應(yīng)及誤差曲線如圖8 所示。正弦信號為連續(xù)變化且無突變系統(tǒng)的振蕩，跟蹤誤差較小，但仍存在滯后誤差。

4.3方波信號響應(yīng)

為驗(yàn)證掘進(jìn)機(jī)俯仰控制系統(tǒng)在突變工況下的穩(wěn)定工作性能，輸入方波信號，系統(tǒng)響應(yīng)及誤差曲線如圖9 所示。煤礦掘進(jìn)工況復(fù)雜，當(dāng)信號發(fā)生突變時(shí)，系統(tǒng)存在振蕩等干擾，經(jīng)過控制算法的調(diào)整后，系統(tǒng)趨于穩(wěn)定。

4.4對比分析

正弦信號和方波信號跟蹤結(jié)果見表3。正弦信號下， 模糊神經(jīng)網(wǎng)絡(luò)PID 控制的跟蹤誤差比模糊PID 控制與PID 控制分別降低了78.67% 與79.75%。方波信號下，模糊神經(jīng)網(wǎng)絡(luò)PID 控制跟蹤誤差比模糊PID 控制與PID 控制分別降低了60% 與69.23%。對不同輸入信號下，模糊神經(jīng)網(wǎng)絡(luò)PID 控制的跟蹤誤差比模糊PID 控制和PID 控制分別降低了69.34% 和74.49%。同時(shí)，模糊神經(jīng)網(wǎng)絡(luò)PID 控制在響應(yīng)時(shí)間、超調(diào)量方面均體現(xiàn)了優(yōu)異性能。

5掘進(jìn)機(jī)俯仰控制實(shí)驗(yàn)

掘進(jìn)機(jī)俯仰控制系統(tǒng)的關(guān)鍵在于對液壓缸位移的精確控制，但現(xiàn)有掘進(jìn)機(jī)實(shí)驗(yàn)平臺無法直接測量支撐機(jī)構(gòu)液壓缸位移并進(jìn)行俯仰自動控制。因此，基于液壓缸電液比例伺服控制試驗(yàn)平臺搭建了掘進(jìn)機(jī)俯仰控制實(shí)驗(yàn)平臺，如圖10所示。該實(shí)驗(yàn)平臺主要包括液壓部分和測控部分，液壓部分包括液壓閥組、液壓泵站和單出液壓缸等，測控部分包括上位機(jī)、電氣控制系統(tǒng)和數(shù)據(jù)采集系統(tǒng)等。

采集液壓缸位移數(shù)據(jù)，模擬掘進(jìn)機(jī)支撐機(jī)構(gòu)液壓缸調(diào)整過程。采用PID、模糊PID、模糊神經(jīng)網(wǎng)絡(luò)PID 控制算法分別對方波信號和正弦信號進(jìn)行軌跡跟蹤控制。方波信號和正弦信號分別模擬掘進(jìn)機(jī)突變工況和跟隨工況，以驗(yàn)證掘進(jìn)機(jī)俯仰控制時(shí)變性與液壓系統(tǒng)非線性情況下的控制精度。

5.1方波信號實(shí)驗(yàn)

3種控制算法的方波信號軌跡跟蹤及其誤差曲線如圖11所示。3種控制算法均無明顯超調(diào)，模糊神經(jīng)網(wǎng)絡(luò)PID控制跟蹤效果最好。

方波信號響應(yīng)時(shí)間及跟蹤誤差見表4。

從表4可看出，在方波信號的每個(gè)變化階段，模糊神經(jīng)網(wǎng)絡(luò)PID控制能夠使信號更快達(dá)到指定位置，最大跟蹤誤差為0.2mm，相比模糊PID和PID控制算法分別降低了60.00%和80.00%，平均響應(yīng)時(shí)間分別縮短了27.22% 和50.33%，最長響應(yīng)時(shí)間為1.06 s，均優(yōu)于其他2 種控制算法。

5.2正弦信號實(shí)驗(yàn)

3種控制算法的正弦信號軌跡跟蹤及其誤差曲線如圖12所示。在正弦信號下， 模糊神經(jīng)網(wǎng)絡(luò)PID 控制算法的峰值誤差和滯后時(shí)間均小于模糊PID 和PID 控制算法。

正弦信號動態(tài)性能對比見表5。模糊神經(jīng)網(wǎng)絡(luò)PID 控制算法滯后時(shí)間最短，為0.07 s， 相比模糊PID 和PID 控制算法分別縮短了74.07% 和80.56%。模糊神經(jīng)網(wǎng)絡(luò)PID 控制算法峰值誤差最小，為0.1 mm，相比模糊PID和PID控制算法分別降低了66.67%和80.00%。

6結(jié)論

1）基于掘進(jìn)機(jī)俯仰控制的非線性與時(shí)變性特點(diǎn)，分析了掘進(jìn)機(jī)支撐機(jī)構(gòu)控制系統(tǒng)工作原理，提出了基于模糊神經(jīng)網(wǎng)絡(luò)PID 的煤礦掘進(jìn)機(jī)俯仰控制方法。將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，形成模糊神經(jīng)網(wǎng)絡(luò)， 再結(jié)合PID 控制算法， 得到模糊神經(jīng)網(wǎng)絡(luò)PID 控制模型，實(shí)現(xiàn)掘進(jìn)機(jī)俯仰控制。

2）仿真結(jié)果表明，模糊神經(jīng)網(wǎng)絡(luò)PID 控制算法的跟蹤誤差相較于模糊PID 控制算法和PID 控制算法分別降低了69.34% 和74.49%，控制性能顯著提升。

3）實(shí)驗(yàn)結(jié)果表明，在給定軌跡情況下，相較于模糊PID 控制算法和PID 控制算法， 模糊神經(jīng)網(wǎng)絡(luò)PID 控制算法的跟蹤誤差分別降低了63.34% 和80.00%，響應(yīng)時(shí)間和滯后時(shí)間均顯著縮短。模糊神經(jīng)網(wǎng)絡(luò)PID 控制算法不僅可滿足系統(tǒng)的精度要求，而且跟隨性能最優(yōu)，能夠更好地滿足掘進(jìn)機(jī)俯仰控制要求。