基于卷積神經(jīng)網(wǎng)絡(luò)和模糊PID 的掘進(jìn)機(jī)截割控制系統(tǒng)研究

摘要：針對(duì)懸臂式掘進(jìn)機(jī)在掘進(jìn)過(guò)程中面對(duì)煤巖硬度復(fù)雜變化時(shí)適應(yīng)性不足、系統(tǒng)穩(wěn)定性低等問(wèn)題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）及模糊PID 的掘進(jìn)機(jī)截割控制系統(tǒng)，該系統(tǒng)包括巷道斷面成形特性和智能截割控制策略2 個(gè)部分，其中掘進(jìn)機(jī)智能截割控制策略由CNN 煤巖硬度動(dòng)態(tài)感知模塊和截割臂擺速模糊PID 控制模塊組成。提出一種有效的截割路徑，使截割頭沿規(guī)劃路徑從上至下進(jìn)行煤巖截割，以提高斷面完整性，減小掘進(jìn)方向的誤差。采用CNN 煤巖硬度動(dòng)態(tài)感知模塊分析采集的截割電動(dòng)機(jī)電流、截割臂振動(dòng)加速度、回轉(zhuǎn)油缸壓力數(shù)據(jù)信息，以感知煤巖特性；采用截割臂擺速模糊PID 控制模塊對(duì)感知后的數(shù)據(jù)進(jìn)行模糊化與解模糊化處理，輸出相應(yīng)控制參數(shù)信號(hào)；電液比例閥根據(jù)接收到的信號(hào)控制液壓油的流量和壓力，通過(guò)閥控液壓缸控制截割臂擺速，實(shí)現(xiàn)截割臂擺速的自適應(yīng)控制。現(xiàn)場(chǎng)實(shí)驗(yàn)結(jié)果表明：當(dāng)掘進(jìn)機(jī)截割較軟介質(zhì)與煤時(shí)，截割臂以高擺速工作；當(dāng)掘進(jìn)機(jī)截割復(fù)雜巖層時(shí)，擺速隨截割信號(hào)的增大而降低，截割信號(hào)在0～1 之間變動(dòng)；當(dāng)掘進(jìn)機(jī)截割較硬巖層時(shí)，截割載荷信號(hào)接近1，截割臂的擺速降低至0。

關(guān)鍵詞：懸臂式掘進(jìn)機(jī)；智能截割；截割臂擺速；截割路徑；模糊PID 控制；煤巖硬度動(dòng)態(tài)感知；卷積神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：TD632 文獻(xiàn)標(biāo)志碼：A

0 引言

近年來(lái)，掘進(jìn)機(jī)技術(shù)在斷面自動(dòng)成形、記憶截割和截割軌跡規(guī)劃等方面取得了顯著進(jìn)展[1-3]，但在煤巖識(shí)別和自適應(yīng)截割方面發(fā)展緩慢[4]。為提高巷道斷面自動(dòng)成形質(zhì)量和掘進(jìn)工作面智能化水平，曹軍[5]研究了煤巖截割載荷自動(dòng)識(shí)別方法，并在此基礎(chǔ)上建立了掘進(jìn)機(jī)截割臂模糊PID 控制，通過(guò)控制截割臂的擺動(dòng)速度實(shí)現(xiàn)掘進(jìn)機(jī)的恒功率截割，但該方法在煤巖硬度動(dòng)態(tài)變化下的適應(yīng)性仍顯不足，特別是在復(fù)雜工況下難以快速響應(yīng)和調(diào)整截割臂的控制參數(shù)；焦可輝[6]提出了一種基于PID 的懸臂擺動(dòng)速度控制方法，可快速調(diào)節(jié)掘進(jìn)機(jī)懸臂，并確保截割電動(dòng)機(jī)恒功率運(yùn)行，但PID 控制方法的線性本質(zhì)使掘進(jìn)機(jī)在應(yīng)對(duì)非線性復(fù)雜環(huán)境（如煤巖混合）時(shí)表現(xiàn)不足，難以有效應(yīng)對(duì)煤巖硬度和載荷的快速變化，尤其在動(dòng)態(tài)復(fù)雜工況下容易出現(xiàn)過(guò)沖或響應(yīng)延遲等問(wèn)題；宗凱[7]提出了一種基于多參數(shù)判據(jù)的截割載荷變化判定策略，采用遺傳算法優(yōu)化后的BP 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)截割電動(dòng)機(jī)恒功率輸出，但在處理大規(guī)模數(shù)據(jù)時(shí)面臨梯度消失或爆炸等問(wèn)題，尤其是在實(shí)時(shí)性要求高的系統(tǒng)中，BP 神經(jīng)網(wǎng)絡(luò)的計(jì)算復(fù)雜度和訓(xùn)練時(shí)間限制了其實(shí)際應(yīng)用。為提高掘進(jìn)機(jī)控制系統(tǒng)數(shù)據(jù)處理能力， 謝亞洲[8]提出了以復(fù)雜可編程邏輯器件?數(shù)字信號(hào)處理器為核心的懸臂式掘進(jìn)機(jī)智能控制系統(tǒng)解決方案，通過(guò)多傳感器融合技術(shù)對(duì)煤巖進(jìn)行動(dòng)態(tài)感知，并實(shí)現(xiàn)了煤巖的自適應(yīng)截割，但在煤巖硬度劇烈變化的情況下，該系統(tǒng)過(guò)于依賴固定算法，靈活性較差，難以根據(jù)不同工況實(shí)時(shí)調(diào)整控制策略，未能實(shí)現(xiàn)真正意義上的動(dòng)態(tài)自適應(yīng)；宋煜棟[9]提出了一種掘進(jìn)機(jī)自動(dòng)截割方法，選用 “S ”形 截割路徑，對(duì)不同形狀巷道斷面進(jìn)行邊界控制，為掘進(jìn)機(jī)在多條件下巷道掘進(jìn)施工提供了理論依據(jù)，但該路徑對(duì)特定地質(zhì)條件具有一定的依賴性，在面對(duì)其他不同地質(zhì)條件（如更復(fù)雜的地層結(jié)構(gòu)、巖石硬度變化較大等）時(shí)，其適應(yīng)性受到限制，進(jìn)而影響整體的截割效率；張磊等[10]提出了一種基于反饋控制的巷道斷面自動(dòng)截割控制方案，利用數(shù)學(xué)模型和實(shí)時(shí)位置計(jì)算，實(shí)現(xiàn)了EBZ220 型掘進(jìn)機(jī)的高精度自動(dòng)截割，但所提方案針對(duì)的樣本相對(duì)單一，無(wú)法全面涵蓋不同工況和機(jī)型下的系統(tǒng)性能表現(xiàn)，影響其在復(fù)雜地質(zhì)條件下的應(yīng)用效果。以上方法在面對(duì)煤巖硬度復(fù)雜變化、復(fù)雜地質(zhì)工況要求時(shí)，均存在適應(yīng)性不足、系統(tǒng)穩(wěn)定性及效率較低等問(wèn)題。

針對(duì)上述問(wèn)題，本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks， CNN）和模糊PID的掘進(jìn)機(jī)截割控制系統(tǒng)。首先，提出合理有效的截割路徑，使截割頭沿規(guī)劃路徑從上至下進(jìn)行煤巖截割，以提高斷面完整性，減小掘進(jìn)方向的誤差，提高掘進(jìn)效率；其次，通過(guò)CNN 實(shí)時(shí)感知煤巖硬度信息，利用截割電動(dòng)機(jī)電流、回轉(zhuǎn)油缸壓力和截割臂振動(dòng)加速度等控制變量進(jìn)行煤巖硬度識(shí)別，為智能截割系統(tǒng)提供動(dòng)態(tài)、準(zhǔn)確的輸入信息；然后，在合理有效的截割路徑基礎(chǔ)上，以CNN 預(yù)測(cè)的載荷信息為依據(jù)，采用自整定模糊PID 控制方法實(shí)現(xiàn)不同煤巖情況的自適應(yīng)截割；最后，建立自整定模糊PID 控制器仿真模型，以驗(yàn)證該控制方法的穩(wěn)定性。

1 基于CNN 和模糊PID 的掘進(jìn)機(jī)截割控制系統(tǒng)

基于CNN 和模糊PID 的掘進(jìn)機(jī)截割控制系統(tǒng)包括巷道斷面成形特性和智能截割控制策略2 個(gè)部分，如圖1 所示。首先，研究巷道斷面成形特性，規(guī)劃合理截割路徑，以提高斷面成形質(zhì)量與效率。然后，利用傳感器信息進(jìn)行煤巖強(qiáng)度識(shí)別，在識(shí)別過(guò)程中進(jìn)行誤差分析，確保識(shí)別的準(zhǔn)確性，為后續(xù)控制提供數(shù)據(jù)。最后，根據(jù)煤巖強(qiáng)度設(shè)計(jì)模糊PID 控制器塊，并通過(guò)仿真及實(shí)驗(yàn)驗(yàn)證控制策略的有效性。