井下液壓支架自適應控制系統研究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了井下液壓支架自適應控制系統研究范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：針對井下液壓支架自適應控制系統開展探究。在分析井下液壓支架自適應控制系統工作原理的基礎上，對自適應控制系統設計做出全面分析總結，希望能為其他礦井相似工作的開展提供借鑒和參考。

關鍵詞：礦井；液壓支架；BP神經網絡；自適應控制系統

液壓支架電液控制系統作為確保井下安全生產的重要保障，長期以來在眾多礦井得到了廣泛應用[1]。但在不同礦區的實際應用效果卻有著較大差別。這是因為，雖然液壓支架電液控制系統運行時的程序、參數、流程等均為靜態，但其開采作業環境、運行系統和設備狀況等卻都處于動態變化中，而實現靜態的支架控制軟件與動態的支架運行環境間的相互協調，便是進一步提升支架運行智能化水平的關鍵所在。本次研究探索構建一種應用于支架控制的自適應軟件，使其能根據外界環境的改變對支架運行狀態進行自動調節，確保支架始終保持良好狀態。

1液壓支架自適應控制系統工作原理

BP神經網絡技術是一種能廣泛應用于非線性操控中的控制系統，將基于BP神經網絡技術的控制軟件應用在液壓支架控制系統中，能有效消除外界各類干擾因素，從而實現支架的實時高效運行，最大程度提升運行綜合效益。在BP控制網絡中，通常含有1個或多個隱層，這些隱層借助權值進行互聯，其主要作用是基于輸入信號提取不同的信號特征進而傳遞至輸出層，從而使得整個網絡具備復雜的非線性映射能力。完整的自適應控制系統主要分為自校正控制和模型參考控制[1-2]，其中前者是借由對參數的預估，結合相關結果的在線辨識，實現對預估值的持續調整，從而獲得最優的運行參數，確保系統保持最優狀態，此類系統多應用于結構一致但參數不定的隨機系統中；后者則是在自校正系統基礎上增設參考模型（結構示意圖見圖1），所增設模型是具有固定結構與恒定參數的理想模型。該模型在輸入參數的影響下，其輸出值被限定為系統受控對象所具備的理想輸出。不過該系統受內外界擾動的影響，實際輸出與理想輸出存在差異，這就需要借助誤差最小優化法對其進行糾正，確保結果最佳。結合礦井生產實際，液壓支架電液控制系統自適應軟件的設計中可引入模型參考控制技術，從而有效提升支架運行有效性。圖1中，yr為輸入參數；ym為理想參數；y為輸出參數；e為誤差。

2自適應控制系統設計分析

使用BP神經網絡模型對液壓支架自適應控制系統進行設計時[3]，要結合受控對象，對液壓支架運行時的外部環境要素進行收集，并配置針對性的感知手段，從而構建針對控制過程的質量目標通訊，使得軟件可以針對質量不達標的情況進行自動智能調控。圖2為液壓支架自適應控制系統模型示意圖。分析圖2可知，對支架運行操控有影響的主要感知對象包括開采條件、配套設備、控制主體等，在支架運行過程中一旦這些因素發生變化，便會對支架控制造成程度不一的干擾，這時就需要在系統運行中動態加載相應的控制模型庫，從而使得軟件可以自行控制支架應對環境變化。譬如在傾角較大煤層的仰采（俯采）中，通過加載支架失穩模型與支架上竄下滑模型，便能實現對回采作業過程中支架傾倒、下滑等問題的有效防控。系統中的配套設備包括采煤機、運輸機、供液系統等，常規作業時供液系統流量和壓力越大，則支架的動作速度越快，因此當供液系統的供液能力穩定不變時，要想提高采煤機截割速率，便需要提升液壓支架跟機速度，這種情況下一旦采煤機截割速度超過某一閾值，則需要作業面的多臺液壓支架同時供液，以滿足支架的跟機控制要求。這種支架同步作業數量的增多，會使得作業面管道壓力降低，流量減小，從而造成支架移動速度減慢，通過增加支架作業時長確保支架動作的安全性和有效性。在系統正式投入使用前要借助模型參考自適應的方法對所涉及支架電液控制系統BP神經網絡模型進行訓練[4-5]，其訓練過程如下：a)先開展針對性的人工操作，借由支架電液控制系統配設的記憶程序對支架作業時的各項參數進行記錄，并對作業所用的樣本集特性予以提取。b)結合所提取出的樣本集特性，為控制系統動態加載相應作業模塊，對作業模塊的初始作業參數予以確定。c)選取1組訓練樣例，所選樣例應當包含輸入信息和期望輸出兩部分，并將預設的輸入信息輸入作業網絡。譬如所選取的訓練樣例為大傾角作業樣例，則輸入的信息為作業面傾角參數。d)針對神經元處理后的各層節點輸出值進行計算。譬如在大傾角作業面中，作業面傾角的存在會導致支架發生上竄下滑現象，可針對性計算液壓支架可能發生的下滑角度，得出哪些情況容易造成支架的歪斜，進而影響支架正常移動。e)對神經網絡輸出實際值和期望值間的誤差進行測算，并對支架運移速度和目標行程間的差值進行檢測。f)由輸出層開始進行反向計算直至第一個隱層，并依照能使誤差向減小的原則，對整個網絡各神經元的連接權值進行調整。借助底調機構對支架運行角度進行調整，確保其同相鄰支架平行后再進行移架作業。g)如果無法實現同相鄰支架的平行，則不斷重復d)和e)，直至達到平行位置。針對整個訓練樣集中的所有樣例重復進行c)到f)，直至達到最終理想控制目標。

3結語

支架作為確保作業面運行安全的關鍵要素，確保其運行安全對于生產高效開展意義重大。基于BP神經網絡技術，設計應用于液壓支架電液控制系統的自適應控制系統，實現了支架電液控制系統運行伴隨環境變化而自動調控相關運行參數，提升了整個支架系統對現場作業環境的適應性。

參考文獻：

［1］薛光輝，管健，柴敬軒，等.基于神經網絡PID綜掘巷道超前支架支撐力自適應控制［J］.煤炭學報，2019，44(11)：3596-3603.

［2］張杰文.無線傳感器網絡(WSN)支架壓力監測數據自適應擬合方法［J］.煤礦機電，2019，40(1)：61-63.

［3］李海鋒.基于粒子群算法的電液控制液壓支架自適應調節方法［J］.煤礦開采，2018，23(6)：28-31.

［4］任懷偉，杜毅博，侯剛.綜采工作面液壓支架-圍巖自適應支護控制方法［J］.煤炭科學技術，2018，46(1)：150-155.

［5］王國法.工作面支護與液壓支架技術理論體系［J］.煤炭學報，2014，39(8)：1593-1601.

作者：高全軍 單位：陽泉煤業（集團）有限責任公司