基于擴展截割路徑的采煤機端頭記憶截割方法探索

王左生

（山西省陽泉市大陽泉煤炭有限責(zé)任公司，山西 陽泉 045000）

21世紀我國煤礦開采的安全性和煤炭采出水平得到大幅提升，但與美國等發(fā)達國家相比，我國礦井事故發(fā)生率仍要高出許多，一方面基于我國煤層的賦存條件較為復(fù)雜，另一方面是因為我國煤層開采的自動化和智能化水平還相對落后［1］。據(jù)不完全統(tǒng)計，我國礦井事故中在綜采工作面發(fā)生的概率達到了80%，而在全世界發(fā)生事故的礦井中我國所占比例也高達65%。我國還需要提高采掘設(shè)備的自動化水平，提高采掘設(shè)備生產(chǎn)的高效性，爭取在將來實現(xiàn)綜采面開采的無人化作業(yè)，包括采煤機的自動行走割煤作業(yè)、液壓支架的自動升降架以及刮板輸送機的自動運煤等工序［2-3］。山西大陽泉礦礦井綜采面端頭的工況條件較差，煤巖體交界面變動較大，采煤機在該位置進行截割作業(yè)時存在受載不均勻的問題，運行的穩(wěn)定性較差；基于此本文對擴展截割路徑的記憶點特征進行分析，構(gòu)建了以擴展曲線常規(guī)點為主動作記憶點為輔的記憶點集，然后基于NURBS曲線充分研究了擴展截割路徑跟蹤目標。

1 基于截割路徑的采煤機端頭姿態(tài)研究

對采煤機端頭姿態(tài)的研究是本文的研究基礎(chǔ)，研究時假定在綜采面端頭位置的工作面底板平整，同時不會發(fā)生傾角的改變。由于滾筒采煤機是在刮板輸送機上通過嚙合銷排進行行走的，故認為嚙合點為定位采煤機位置的特征點，由此建立的采煤機右端頭定位坐標見圖1。

圖1 上位機智能監(jiān)控系統(tǒng)

在圖1中，x軸方向與刮板輸送機方向平行，正方向指向輸送機運輸方向；y軸方向與工作面底板巖層垂直， 正方向指向采空區(qū)；z軸與xy平面垂直，正方向指向采場煤壁。采煤機右端頭的截割過程見圖2，圖中的1表示采煤機端頭正向割煤，2表示采煤機端頭斜切進刀割煤，3表示采煤機又一次正向割三角煤，4表示采煤機反向空刀。

圖2 采煤機右端頭的截割過程

采煤機在端頭的斜切進刀過程見圖3，當采場支架進行推溜時，輸送機中間位置會形成一定角度，整體上形態(tài)表現(xiàn)為“S”型。

圖3 采煤機在端頭的斜切進刀過程

采煤機在工作面端頭的姿態(tài)由搖臂傾角、油缸位移以及機體傾角決定，工作面底板傾角決定了機體傾角，故通過機體傾角和搖臂傾角來定位采煤機姿態(tài)，見圖4，開采高度通過式（1）計算。

圖4 采煤機在端頭的姿態(tài)

式中：h為工作面底板距采煤機搖臂中心的距離；L1為滾筒中心距搖臂中心的距離；α1為采煤機搖臂軸向與水平方向的夾角；β為采煤機行走方向與水平方向的夾角；R為滾筒半徑。

2 擴展截割路徑的記憶方式分析

采煤機在工作面端頭割煤過程中控制器每隔10秒掃描一次，每次采集的數(shù)據(jù)要大于100個，如果通過所采集的所有數(shù)據(jù)點對采煤機進行調(diào)控是很繁瑣的，而且沒有必要，故需要對這些數(shù)據(jù)點進行合理篩選［4］。記憶點包括兩類：常規(guī)點和動作點。常規(guī)點為采煤機每隔相同距離采集的數(shù)據(jù)點，本次設(shè)置記憶間隔為1m，見圖5（a），圖中的彎曲位置對應(yīng)圖3中的斜切進刀輸送機彎曲位置；動作點是對采煤機控制器人為發(fā)送命令的記憶點，見圖5（b）。

圖5 記憶點

支持向量機就是把樣本空間利用特定的非線性映射方式反應(yīng)到高維特征空間，同時在該空間內(nèi)構(gòu)造最優(yōu)分類［5］，這樣就可以把非線性分類情況轉(zhuǎn)化為線性分類。支持向量機的映射框架見圖6。

圖6 支持向量機的映射框架

由此可以得到采煤機各個工作參數(shù)的歸一化結(jié)果，一共有500個，其中部分歸一化結(jié)果見下頁表1所示。

在 表1中，C1、C2、C3和C4分別表示左牽引電機的電流、右牽引電機的電流、左截割部電流以及右截割部電流，C5表示采煤機行走速率，D1和D2分別表示正常點和非正常點。根據(jù)歸一化結(jié)果得到最終的評測結(jié)果見圖7，圖中，上層為非正常點，占總數(shù)據(jù)的比例為94.38%，下層為正常點，所占比例為5.62%。

表1 第11刀截深范圍內(nèi)采集到的部分記憶點統(tǒng)計

圖7 歸一化結(jié)果

3 擴展截割路徑的跟蹤分析

這里的跟蹤路徑指的是采煤機端頭截割的軌跡，得到的跟蹤路徑信息為離散點，見圖8，圓點為常規(guī)點，五角星為動作點，通過插值算法可以將圖8中的離散點擬合為一曲線，從而實現(xiàn)對采煤機端頭截割路徑的跟蹤。上文提到采煤機端頭斜切進刀時形態(tài)表現(xiàn)為“S”型，故通過NURBS插值算法對離散點進行擬合，見式（2）。

式中：ωi為權(quán)因子，di為有序控制點的序列，u為節(jié)點矢量。

圖8 跟蹤路徑信息

通過NURBS插值算法對采煤端頭斜切進刀割煤的空間點進行插補擬合，得到的三維空間的擬合曲線見圖9，由此可見該方法擬合得到的采煤機端頭截割路徑是合理可靠的。

圖9 通過NURBS插值算法得到的三維空間擬合曲線

擴展截割路徑的跟蹤包括動作跟蹤和軌跡跟蹤兩部分，動作跟蹤對動作點促發(fā)相應(yīng)命令，從而調(diào)控采煤機作業(yè)，軌跡跟蹤的依據(jù)包括常規(guī)點和動作點，主要實現(xiàn)對調(diào)高油缸位移的調(diào)控，故需要基于采煤機自身機體的傾角和搖臂的傾角來計算調(diào)高油缸的位移。當采煤機滾筒截割高度不處于NURBS擬合曲線上時，則需要調(diào)節(jié)油缸位移，調(diào)高機構(gòu)見圖10。圖中，O為特征點，a為采煤機機體與搖臂的鉸接位置，b為機體與油缸的鉸接處，c為采煤機短臂與油缸伸縮桿的鉸接位置，d為滾筒轉(zhuǎn)動的軸點，b點和c點間的距離即為油缸的位移量。

圖10 采煤機調(diào)高機構(gòu)

通過對比圖10中的右插圖計算得到的油缸位移量和記憶點當前的位移量可實現(xiàn)目標軌跡跟蹤的目的。采煤機的動作跟蹤主要通過記憶點中采集到的采煤機操作信息來實現(xiàn)，主要內(nèi)容為采煤機的行走速率、啟停以及油缸的伸縮動作等。

4 結(jié)語

本文在對大陽泉礦采煤機端頭姿態(tài)研究的基礎(chǔ)上系統(tǒng)分析了擴展截割路徑的記憶方式，主要為通過支持向量機把特定的非線性映射方式反應(yīng)到高維特征空間，構(gòu)造最優(yōu)分類，得到了采煤機各個工作參數(shù)的歸一化結(jié)果；最后進行了擴展截割路徑的跟蹤分析，通過NURBS插值算法對離散點進行了擬合，得到了三維空間的擬合曲線，同時對動作跟蹤和軌跡跟蹤的跟蹤策略進行了充分研究，提高了采煤機穩(wěn)定性，為工作面高產(chǎn)高效奠定了基礎(chǔ)。