智能Petri網(wǎng)的綜采煤流負(fù)荷平衡自適應(yīng)控制系統(tǒng)構(gòu)建

郭衛(wèi) 賀海濤 趙青青 趙栓峰 王淵

摘 要：針對綜采煤流控制過程可以歸結(jié)為復(fù)雜非線性開放系統(tǒng)，無法采用單一數(shù)學(xué)模型進(jìn)行建模的特點(diǎn)，提出了采用“Petri網(wǎng)模型+基于數(shù)據(jù)驅(qū)動模型+在線更新”雙輪驅(qū)動的方式建立綜采煤流負(fù)荷平衡自適應(yīng)控制系統(tǒng)模型。通過研究煤礦綜采工作面不同工況下的“三機(jī)”運(yùn)動狀態(tài)，特別是采煤機(jī)空間運(yùn)動規(guī)律以及“三機(jī)”聯(lián)動過程，建立了煤流自適應(yīng)控制模型參數(shù)隨環(huán)境變化的參數(shù)辨識方法及其控制模型，突破了綜采面煤流負(fù)荷平衡的協(xié)同耦合動態(tài)更新的瓶頸，解決了傳統(tǒng)數(shù)學(xué)模型處理參數(shù)計(jì)算量大、速度慢、效率低的缺點(diǎn)，更好地適應(yīng)了開采環(huán)境的變化，可以更加精確的捕捉開采異常狀態(tài)下的特征，提高綜采煤流負(fù)荷平衡系統(tǒng)的響應(yīng)特性。為了驗(yàn)證基于Petri網(wǎng)的煤流平衡自適應(yīng)控制方法的有效性，利用在榆家梁煤礦采集的采煤機(jī)及刮板輸送機(jī)的狀態(tài)數(shù)據(jù)，實(shí)時(shí)分析現(xiàn)場操作工況下的作業(yè)參數(shù)并進(jìn)行模擬，并在實(shí)驗(yàn)中進(jìn)行驗(yàn)證。最后將加入Petri網(wǎng)模型與沒有加入Petri網(wǎng)的模型處理參數(shù)的誤差率進(jìn)行了實(shí)驗(yàn)對比。結(jié)果表明煤流負(fù)荷平衡的動態(tài)自適應(yīng)控制模型預(yù)測結(jié)果良好，增強(qiáng)了煤流平衡自適應(yīng)控制系統(tǒng)的預(yù)測泛化能力。關(guān)鍵詞：深度學(xué)習(xí);Petri網(wǎng);綜采煤流;自適應(yīng)控制;采煤機(jī);數(shù)據(jù)驅(qū)動中圖分類號：TD 712

文獻(xiàn)標(biāo)志碼：A

文章編號：1672-9315（2020）06-01071-10

DOI：10.13800/j.cnki.xakjdxxb.2020.0618開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Construction of an adaptive control system for fully mechanized

coal flow load balance based on intelligent Petri net

GUO Wei1，HE Hai-tao1，2，ZHAO Qing-qing2，ZHAO Shuan-feng2，WANG Yuan2

（1.College of Mechanical and Engineering，Xian University of Science and Technology，Xian 710054，China;

2.State Energy Group Shendong Coal Group Company，Shenmu 719315，China）

Abstract：With the idea of “continuous exploration，continuous improvement” and the method of “Petri net model，data-driven model and online update”in view，the “three-machine” movement state under different working conditions of the coal mining face is studied.Especially when the shearer spatial motion law and the “three-machine” linkage model are constructed，the movement state? is discussed

that the model makes timely feedback and controls the parameters with the changes of the environment.the collaborative coupling dynamic adaptive control model for coal flow load balance in fully mechanized mining face was established，which broke through the shortcomings of traditional mathematical model，such as large calculation amount，slow speed and low efficiency.According to the variation of parameters in different environments，it is possible to? determine the operation rules more accurately under the abnormal environment conditions to provide efficient feedback to coal miners and to make them react in time.In order to verify the effectiveness of the coal flow equilibrium adaptive control method based on Petri net，the state data of shearer and scraper conveyor collected in the Yujialiang coal mine was used to analyze，simulate and verify the operating parameters under the field operating conditions in real time.Finally，the error rate of the processing parameters of the model with the Petri nets and the model without the Petri net was compared experimentally.The results indicate that the dynamic adaptive control model of coal flow load balance has a better prediction result，which enhances the prediction generalization ability of coal flow balance adaptive control system.

Key words：deep learning;Petri net;fully mechanized coal mining flow;adaptive control;shearer;data-driven

0 引 言

采煤機(jī)、刮板運(yùn)輸機(jī)的煤流負(fù)荷平衡自適應(yīng)控制是實(shí)現(xiàn)綜采面三機(jī)（采煤機(jī)、刮板輸送機(jī)、液壓支架）協(xié)同控制的關(guān)鍵一環(huán)[1-4]。綜采煤流負(fù)荷平衡自適應(yīng)控制系統(tǒng)包含的關(guān)鍵要素有采煤機(jī)、刮板輸送機(jī)、煤礦工人、液壓支架，在該系統(tǒng)中煤礦工人可以看作一個自適應(yīng)的控制器。該過程可以描述為有經(jīng)驗(yàn)的煤礦工人可以根據(jù)采煤工藝、采煤機(jī)位置、刮板輸送機(jī)電流、環(huán)境等信息對刮板輸送機(jī)、采煤機(jī)速度等信息進(jìn)行調(diào)節(jié)，從而對采煤機(jī)進(jìn)行控制。

由采煤機(jī)、液壓支架、刮板輸送機(jī)構(gòu)成的控制系統(tǒng)，可以看做一個協(xié)調(diào)式分布控制系統(tǒng)。在協(xié)同分布模型的研究現(xiàn)狀中，一些學(xué)者應(yīng)用分布式的控制系統(tǒng)以達(dá)到整體協(xié)同的效果。比如在PARUNAKD等人受到昆蟲個體間的信息交互與信息協(xié)同的啟發(fā)，設(shè)計(jì)了一種人工信息因素多種設(shè)備任務(wù)協(xié)同調(diào)節(jié)技術(shù)，并以大范圍的局部感知與反應(yīng)式交互作用涌現(xiàn)整體的自組織行為，但不足之處是次模型比較適合小型設(shè)備之間的組合，普遍性較差[5]。DECKER等人為了實(shí)現(xiàn)設(shè)備有序的協(xié)同，從全局的角度來規(guī)劃各個設(shè)備之間的協(xié)調(diào)策略，建立了全局任務(wù)視圖和子系統(tǒng)局部任務(wù)視圖，最后經(jīng)過任務(wù)視圖交換，達(dá)到任務(wù)協(xié)調(diào)的目的[6]。蘇平等人在處理復(fù)雜制造系統(tǒng)的動態(tài)協(xié)同行為和生產(chǎn)過程控制問題時(shí)，建立了一種基于Petri網(wǎng)的晶圓加工系統(tǒng)[7]。QU針對穩(wěn)態(tài)系統(tǒng)的條件要求，建立動態(tài)系統(tǒng)的協(xié)同控制模型，并介紹了經(jīng)典協(xié)同控制模型對線性與非線性系統(tǒng)的適應(yīng)性[8]。還有一些學(xué)者將排隊(duì)論模型應(yīng)用于綜采工藝中，并且通過公式推導(dǎo)來探究單個工藝環(huán)節(jié)與綜采工作面有效開機(jī)率的關(guān)系，從而為綜采工作面各工藝環(huán)節(jié)的匹配關(guān)系提供了一種新的策略[9]。彭嵩等人對油管測井機(jī)協(xié)同行為進(jìn)行了研究，并設(shè)計(jì)了基于二次調(diào)節(jié)的連續(xù)油管協(xié)同控制設(shè)計(jì)方案[10]。近年來隨著計(jì)算機(jī)的發(fā)展，深度學(xué)習(xí)應(yīng)運(yùn)而生，為科技的進(jìn)步做出了相當(dāng)深厚的影響，其神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在各大領(lǐng)域中，并取得了相當(dāng)不錯的效果。比如丁華，提出一種混合方式，將采煤機(jī)用設(shè)計(jì)知識分類表示，并將采煤機(jī)的實(shí)例庫與設(shè)計(jì)知識規(guī)則庫相匹配協(xié)作，最終應(yīng)用KBR與RBR混合進(jìn)行推理機(jī)制設(shè)計(jì)，且開發(fā)了采煤機(jī)數(shù)字化系統(tǒng)[11-13]。還有王娜娜支持將向量機(jī)應(yīng)用在推理過程中，并開發(fā)了一種基于網(wǎng)絡(luò)的采煤機(jī)概念設(shè)計(jì)體系[14]。由此可見，結(jié)合神經(jīng)網(wǎng)絡(luò)模型可以在一定程度上解決對應(yīng)環(huán)境協(xié)同模型中出現(xiàn)與其他成員個體目標(biāo)產(chǎn)生沖突的問題。

綜上研究現(xiàn)狀，文中以“不斷探索，不斷改善”思想出發(fā)，采用“Petri網(wǎng)模型+基于數(shù)據(jù)驅(qū)動模型+在線更新”的手段，建立面向綜采面煤流負(fù)荷平衡的協(xié)同耦合動態(tài)自適應(yīng)控制模型。從而實(shí)現(xiàn)面向綜采面煤流負(fù)荷平衡的協(xié)同耦合動態(tài)自適應(yīng)控制，并對模型需要解決的Petri網(wǎng)和深度學(xué)習(xí)網(wǎng)絡(luò)的仿真模型構(gòu)建具有參考意義。

1

數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制的思想來源? 復(fù)雜系統(tǒng)的自適應(yīng)控制技術(shù)的發(fā)展主要沿著2個主線進(jìn)行，一是基于各種建模的“正向分析”[15]，比如：分析系統(tǒng)的控制穩(wěn)定性和各自控制理論與方法。二是基于數(shù)據(jù)驅(qū)動的控制方法，比如：通過神經(jīng)網(wǎng)絡(luò)和粗糙集等數(shù)據(jù)驅(qū)動的方法。

“正向分析”是在深入分析被控制系統(tǒng)的物理機(jī)制的基礎(chǔ)上，運(yùn)用數(shù)學(xué)、力學(xué)等知識用建模的方法推演出系統(tǒng)的演化過程，但是對復(fù)雜系統(tǒng)來說，表征描述其特征的數(shù)學(xué)模型是動態(tài)變化的，這就決定單純利用基于模型推演的正向分析的方法也無法解決復(fù)雜非線性系統(tǒng)的自適應(yīng)控制問題。

“反向分析”[16]是在深入分析被控制設(shè)備輸出數(shù)據(jù)的基礎(chǔ)上，運(yùn)用信號處理、模式識別、機(jī)器學(xué)習(xí)等方法提取系統(tǒng)運(yùn)動過程的特征，但是對于復(fù)雜系統(tǒng)來說獲取復(fù)雜控制系統(tǒng)的本征特征是不易的，需要長時(shí)間的積累，而且表征復(fù)雜系統(tǒng)本身屬性的特征量是變化的，這就造成基于數(shù)據(jù)驅(qū)動的反向分析方法無法徹底地解決復(fù)雜非線性系統(tǒng)的自適應(yīng)控制。

綜采工作面是根據(jù)地質(zhì)資料和采煤工作面相關(guān)圖紙進(jìn)行設(shè)計(jì)的，在運(yùn)行當(dāng)中保持穩(wěn)定，且發(fā)生片幫、異常及其故障相對正常生產(chǎn)是低概率事件，要完整獲得綜采工作面實(shí)際系統(tǒng)在異常及其故障狀態(tài)數(shù)據(jù)，需要長時(shí)間的積累。解決該問題的方法一般是通過離線的形式采集刮板輸送機(jī)在異常環(huán)境下的數(shù)據(jù)特征，用于對異常工作環(huán)境參數(shù)進(jìn)行控制。但是要得到刮板輸送機(jī)、液壓支架等在突發(fā)狀態(tài)下的復(fù)雜控制系統(tǒng)的本征特征數(shù)據(jù)庫需要大量的突發(fā)模擬試驗(yàn)、大量的時(shí)間且成本高，且在進(jìn)行實(shí)驗(yàn)的時(shí)候，不能在工作面制造片幫，不能再工作面制造這些突發(fā)情況。因此有的學(xué)者嘗試尋找一個與原系統(tǒng)相似或等同的物理模型或者數(shù)學(xué)模型刻畫系統(tǒng)的實(shí)際行為，用于對系統(tǒng)突發(fā)機(jī)理分析、判斷與維護(hù)，即利用物理模型或者數(shù)學(xué)模型產(chǎn)生異常狀態(tài)下的特征參數(shù)，然后與能表征實(shí)際系統(tǒng)運(yùn)行狀態(tài)的特征參數(shù)相比較，來判斷被控制系統(tǒng)的運(yùn)行狀態(tài)。

但是，對于復(fù)雜系統(tǒng)的自適應(yīng)控制[17-20]，由于設(shè)備在不同綜采面[21-22]作業(yè)環(huán)境下的狀態(tài)是動態(tài)發(fā)展變化的，模型的參數(shù)也是變化的，多數(shù)情況下難以得到足夠精度的用于描述自適應(yīng)控制系統(tǒng)的數(shù)學(xué)模型，更難以建立可以解析的自適應(yīng)控制系統(tǒng)行為的精確數(shù)學(xué)模型。另外用離線的形式提取反映復(fù)雜系統(tǒng)運(yùn)行狀態(tài)的特征參數(shù)，其本身也由會隨著異常狀態(tài)的發(fā)展而發(fā)生變化，在這種情況下將兩者進(jìn)行簡單的結(jié)合是不夠的。雖然描述自適應(yīng)控制系統(tǒng)的數(shù)學(xué)模型和特征是變化的，但是復(fù)雜系統(tǒng)的行為過程可以通過不斷的短期預(yù)測，達(dá)到長期分析的效果，通過眾多的局部行為的綜合，實(shí)現(xiàn)全局行為的預(yù)估[23-25]。也就是說復(fù)雜系統(tǒng)的特性雖然是時(shí)變的，但是在微小時(shí)間片段內(nèi)，系統(tǒng)的某些參數(shù)可以近似地認(rèn)為是不變的，在該段時(shí)間內(nèi)可以用簡化的數(shù)學(xué)模型加以表示[26-27]。如果在該時(shí)間段內(nèi)能夠得到復(fù)雜系統(tǒng)的輸入和輸出，就可以通過學(xué)習(xí)的方法得到在該時(shí)間段內(nèi)預(yù)測值，通過改變反映綜采面工況、開采環(huán)境變化時(shí)復(fù)雜非線性自適應(yīng)控制系統(tǒng)的參數(shù)就可以推演出突發(fā)狀態(tài)下的自適應(yīng)控制系統(tǒng)在該微小時(shí)間段內(nèi)的信號特征表現(xiàn)，豐富典型工況下的異常狀態(tài)下復(fù)雜系統(tǒng)的非線性動態(tài)特征數(shù)據(jù)。

同時(shí)在另一個時(shí)間段內(nèi)由于復(fù)雜系統(tǒng)的非線性特征，其參數(shù)是變化的，對模型參數(shù)的更新必須動態(tài)更新，對異常狀態(tài)的推演模型也需要根據(jù)復(fù)雜系統(tǒng)的實(shí)時(shí)運(yùn)行狀態(tài)動態(tài)更新。在一段時(shí)間內(nèi)可以通過對實(shí)際復(fù)雜系統(tǒng)的動態(tài)監(jiān)測以獲取非線性復(fù)雜系統(tǒng)在該段時(shí)間內(nèi)的動態(tài)特征表現(xiàn)，利用該時(shí)間段內(nèi)局部的數(shù)學(xué)模型推演該區(qū)間內(nèi)系統(tǒng)的動力學(xué)表現(xiàn);并通過實(shí)際復(fù)雜系統(tǒng)的動態(tài)特征來矯正或優(yōu)化復(fù)雜系統(tǒng)的數(shù)學(xué)模型，另外在該時(shí)間段內(nèi)，可以通過被實(shí)際系統(tǒng)優(yōu)化過的數(shù)學(xué)模型推演復(fù)雜系統(tǒng)異常工況的可能原因和實(shí)際的系統(tǒng)自適應(yīng)控制行為的發(fā)展，根據(jù)開采環(huán)境的變化時(shí)特征值的演化，不斷更新相應(yīng)的特征參數(shù)和仿真模型來跟蹤非線性復(fù)雜系統(tǒng)的動態(tài)特性。

所以解決復(fù)雜開放問題的自適應(yīng)控制問題，需要更深層次融合基于Petri網(wǎng)和基于數(shù)據(jù)驅(qū)動的2種模型耦合方法，將基于Petri網(wǎng)仿真系統(tǒng)從從屬的地位提高到與實(shí)際系統(tǒng)相等的地位，使其角色從被動變?yōu)橹鲃?、靜態(tài)變?yōu)閯討B(tài)、離線變?yōu)樵诰€，以“動態(tài)變化的Petri網(wǎng)模型分析+基于數(shù)據(jù)驅(qū)動的動態(tài)反向分析+在線動態(tài)更新”思路充分利用基于Petri網(wǎng)絡(luò)和基于數(shù)據(jù)驅(qū)動的優(yōu)點(diǎn)，這就是基于Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制的核心。

2

數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制的框架

針對復(fù)雜非線性系統(tǒng)的自適應(yīng)控制模型與系統(tǒng)特征參數(shù)時(shí)變性的問題，為了充分利用Petri網(wǎng)絡(luò)和數(shù)據(jù)驅(qū)動的優(yōu)點(diǎn)，以“動態(tài)變化的Petri網(wǎng)模型分析+基于數(shù)據(jù)驅(qū)動的動態(tài)反向分析+在線動態(tài)更新”的思路，建立了基于Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制的框架。實(shí)際系統(tǒng)和仿真模型是整個系統(tǒng)的主角，通過對二者進(jìn)行比對和分析，完成對各種未來自適應(yīng)控制發(fā)展?fàn)顟B(tài)的“借鑒”和“預(yù)估”。

如圖1所示是基于Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制的框架，協(xié)同耦合自適應(yīng)控制系統(tǒng)主要由5個子系統(tǒng)組成分別為：綜采三機(jī)狀態(tài)數(shù)據(jù)監(jiān)測系統(tǒng)、Petri網(wǎng)和深度學(xué)習(xí)模型仿真系統(tǒng)、系統(tǒng)運(yùn)行狀態(tài)特征提取、系統(tǒng)的評估、學(xué)習(xí)訓(xùn)練與優(yōu)化。其中綜采面三機(jī)系統(tǒng)是自適應(yīng)控制系統(tǒng)的服務(wù)對象，是客觀存在的系統(tǒng)。下面重點(diǎn)介紹其它其他4個子系統(tǒng)。

2.1 Petri網(wǎng)和深度學(xué)習(xí)模型仿真系統(tǒng)

Petri網(wǎng)絡(luò)模型仿真系統(tǒng)是沿著“正向分析”這條主線進(jìn)行的。Petri網(wǎng)絡(luò)模型仿真系統(tǒng)可以理解為綜采三機(jī)數(shù)學(xué)模型的模型鏡像，是綜采三機(jī)的過程虛擬表示形式。在深入了解自適應(yīng)控制系統(tǒng)的物理現(xiàn)象的基礎(chǔ)上，運(yùn)用Petri網(wǎng)建模和深度神經(jīng)網(wǎng)絡(luò)等相關(guān)知識，以數(shù)據(jù)建模的方法推算系統(tǒng)運(yùn)行狀態(tài)的數(shù)據(jù)。其中對綜采三機(jī)的工藝過程建模手段主要是通過Petri網(wǎng)和神經(jīng)網(wǎng)絡(luò)等來實(shí)現(xiàn)的。對綜采面三機(jī)的狀態(tài)建模，采用深度網(wǎng)絡(luò)的形式進(jìn)行建模。通過Petri網(wǎng)和深度學(xué)習(xí)的結(jié)合，來解決綜采面三機(jī)的多值狀態(tài)和多邊界條件無法界定的問題。通過Petri網(wǎng)和深度學(xué)習(xí)的結(jié)合對實(shí)際數(shù)據(jù)不斷地學(xué)習(xí)及預(yù)測，從而使自適應(yīng)控制系統(tǒng)通過對局部行為的綜合，實(shí)現(xiàn)對復(fù)雜系統(tǒng)整體行為的預(yù)估。Petri網(wǎng)絡(luò)模型仿真系統(tǒng)的全部或者部分置于綜采作面三機(jī)運(yùn)行環(huán)境之下，以協(xié)同煤流自適應(yīng)控制為目標(biāo)，對所建立的Petri網(wǎng)和深度學(xué)習(xí)的模型參數(shù)進(jìn)行優(yōu)化，然后通過所建立各個子模型之間的互動，觀察Petri網(wǎng)絡(luò)模型仿真系統(tǒng)的演化過程，以此分析和理解復(fù)雜系統(tǒng)的非線性行為及影響其特性的各種因素。

2.2 系統(tǒng)運(yùn)行狀態(tài)特征提取

系統(tǒng)運(yùn)行狀態(tài)特征提取是沿著“反向分析”這條主線進(jìn)行的。協(xié)同耦合Petri網(wǎng)模型與數(shù)據(jù)驅(qū)動中的特征提取模塊的數(shù)據(jù)來源不僅包括綜采三機(jī)的實(shí)測數(shù)據(jù)還包括Petri網(wǎng)模型仿真系統(tǒng)的計(jì)算數(shù)據(jù)。通過綜采面三機(jī)與Petri網(wǎng)模型仿真系統(tǒng)的恰當(dāng)連接組合，可以使特征提取模塊迅速地遍歷復(fù)雜系統(tǒng)有可能的突發(fā)狀態(tài)數(shù)據(jù)分析，對提高自適應(yīng)控制系統(tǒng)的泛化能力及其魯棒性有重要意義。另外系統(tǒng)運(yùn)行狀態(tài)特征提取模塊得出的綜采作面三機(jī)的突發(fā)特性與Petri網(wǎng)模型特征要通過實(shí)驗(yàn)與評估系統(tǒng)進(jìn)行鑒別，根據(jù)鑒別結(jié)果調(diào)整Petri網(wǎng)模型仿真系統(tǒng)的參數(shù)，以期獲得更加真實(shí)的效果。同時(shí)利用Petri網(wǎng)模型仿真系統(tǒng)生成的特征樣本可以更好地檢驗(yàn)特征提取算法的可靠性。

2.3 優(yōu)化與評估

基于Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制的框架中的實(shí)驗(yàn)與評估是協(xié)同耦合自適應(yīng)控制系統(tǒng)的中心環(huán)節(jié)，它與Petri網(wǎng)模型仿真系統(tǒng)、綜采面三機(jī)、系統(tǒng)運(yùn)行狀態(tài)特征提取系統(tǒng)、學(xué)習(xí)訓(xùn)練與優(yōu)化系統(tǒng)都有數(shù)據(jù)交換。實(shí)驗(yàn)與評估系統(tǒng)直接評價(jià)Petri網(wǎng)模型仿真系統(tǒng)逼近綜采面三機(jī)系統(tǒng)的程度，為學(xué)習(xí)訓(xùn)練與優(yōu)化系統(tǒng)提供突發(fā)控制信號。該環(huán)節(jié)中的實(shí)驗(yàn)包含2個層次：一為現(xiàn)實(shí)自適應(yīng)控制系統(tǒng)參與的實(shí)驗(yàn);二為Petri網(wǎng)模型仿真系統(tǒng)參與的實(shí)驗(yàn)。這類實(shí)驗(yàn)的本質(zhì)是計(jì)算機(jī)模擬，在這里可以稱之為“計(jì)算實(shí)驗(yàn)”，在協(xié)同耦合自適應(yīng)控制系統(tǒng)中計(jì)算機(jī)仿真的輸出結(jié)果可以作為基于系統(tǒng)運(yùn)行狀態(tài)的特征提取模塊的輸入。

2.4 學(xué)習(xí)與優(yōu)化

協(xié)同耦合自適應(yīng)控制系統(tǒng)中的Petri網(wǎng)模型仿真系統(tǒng)是綜采面三機(jī)系統(tǒng)的一種虛擬表現(xiàn)形式。Petri網(wǎng)和深度學(xué)習(xí)仿真系統(tǒng)可以學(xué)習(xí)現(xiàn)場中的數(shù)據(jù)作為輸入來驅(qū)動仿真系統(tǒng)，并通過不斷地迭代使異常數(shù)據(jù)取得更新。Petri網(wǎng)系統(tǒng)的表現(xiàn)應(yīng)該與綜采作面三機(jī)系統(tǒng)的表現(xiàn)相符合。學(xué)習(xí)訓(xùn)練與優(yōu)化模塊直接與Petri網(wǎng)模型仿真系統(tǒng)和綜采作面三機(jī)系統(tǒng)相連接，通過比較Petri網(wǎng)模型仿真系統(tǒng)與綜采作面三機(jī)系統(tǒng)輸出產(chǎn)生異常反饋信號，以此對構(gòu)成Petri網(wǎng)模型仿真系統(tǒng)的關(guān)鍵參數(shù)和系統(tǒng)評估方式進(jìn)行優(yōu)化和修正，完成Petri網(wǎng)模型仿真系統(tǒng)的動態(tài)更新，以使Petri網(wǎng)模型仿真系統(tǒng)適應(yīng)新的工作條件與環(huán)境。

3 數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制模型

有經(jīng)驗(yàn)的煤礦工人—采煤機(jī)/刮板輸送機(jī)—開采環(huán)境組成的閉環(huán)自適應(yīng)控制系統(tǒng)是典型的開放性復(fù)雜系統(tǒng)，其開放性表現(xiàn)為有經(jīng)驗(yàn)的煤礦工人、采煤機(jī)、綜采面環(huán)境、刮板輸送機(jī)類型都不是事先固定的都是開放可變的，其邊界條件不確定，不能用固定不變的微分方程或者數(shù)學(xué)模型來“一勞永逸”地解決該問題。雖然，開采作業(yè)的整體行為可以用基于Petri網(wǎng)和深度學(xué)習(xí)的自適應(yīng)控制模型來描述，但是閉環(huán)開采作業(yè)模型主要體現(xiàn)有經(jīng)驗(yàn)煤礦工人開采工藝的共性特征，是對開采作業(yè)的整體行為的“整體逼近”。

而在開采細(xì)節(jié)部分，每個煤礦工人都根據(jù)采煤機(jī)的環(huán)境進(jìn)行操作，即對同一工作面模型隨著開采條件及突發(fā)狀況的變化而變化，也就是說描述其煤流自適應(yīng)控制系統(tǒng)隨外在環(huán)境的變化而變化是處于動態(tài)發(fā)展的狀態(tài)，無法建立一個準(zhǔn)確的模型去描述環(huán)境變化。另外由于卡鏈、片幫等異常情況是逐步積累出現(xiàn)的，導(dǎo)致描述自適應(yīng)控制系統(tǒng)環(huán)境的特征量也是變化的，單純利用基于數(shù)據(jù)驅(qū)動的反向分析的數(shù)據(jù)驅(qū)動的控制方法無法對其做出準(zhǔn)確的描述。

如圖2所示，人工煤流自適應(yīng)控制過程簡圖，可以看出煤流自適應(yīng)控制環(huán)節(jié)通過采煤機(jī)、管板輸送機(jī)、液壓支架等狀態(tài)數(shù)據(jù)，以此對刮板輸送機(jī)做出相應(yīng)的控制調(diào)整。

有經(jīng)驗(yàn)的煤礦工人根據(jù)環(huán)境參數(shù)和采煤機(jī)工藝參數(shù)進(jìn)行操作的。環(huán)境參數(shù)又包括礦壓、開采工作面、頂板壓力等，采煤機(jī)、刮板輸送機(jī)、液壓支架等綜采設(shè)備狀態(tài)參數(shù)包括刮板輸送機(jī)負(fù)載、刮板機(jī)變頻器頻率、刮板運(yùn)輸機(jī)電流、刮板機(jī)煤流狀態(tài)、采煤機(jī)牽引變頻器頻率、采煤機(jī)運(yùn)行方向、采煤機(jī)位置等。雖然環(huán)境參數(shù)和綜采設(shè)備狀態(tài)參數(shù)是變化的，但在短時(shí)間內(nèi)可以認(rèn)為是環(huán)境是不變的，所以可以利用短時(shí)間內(nèi)環(huán)境沒有變時(shí)獲得的狀態(tài)信息，對這個時(shí)刻內(nèi)的Petri網(wǎng)和深度學(xué)習(xí)網(wǎng)絡(luò)模型的參數(shù)值進(jìn)行優(yōu)化與學(xué)習(xí)，從而可以表示這一時(shí)刻的狀態(tài)參數(shù)。

如果發(fā)生片幫、頂壓等異常狀態(tài)時(shí)，可以把此時(shí)的環(huán)境狀態(tài)參數(shù)帶入Petri網(wǎng)和深度學(xué)習(xí)網(wǎng)絡(luò)模型則可計(jì)算該狀態(tài)下刮板運(yùn)輸機(jī)負(fù)載、變頻器頻率、電流、采煤機(jī)位置等狀態(tài)信息，由此完成突發(fā)狀態(tài)的“預(yù)估”。也就是說可以通過改變與開采環(huán)境有關(guān)的參數(shù)，求取滿足實(shí)際約束條件下的該開采環(huán)境狀態(tài)下的刮板輸送機(jī)，液壓支架的狀態(tài)參數(shù)。該P(yáng)etri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制系統(tǒng)可以輸入特征提取模塊，提取現(xiàn)在系統(tǒng)未經(jīng)歷狀態(tài)下動力系統(tǒng)的特征值，并將其加入表征提取的特征庫中，以減少描述開采動態(tài)行為的獲取時(shí)間。當(dāng)參數(shù)發(fā)生變化時(shí)候，可以跟蹤這個模型。

所以自適應(yīng)控制模型可以通過不斷地計(jì)算局部實(shí)驗(yàn)來預(yù)測不斷變化的參數(shù)，達(dá)到長期的復(fù)雜系統(tǒng)的行蹤的效果，達(dá)到長期的對復(fù)雜系統(tǒng)的進(jìn)行跟蹤的效果，通過從多的局部行為的綜合，實(shí)現(xiàn)對全局行為的預(yù)估，其核心思想就是“不斷探索，不斷改善”。根據(jù)圖2協(xié)同耦合Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制的基本框架，可以得出實(shí)現(xiàn)突發(fā)環(huán)境下的協(xié)同耦合Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制的基本框架（圖3）。

為實(shí)現(xiàn)該系統(tǒng)必須構(gòu)建面向突發(fā)環(huán)境的Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制仿真模型，將有利于理解蘊(yùn)含在異常開采環(huán)境中能夠反映采煤工藝的特征量。構(gòu)建綜采工作面參數(shù)的監(jiān)測系統(tǒng)，構(gòu)建基于系統(tǒng)運(yùn)行狀態(tài)下的特征提取方法，計(jì)算機(jī)實(shí)驗(yàn)與評價(jià)其學(xué)習(xí)訓(xùn)練優(yōu)化系統(tǒng)。其中Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制系統(tǒng)的狀態(tài)仿真模型是在不同環(huán)境下表征提取的主角，通過與綜采工作面參數(shù)比對和分析，完成對不同環(huán)境參數(shù)的“借鑒”和“預(yù)估”。

3.1 綜采生產(chǎn)過程狀態(tài)數(shù)據(jù)監(jiān)測

Petri網(wǎng)及深度學(xué)習(xí)融合狀態(tài)的仿真系統(tǒng)需要從實(shí)際開采工作面采集大量的數(shù)據(jù)，具體需要采集的采煤機(jī)工作面狀態(tài)數(shù)據(jù)有：刮板輸送機(jī)負(fù)載、刮板機(jī)變頻器頻率、刮板運(yùn)輸機(jī)電流、刮板機(jī)煤流狀態(tài)、采煤機(jī)牽引變頻器頻率、采煤機(jī)截割變頻器頻率、采煤機(jī)運(yùn)行方向、采煤機(jī)位置、刮板運(yùn)輸機(jī)預(yù)測負(fù)載等。采煤機(jī)開采環(huán)境變化的影響因素較多，且實(shí)驗(yàn)條件不容易控制，若在實(shí)際開采狀況下驗(yàn)證突發(fā)工況數(shù)據(jù)對被煤炭工人來說是非常危險(xiǎn)的。因此采用Petri網(wǎng)和深度學(xué)習(xí)融合的模型來模擬一個虛擬突發(fā)情況下的一個狀態(tài)量，通過將模擬開采環(huán)境輸入仿真模型來獲取在片幫等突發(fā)情況下的特性。由此可見基于Petri網(wǎng)及深度學(xué)習(xí)融合狀態(tài)的仿真系統(tǒng)可以獲得突發(fā)環(huán)境狀態(tài)信息。另外用該仿真系統(tǒng)可以解決突發(fā)情況狀態(tài)數(shù)據(jù)獲得困難的問題，大大減少工作量，降低研究的復(fù)雜度。

3.2 自適應(yīng)控制仿真系統(tǒng)

自適應(yīng)控制系統(tǒng)仿真模型的作用主要是動態(tài)跟蹤實(shí)際開采工藝狀態(tài)數(shù)據(jù)的特性，通過模擬仿真生成突發(fā)環(huán)境數(shù)據(jù)下的采煤機(jī)開采工藝狀態(tài)數(shù)據(jù)，以克服在突發(fā)環(huán)境狀況下出現(xiàn)片幫、凸起等情況時(shí)獲取狀態(tài)數(shù)據(jù)困難的難題。圖4為Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制系統(tǒng)仿真圖。通過Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制系統(tǒng)在不同環(huán)境下的數(shù)據(jù)指標(biāo)與煤礦工人—采煤機(jī)—開采環(huán)境模型參數(shù)之間的關(guān)系，以此來實(shí)現(xiàn)Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制系統(tǒng)的模擬仿真，量化煤礦工人開采時(shí)突發(fā)環(huán)境數(shù)據(jù)與Petri網(wǎng)及深度學(xué)習(xí)模型的映射關(guān)系，完成突發(fā)開采環(huán)境下采煤機(jī)行為特征狀態(tài)的“借鑒”和“預(yù)估”。

3.3 系統(tǒng)運(yùn)行狀態(tài)表征提取系統(tǒng)

煤流平衡自適應(yīng)控制中的多個變量因素之間會互相關(guān)聯(lián)，互相產(chǎn)生影響，例如采煤機(jī)的牽引電流與工況信息和煤巖特征等信息緊密相關(guān);刮板機(jī)變頻器頻率與采煤量信息耦合;采煤機(jī)截割電機(jī)變頻器頻率與煤巖特征、采煤機(jī)的截割深度信息耦合。此外，在自適應(yīng)控制過程中通過采煤機(jī)的位置、刮板輸送機(jī)的電流、采煤機(jī)的截割深度、采煤機(jī)的截割電流對采煤煤流進(jìn)行自適應(yīng)性控制，該過程中基于Petri網(wǎng)和深度學(xué)習(xí)的綜采面狀態(tài)參數(shù)生成突發(fā)情況下采煤機(jī)、刮板運(yùn)輸機(jī)的狀態(tài)數(shù)據(jù)、控制算法根據(jù)生成的數(shù)據(jù)以及實(shí)際采到的數(shù)據(jù)制定自己的控制規(guī)則。

這些特征數(shù)據(jù)的提取是通過基于粗糙集的理論來實(shí)現(xiàn)的，其實(shí)現(xiàn)過程為通過特征約簡來提取數(shù)據(jù)中的相關(guān)規(guī)則，利用生成的規(guī)則對煤流進(jìn)行自適應(yīng)控制，控制動作就是對采煤機(jī)、刮板輸送機(jī)進(jìn)行自適應(yīng)調(diào)速，由此可見粗糙集的煤流平衡自適應(yīng)控制是一種基于數(shù)據(jù)驅(qū)動的方式基于數(shù)據(jù)的來源有2部分，其中一部分來源于綜采作面三機(jī)實(shí)驗(yàn)平臺的實(shí)際狀態(tài)數(shù);另一部分來源于綜采作面三機(jī)系統(tǒng)相對應(yīng)Petri網(wǎng)和深度學(xué)習(xí)結(jié)合的自適應(yīng)控制系統(tǒng)的仿真數(shù)據(jù)。通過將刮板輸送機(jī)、采煤機(jī)、液壓支架、煤礦工人等整個控制環(huán)節(jié)系統(tǒng)與協(xié)同耦合的Petri網(wǎng)和深度學(xué)習(xí)結(jié)合的自適應(yīng)控制仿真系統(tǒng)恰當(dāng)?shù)倪B接組合，可以使自適應(yīng)控制系統(tǒng)迅速地遍歷不同環(huán)境下可能的各種自適應(yīng)行為，對提高Petri網(wǎng)和深度學(xué)習(xí)的自適應(yīng)控制系統(tǒng)的異常數(shù)據(jù)獲取的適應(yīng)性及其正確性有很大的幫助。但是如果憑經(jīng)驗(yàn)甚至沒有先驗(yàn)知識的情況下盲目的選擇特征進(jìn)行突發(fā)狀態(tài)辨識，則很難對煤礦工人的作業(yè)狀態(tài)做出準(zhǔn)確的識別，突發(fā)狀態(tài)仿真模型的“計(jì)算機(jī)實(shí)驗(yàn)”為不同環(huán)境的選取提供了理論借鑒，通過“計(jì)算機(jī)實(shí)驗(yàn)”能夠更有針對性地選出突發(fā)情況下的控制狀態(tài)信息。

3.4 實(shí)驗(yàn)與評估系統(tǒng)

Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制系統(tǒng)中的試驗(yàn)與評估模塊作用是評價(jià)正常開采或突發(fā)環(huán)境下的相關(guān)數(shù)據(jù)與實(shí)際的煤礦工人-開采設(shè)備-開采環(huán)境整個控制系統(tǒng)的狀態(tài)數(shù)據(jù)間的逼近程度，為學(xué)習(xí)與優(yōu)化系統(tǒng)提供有效的參考依據(jù)。

該模塊中的實(shí)驗(yàn)包含2個含義，一是對真實(shí)開采過程中的控制策略與真實(shí)的控制的區(qū)分程度;二是為能夠模擬突發(fā)狀況下現(xiàn)實(shí)中未發(fā)生的情況控制策略的仿真分析，以及對這種情況下的控制參數(shù)優(yōu)化的實(shí)驗(yàn)。

協(xié)同耦合自適應(yīng)控制系統(tǒng)中“Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制仿真實(shí)驗(yàn)”的思路，為解決突發(fā)狀況下的作用機(jī)理問題提供了契機(jī);其基本思想就是利用Petri網(wǎng)和深度學(xué)習(xí)融合的技術(shù)建立Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制系統(tǒng)方法，來獲取異常環(huán)境數(shù)據(jù)并對開采工藝過程進(jìn)行仿真，該方式可以用極低的成本和以零風(fēng)險(xiǎn)的代價(jià)“重復(fù)”實(shí)驗(yàn)，以此可以對片幫、局部冒頂、頂板卸壓、瓦斯泄漏等異常環(huán)境進(jìn)行全面、準(zhǔn)確、及時(shí)的評估、改進(jìn)與優(yōu)化，提高異常開采環(huán)境自適應(yīng)控制系統(tǒng)的正確率和可靠性。

3.5 學(xué)習(xí)訓(xùn)練與優(yōu)化系統(tǒng)

學(xué)習(xí)訓(xùn)練與優(yōu)化模塊與煤礦工人控制行為系統(tǒng)模型和Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制實(shí)驗(yàn)系統(tǒng)、實(shí)驗(yàn)評估系統(tǒng)相連接，它的作用是一方面可以利用真實(shí)開采環(huán)境狀態(tài)的反饋環(huán)節(jié)調(diào)節(jié)Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制系統(tǒng)的相應(yīng)參數(shù)，使Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制仿真模型盡可能地與實(shí)際煤礦工人控制行為系統(tǒng)的特性相吻合。其實(shí)現(xiàn)的關(guān)鍵技術(shù)為如何根據(jù)實(shí)際的開采環(huán)境狀態(tài)數(shù)據(jù)動態(tài)更新煤礦工人控制系統(tǒng)的相關(guān)參數(shù)。異常環(huán)境數(shù)據(jù)本質(zhì)上已經(jīng)蘊(yùn)含在煤礦工人控制參數(shù)動態(tài)更新的取值模式中，所以說可以通過協(xié)同耦合Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制中的學(xué)習(xí)與優(yōu)化模塊在異常環(huán)境數(shù)據(jù)的基礎(chǔ)上不斷的訓(xùn)練得到。另一方面，通過煤礦工人控制環(huán)節(jié)與自適應(yīng)控制系統(tǒng)兩者的相互作用，完成對異常環(huán)境的表征提取，從而完成對異常環(huán)境數(shù)據(jù)的“借鑒”和“預(yù)估”。

4 實(shí)驗(yàn)分析

為了驗(yàn)證文中所建立的基于Petri網(wǎng)的煤流平衡自適應(yīng)控制方法的有效性，利用在榆家梁煤礦采集的采煤機(jī)及刮板輸送機(jī)的狀態(tài)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。其中數(shù)據(jù)由采煤機(jī)牽引電機(jī)變頻器頻率、采煤機(jī)截割電機(jī)變頻器頻率、采煤機(jī)運(yùn)行方向、采煤機(jī)位置、刮板機(jī)電流、刮板機(jī)變頻器頻率、刮板運(yùn)輸煤流狀態(tài)信息和刮板運(yùn)輸機(jī)負(fù)載信息等數(shù)組成?？偟膶?shí)驗(yàn)數(shù)據(jù)約有20 000組數(shù)據(jù)。選取其中的200組數(shù)據(jù)作為為一個Batch去進(jìn)行訓(xùn)練，不斷地取200組為一批次進(jìn)行校正，使模型不斷地進(jìn)行更新與迭代。用生成的煤流平衡自適應(yīng)調(diào)速規(guī)則對刮板機(jī)和采煤機(jī)的調(diào)整動作進(jìn)行預(yù)測，與實(shí)際的調(diào)整動作進(jìn)行對比，結(jié)果如圖5所示。對結(jié)果進(jìn)行對比分析，各點(diǎn)的預(yù)測誤差率如圖6所示，計(jì)算得其平均相對誤差為6.07%，實(shí)際可信度系數(shù)與預(yù)測可信度系數(shù)相差較小，表明預(yù)測結(jié)果比較理想。由于未考慮難以定量描述的片幫等復(fù)雜工況，因此該工況下的預(yù)測結(jié)果與實(shí)際不符，從而導(dǎo)致存在個別奇異點(diǎn)，除此之外，在正常工況下的，通過此規(guī)則預(yù)測的結(jié)果基本正確，預(yù)測效果良好。

由圖5可以看出在未加入Petri網(wǎng)時(shí)，不同條件時(shí)煤流平衡自適應(yīng)調(diào)速規(guī)則下刮板機(jī)和采煤機(jī)的調(diào)整動作的誤差率，其合理誤差范圍為4.18%～9.25%，預(yù)測調(diào)整動作最小誤差為3.61%，真實(shí)調(diào)整動作最小誤差為2.24%.

由圖6可知，在加入Petri網(wǎng)時(shí)，其合理誤差范圍為5.39%～8.80%，預(yù)測調(diào)整動作最小誤差為5.75%，真實(shí)調(diào)整動作最小誤差為5.23%，這是誤差數(shù)據(jù)是當(dāng)前時(shí)刻不同預(yù)測點(diǎn)實(shí)際狀態(tài)得出的結(jié)果，但是隨著數(shù)據(jù)的積累，這些誤差會不斷地得到優(yōu)化，變得會越來越小的。最后將三者進(jìn)行了對比，可以看出當(dāng)采煤機(jī)處于異常環(huán)境時(shí)的調(diào)整參數(shù)比較凸起明顯，波動較大。而加入Petri網(wǎng)模型的真實(shí)調(diào)整動作與預(yù)測值調(diào)整動作誤差比較接近，說明預(yù)測結(jié)果比較吻合，符合操作誤差范圍內(nèi)，但仍有改進(jìn)的空間。

因此為保證規(guī)則預(yù)測更加有效，在預(yù)測模型中加入基于Petri網(wǎng)和深度學(xué)習(xí)的綜采面狀態(tài)參數(shù)生成方法，根據(jù)綜采面的環(huán)境信息仿真生成突發(fā)狀態(tài)下刮板機(jī)與采煤機(jī)的狀態(tài)信息。將實(shí)際采集到的信息與仿真生成的信息滾動迭代，以完善煤流平衡自適應(yīng)系統(tǒng)數(shù)據(jù)集，利用此數(shù)據(jù)完成新的煤流平衡自適應(yīng)規(guī)則的提取，如圖6所示，在片幫等復(fù)雜工況下，預(yù)測結(jié)果良好，增強(qiáng)了煤流平衡自適應(yīng)控制系統(tǒng)的預(yù)測泛化能力。

5 結(jié) 論

1）對Petri網(wǎng)/數(shù)據(jù)驅(qū)動耦合自適應(yīng)控制系統(tǒng)的“正向分析”與“反向分析”2種研究思路進(jìn)行了分析，針對其缺點(diǎn)與不足提出了“Petri網(wǎng)模型+基于數(shù)據(jù)驅(qū)動模型+在線更新”的思想及其實(shí)現(xiàn)方式，并且將其應(yīng)用到異常環(huán)境數(shù)據(jù)表征提取研究中。

2）協(xié)同耦合Petri網(wǎng)/數(shù)據(jù)驅(qū)動自適應(yīng)控制中的學(xué)習(xí)與優(yōu)化模塊對采煤工藝的特征量不斷的進(jìn)行訓(xùn)練及優(yōu)化并得到相應(yīng)的優(yōu)化參數(shù)。

3）將得到的參數(shù)按照煤流平衡自適應(yīng)調(diào)速規(guī)則對刮板機(jī)和采煤機(jī)的調(diào)整動作進(jìn)行預(yù)測，并與加入Petri網(wǎng)時(shí)的實(shí)際的調(diào)整動與預(yù)測調(diào)整動作進(jìn)行對比，得出曲線各點(diǎn)的平均相對誤差為6.07%，預(yù)測結(jié)果良好。

參考文獻(xiàn)（References）：

[1] 馬宏偉，王鵬，張旭輝，等.煤礦巷道智能掘進(jìn)機(jī)器人系統(tǒng)關(guān)鍵技術(shù)研究[J].西安科技大學(xué)學(xué)報(bào)，2020，40（5）：751-759.MA Hong-wei，WANG Peng，ZHANG Xu-hui，et al.Research on key technology of intelligent tunneling robotic system in coal mine[J].Journal of Xian University of Science and Technology，2020，40（5）：751-759.

[2]樊啟高.綜采工作面“三機(jī)”控制中設(shè)備定位及任務(wù)協(xié)調(diào)研究[D].徐州：中國礦業(yè)大學(xué)，2013.FAN Qi-gao.Study on equipments positioning and task coordination for three machines controlling on the mechanized mining face[D].Xuzhou：China University of Mining and Technology，2013.

[3]羅成名.鏈?zhǔn)絺鞲芯W(wǎng)中煤礦井下移動裝備位姿感知理論及技術(shù)研究[D].徐州：中國礦業(yè)大學(xué)，2014.LUO Cheng-ming.Research on position and pose perception theory and technology for coal mine mobile equipments in chain sensor networks[D].Xuzhou：China University of Mining and Technology，2014.

[4]謝嘉成，楊兆建，王學(xué)文，等.綜采工作面三機(jī)虛擬協(xié)同關(guān)鍵技術(shù)研究[J].工程設(shè)計(jì)學(xué)報(bào)，2018，25（1）：85-93.XIE Jia-cheng，YANG Zhao-jian，WANG Xue-wen，et al.Research on key technologies of virtual collaboration of three machines in fully mechanized coal mining face[J].Journal of Engineering Design，2008，25（1）：85-93.

[5]PARUNAK H V D，BRUECKNER S，SAUTER J.Synthetic pheromone mechanisms for coordination of unmanned vehicles[C].Autonomous Agents and Multi-Agent Systems.Bologna，Italy，2002.

[6]DECKER K S，LESSER V R.Designing a family of coordination algorithms[R].San Francisco：UMass Computer Science Technical Report，1995.

[7]蘇平，伍乃駭，于兆勤.模塊化組合設(shè)備的晶圓加工過程建模研究[J].中國機(jī)械工程，2007，18（11）：1307-1311.SU Ping，WU Nai-hai，YU Zhao-qin.Research on modeling for cluster tools in wafer fabrication[J].China Mechanical Engineering，2007，18（11）：1307-1311.

[8]QU Z H.Cooperative control of dynamical systems：applications to autonomous vehicles[D].Orlando：University of Central Florida，2009.

[9]宗天禹，吳永晗，文磊，等.基于排隊(duì)論模型的RGV動態(tài)調(diào)度研究[J].科技資訊，2019，17（19）：

212，214.ZONG Tian-yu，WU Yong-han，WEN Lei，et al.Research on dynamic scheduling of RGV based on queuing theory model[J].Science and Technology Information，2019，17（19）：212，214.

[10]彭篙，馬青芳，肖建秋，等.連續(xù)油管測井機(jī)協(xié)同控制研究[J].石油學(xué)報(bào)，2010，31（6）：1031-1035.PENG Gao，MA Qing-fang，XIAO Jian-qiu，et al.A study on the coordinate control of a coiled tubing logging truck[J].Chinese Journal of Petroleum，2010，31（6）：1031-1035.

[11]丁華，楊兆建，姚晶.采煤機(jī)概念設(shè)計(jì)的知識表示與知識推理[J].機(jī)械設(shè)計(jì)與制造，2011（6）：216-218.DING Hua，YANG Zhao-jian，YAO Jing.Knowledge representation and reasoning of shearer conceptual design[J].Mechanical Design and Manufacturing，2011（6）：216-218.

[12]丁華，楊兆建，王義亮.基于知識工程的采煤機(jī)數(shù)字化設(shè)計(jì)系統(tǒng)研究[J].機(jī)械設(shè)計(jì)，2011，28（4）：15-19.DING Hua，YANG Zhao-jian，WANG Yi-liang.Research on digital design system for coal mining machine based on KBE[J].Mechanical Design，2011，28（4）：15-19.

[13]丁華，常琦，楊兆建，等.基于極限學(xué)習(xí)機(jī)的采煤機(jī)功率預(yù)測算法研究[J].煤炭學(xué)報(bào)，2016，41（3）：794-800.DING Hua，CHANG Qi，YANG Zhao-jian，et al.Research on the algorithm of shearer power prediction based on extreme learning machine[J].Chinese Journal of Coal and Coal，2016，41（3）：794-800.

[14]王娜娜，任芳，丁華，等.基于Intranet的滾筒采煤機(jī)概念設(shè)計(jì)系統(tǒng)研究[J].礦山機(jī)械，2015（5）：20-24.WANG Na-na，REN Fang，DING Hua，et al.Research on drum shearer conceptual design system based on Intranet[J].Mining Machinery，2015（5）：20-24.

[15]梁偉.基于用戶用電行為正向分析負(fù)荷預(yù)測方法的研究[D].廣州：華南理工大學(xué)，2015.LIANG Wei.Study on load forecasting technology based on user behavior pattern with forward analysis[D].Guangzhou：South China University of Technology，2015.

[16]孫彥明，齊利偉.普速鐵路反向曲線間夾直線長度分析[J].鐵道技術(shù)監(jiān)督，2019，47（12）：55-58.SUN Yan-ming，QI Li-wei.Analysis on the length of straight line between reverse curves of general speed railway[J].Railway Technical Supervision，2019，47（12）：55-58.

[17]馬英.煤礦綜放液壓支架自適應(yīng)控制系統(tǒng)研究[J].煤礦機(jī)電，2016（2）：1-5.MA Ying.Research on adaptive control system of coal caving hydraulic support[J].Coal Mine Electromechanical，2016（2）：1-5.

[18]王金華，黃樂亭，李首濱，等.綜采工作面智能化技術(shù)與裝備的發(fā)展[J].煤炭學(xué)報(bào)，2014，39（8）：1418-1423.WANG Jin-hua，HUANG Le-ting，LI Shou-bin，et al.Development of intelligent technology and equipment in fully-mechanized coal mining face[J].Journal of China Coal Society，2014，39（8）：1418-1423.

[19]胡國偉，靳鐘銘.大采高綜采工作面礦壓觀測及其顯現(xiàn)規(guī)律研究[J].太原理工大學(xué)學(xué)報(bào)，2006（2）：127-130.HU Guo-wei，JIN Zhong-ming.Practice of pressure law and study on the strata behavior regularity of large mining height fully mechanized face[J].Journal of Taiyuan University of Technology，2006，37（2）：127-130.

[20]屠世浩，竇鳳金，萬志軍，等.淺埋房柱式采空區(qū)下近距離煤層綜采頂板控制技術(shù)[J].煤炭學(xué)報(bào)，2011，36（3）：366-370.TU Shi-hao，DOU Feng-jin，WAN Zhi-jun，et al.Strata control technology of the fully mechanized face in shallow coal seam close to the above room-and-pillar gob[J].Journal of the China Coal Society，2011，36（3）：366-370.

[21]許滿貴，劉欣凱，文新強(qiáng)，等.煤礦綜采工作面粉塵分布及運(yùn)移規(guī)律研究[J].西安科技大學(xué)學(xué)報(bào)，2014，34（5）：533-538.XU Man-gui，LIU Xin-kai，WEN Xin-qiang，et al.Research of coal mine dust distribution and movement laws on fully-mechanized working face[J].Journal of Xian Universesity of Science and Technology，2014，34（5）：533-538.

[22]王建國，周侗柱，戚斐文，等.涼水井礦綜采工作面粉塵運(yùn)移規(guī)律數(shù)值仿真[J].西安科技大學(xué)學(xué)報(bào)，2020，40（2）：195-203.WANG Jian-guo，ZHOU Tong-zhu，QI Fei-wen，et al.Numerical simulation of dust movement rules at fully-mechanized mining faces in Liangshuijing coal mine.Journal of Xian Universesity of Science and Technology，2020，40（2）：195-203.

[23]NIE W，MA X，CHENG W，et al.A novel spraying/negative-pressure secondary dust suppression device used in fully mechanized mining face：A case study[J].Process Safety and Environmental Protection，2016，103：126-135.

[24]朱川曲，張道兵，施式亮，等.綜放沿空留巷支護(hù)結(jié)構(gòu)的可靠性分析[J].煤炭學(xué)報(bào)，2006（2）：141-144.ZHU Chuan-Qu，ZHANG Dao-Bing，SHI Shi-Liang，et al.Reliability analysis on support structure of gob-side entry retaining in fully-mechanized caving face[J].Journal of China Coal Society，2006，31（2）：141-144.

[25]張辛亥，劉燦，周金生，等.綜放面采空區(qū)流場模擬及自燃危險(xiǎn)區(qū)域劃分[J].西安科技大學(xué)學(xué)報(bào)，2006，26（1）：6-9.ZANG Xin-hai，LIU Can，ZHOU Jin-sheng，et al.Modeling of flow field and partition of spontaneous combustion danger zone in gob of fully mechanized caving face[J].Journal of Xian University of Science and Technology，2006，26（1）：6-9.

[26]MARQUEZ J，OLIVIER P，MICHEL-PIERRE F，et al.Effect of cadmium，copper and lead on the growth of rice in the coal mining region of Quang ninh，Cam-Pha（Vietnam）[J].Sustainability，2018，10（6）：1758.

[27]于斌，楊敬軒，高瑞.大同礦區(qū)雙系煤層開采遠(yuǎn)近場協(xié)同控頂機(jī)理與技術(shù)[J].中國礦業(yè)大學(xué)學(xué)報(bào)，2018，47（3）：486-493.YU Bin，YANG Jing-xuan，GAO Rui，et al.Mechanism and technology of roof collaborative controlling in the process of Jurassic and carboniferous coal mining in datong mining area[J].Journal of China University of Mining and Technology，2018，47（3）：486-493.