基于Elman神經(jīng)網(wǎng)絡(luò)的采煤機智能調(diào)高控制算法研究*

許連丙

（1.中國煤炭科工集團太原研究院有限公司，太原 030021；2.山西天地煤機裝備有限公司，太原 030021）

0 引言

煤礦井下綜采工作面采煤機自動調(diào)高控制技術(shù)是實現(xiàn)井下少人化、智能化的關(guān)鍵技術(shù)之一，其目的是控制采煤機截割滾筒能夠自適應(yīng)工作面頂板、底板的起伏變化，提高采煤機質(zhì)量和工作效率，并延長采煤機機械部件使用壽命，保護操作工生命安全。采煤機自動調(diào)高技術(shù)的研究較多，如德國、美國等產(chǎn)煤大國主要集中研究煤巖分界方法，主要有自然γ射線探測器法、雷達(dá)探測法、截齒效應(yīng)分析法、被動式紅外探測法等，在理論研究、仿真的基礎(chǔ)上進(jìn)行實際應(yīng)用，效果一般，受采煤工藝、地質(zhì)條件影響較大[1－3]。周元華等[4]基于BRF神經(jīng)網(wǎng)絡(luò)對采煤機運行姿態(tài)進(jìn)行實時預(yù)測控制，修正煤巖預(yù)測界面，為采煤機截割滾筒自動調(diào)高提供可靠依據(jù)，仿真結(jié)果表明該控制算法預(yù)測精度較高、穩(wěn)定性較強。陳金國等[5]以提高采煤機截割滾筒自動調(diào)高的動態(tài)性和跟蹤可靠性，建立采煤機液壓行程與截割滾筒調(diào)高數(shù)學(xué)模型，采用模糊自適應(yīng)PID技術(shù)建立液壓油缸和滾筒協(xié)同控制設(shè)計方案，仿真驗證了采煤機在空載和負(fù)載2種運行模式時截割滾筒調(diào)高的精確性、響應(yīng)速度以及跟蹤可靠性。李雪梅等[6－8]建立采煤機電液比例閥與調(diào)高油缸耦合模型，采用現(xiàn)代控制理論建立采煤機調(diào)高狀態(tài)控制方程，基于變速趨近率滑?？刂品椒ㄔO(shè)計采煤機截割滾筒自動調(diào)高控制器，并完成系統(tǒng)仿真，結(jié)果表明，與傳統(tǒng)控制方法相比，所提自動調(diào)高控制器控制速度快、斗振小、實時性強。

1 采煤機調(diào)高過程分析

雙滾筒采煤機是煤礦井下綜采工作面常用的采掘設(shè)備，由電動機、牽引部、搖臂、前后滾筒、調(diào)高油缸、破碎機構(gòu)、滑靴以及其他輔助裝置組成，以電氣系統(tǒng)、液壓系統(tǒng)為驅(qū)動力完成采掘任務(wù)。采煤機工作時，經(jīng)電動機驅(qū)動使得采煤機沿刮板輸送機往復(fù)行走，并驅(qū)動前后滾筒旋轉(zhuǎn)，利用滾筒上的截齒截割煤壁，利用螺旋葉片將煤料轉(zhuǎn)運至刮板輸送機皮帶。采煤機工作過程中，由于煤巷底板起伏不平，前后滾筒需根據(jù)實際工況進(jìn)行調(diào)高，避免截割矸石和巖壁損壞截齒。采煤機調(diào)高即根據(jù)綜采工作面煤巷頂板與底板的起伏變化調(diào)整前后滾筒的高度。由于采煤機運行三維空間，即沿工作面運行方向、沿工作面推進(jìn)方向以及滾筒調(diào)高垂直方向，因此，影響采煤機調(diào)高的因素較多，主要有采煤機運行姿態(tài)、搖臂與機身夾角、搖臂長度、機聲長度等。采煤機調(diào)高方式主要有人工調(diào)高和自動調(diào)高2種模式[9－10]。人工調(diào)高模式即由采煤機操作工手動跟機控制前后滾筒的升降，操作工查看頂板高度變化以及底板起伏變化，同時監(jiān)聽滾筒電動機聲音實時調(diào)節(jié)前后滾筒高度。

人工調(diào)高的主要弊端：（1）采煤機工作環(huán)境粉塵濃度高、噪聲大，影響操作工對采煤機運行姿態(tài)的正確判斷和實時控制；（2）操作工需實時查看、監(jiān)測采煤機運行狀態(tài)以及截割部的截割狀態(tài)，需對采煤機進(jìn)行實時跟蹤；（3）采煤機截割過程有突發(fā)鉚釘、透水等事故，危及操作工生命安全。

自動調(diào)高模式即采煤機電氣控制器根據(jù)設(shè)定的截割滾筒的目標(biāo)軌跡自動調(diào)節(jié)截割滾筒的高度，以使用工作面頂板和底板的起伏變化。操作工跟蹤采煤機一個工作循環(huán)，根據(jù)采煤機實際運行工況調(diào)整截割滾筒高度，同時記錄截割滾筒軌跡數(shù)據(jù)以及特征位置截割滾筒高度數(shù)據(jù)，作為自動調(diào)高的目標(biāo)軌跡和目標(biāo)高度。利用智能控制技術(shù)、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法規(guī)劃并控制采煤機運行軌跡和截割滾筒軌跡。在實際自動調(diào)高過程中，若出現(xiàn)煤層突發(fā)變化時，可用人工干預(yù)模式進(jìn)行輔助調(diào)高。

2 采煤機自動調(diào)高控制

實現(xiàn)采煤機自動調(diào)高的關(guān)鍵是能夠掌握并預(yù)測采煤機的位置信息、姿態(tài)信息以及截割狀態(tài)信息等，獲取上述數(shù)據(jù)后經(jīng)曲線逼近或者擬合，挖掘上述離散數(shù)據(jù)點的內(nèi)部聯(lián)系，實現(xiàn)對采煤機截割滾筒的自動調(diào)高[11－13]?；贓lman神經(jīng)網(wǎng)絡(luò)，對采集的采煤機截割滾筒的常規(guī)記憶點、關(guān)鍵記憶點以及特殊記憶點數(shù)據(jù)進(jìn)行處理，使得控制系統(tǒng)能夠根據(jù)采煤機截割滾筒任意位置信息自動調(diào)高。采煤機截割滾筒智能調(diào)高Elman神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示，輸入層為截割滾筒坐標(biāo)、采煤機姿態(tài)信息以及搖臂傾角，輸出層為截割滾筒調(diào)高狀態(tài)，0為不調(diào)，1為上調(diào)，－1為下調(diào)[14]。在該Elman神經(jīng)網(wǎng)絡(luò)設(shè)計中，將采煤機前4次截割循環(huán)時滾筒坐標(biāo)、采煤機三維位姿數(shù)據(jù)以及搖臂傾角數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行Elman網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練流程如圖2所示。Elman神經(jīng)網(wǎng)絡(luò)的隱含層由輸入層ωij與輸出反饋層ωkj加權(quán)和組成，對歷史狀態(tài)數(shù)據(jù)異常敏感，增強了該網(wǎng)絡(luò)的動態(tài)處理能力，且可逼近任意函數(shù)。Elman神經(jīng)網(wǎng)絡(luò)的隱含層輸入、隱含層輸出、輸出層輸入、輸出層輸出、權(quán)值調(diào)整、承接層數(shù)據(jù)調(diào)整公式如圖2所示。

圖1 采煤機滾筒智能調(diào)高Elman神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

圖2 采煤機滾筒智能調(diào)高Elman神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)訓(xùn)練流程

3 仿真試驗

為驗證設(shè)計并實現(xiàn)基于Elman神經(jīng)網(wǎng)絡(luò)的采煤機智能調(diào)高控制方案，進(jìn)行仿真試驗。根據(jù)采集的采煤機滾筒數(shù)據(jù)、位姿數(shù)據(jù)以及搖臂傾角，繪制采煤機滾筒坐標(biāo)點和數(shù)據(jù)擬合點[14－15]，如圖3所示。仿真圖中，橫坐標(biāo)為采煤機位于綜采工作面的實時位置，縱坐標(biāo)為采煤機滾筒高度。將所設(shè)計的Elman神經(jīng)網(wǎng)絡(luò)控制方案與BP神經(jīng)網(wǎng)絡(luò)、最小二乘算法兩種控制方案進(jìn)行比較，Elman神經(jīng)網(wǎng)絡(luò)能夠充分挖掘輸入采煤機數(shù)據(jù)點內(nèi)在聯(lián)系，利用其較強的泛化能力、容錯能力以及非線性逼近能力，實現(xiàn)對采煤機滾筒實際位置的逼近、擬合最優(yōu)方案。

圖3 采煤機截割滾筒智能調(diào)高跟蹤軌跡仿真

4 結(jié)束語

本文分析了采煤機截割滾筒調(diào)高過程，總結(jié)現(xiàn)用人工調(diào)高模式和自動調(diào)高模式存在的問題和弊端。研究了基于Elman神經(jīng)網(wǎng)絡(luò)控制的采煤機智能調(diào)高控制算法，以截割滾筒坐標(biāo)、采煤機姿態(tài)信息以及搖臂傾角為輸入信號，以截割滾筒調(diào)高狀態(tài)為輸出信號，建立Elman神經(jīng)網(wǎng)絡(luò)算法模型和流程。

基于仿真軟件對研究的Elman智能調(diào)高算法進(jìn)行仿真，并與BP神經(jīng)網(wǎng)絡(luò)控制算法、最小二乘算法進(jìn)行仿真對比，發(fā)現(xiàn)Elman控制算法在實時性、跟隨性以及穩(wěn)定性方面較優(yōu)。