Chaos-PSO算法在掘進(jìn)機(jī)系統(tǒng)中的應(yīng)用

歐陽(yáng)佳鵬 李文

摘要：懸臂式掘進(jìn)機(jī)掘進(jìn)系統(tǒng)為復(fù)雜的液壓時(shí)滯系統(tǒng)且負(fù)載突變，其控制器PID參數(shù)采用傳統(tǒng)的算法易早熟收斂而導(dǎo)致控制系統(tǒng)動(dòng)靜態(tài)性能不佳等問題。針對(duì)上述問題采取混合算法的思想，提出了一種Chaos-PSO混合優(yōu)化算法，并應(yīng)用在掘進(jìn)液壓控制系統(tǒng)PID參數(shù)的優(yōu)化上。結(jié)合控制系統(tǒng)的傳遞函數(shù)，采用Matlab進(jìn)行仿真分析，結(jié)果表明Chaos-PSO混合優(yōu)化算法與經(jīng)驗(yàn)整定法及模糊控制法比較，其算法實(shí)現(xiàn)簡(jiǎn)單，上升時(shí)間快20%以上，無(wú)超調(diào)，穩(wěn)定精度高2%以上，與單純的Chaos優(yōu)化算法、PSO算法、灰狼算法比較，其參數(shù)優(yōu)化效率更高，自適應(yīng)性更好。

關(guān)鍵詞：懸臂式掘進(jìn)機(jī);Chaos優(yōu)化;PSO優(yōu)化;Matlab仿真

中圖分類號(hào)：TP3-05? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）27-0008-02

Abstract： The driving system of the cantilever road-header is a complicated hydraulic time-delay system with sudden change of load. The PID parameters of the controller are adjusted by the traditional experience method and fuzzy control method. It is difficult， tedious and easy to oscillation and overshoot. Aiming at the above problems， a Chaos-PSO hybrid optimization algorithm is proposed， and it is applied to the optimization of PID parameters in the driving hydraulic control system. Combined with the transfer function of the control system， Matlab is used to carry out the simulation analysis. The results show that the Chaos-PSO hybrid optimization algorithm is easier to realize and its rising time is 20% faster than the experience setting method and the mode and control method， compared with Chaos optimization algorithm， PSO Algorithm and Gray Wolf Algorithm， its parameter optimization efficiency is higher and its adaptability is better.

Key words： boom-type road-header; Chaos optimization; PSO optimization;Matlab simulation

煤炭是我國(guó)一次性能源消耗量占比近五成的能源[1]。懸臂式掘進(jìn)機(jī)是煤礦開采中的關(guān)鍵設(shè)備之一[2]，其對(duì)安全開采具有重要作用。

當(dāng)前，其液壓控制系統(tǒng)多采用經(jīng)驗(yàn)或模糊PID控制方法，此類控制方法雖提高了掘進(jìn)效率，但由于掘進(jìn)系統(tǒng)的非線性、遲滯性及負(fù)載的突變性、難預(yù)測(cè)性，掘進(jìn)系統(tǒng)的穩(wěn)定性和自適應(yīng)性無(wú)法滿足更高的要求。為此，宋立業(yè)[3]、趙亞琪[4]、李文[5]等提出了神經(jīng)網(wǎng)絡(luò)、混沌算法、粒子群算法優(yōu)化PID參數(shù)的智能調(diào)速控制方法，應(yīng)用在掘進(jìn)機(jī)控制系統(tǒng)中，提高了系統(tǒng)自適應(yīng)能力，都取得了一定的改進(jìn)效果。

隨著智能優(yōu)化算法的不斷發(fā)展，本文在傳統(tǒng)的PSO算法的基礎(chǔ)上結(jié)合Chaos算法，采取混合算法的策略應(yīng)用在掘進(jìn)機(jī)液壓控制系統(tǒng)PID參數(shù)整定優(yōu)化上，具有較好的實(shí)際意義。

1 液壓掘進(jìn)系統(tǒng)閉環(huán)控制

掘進(jìn)機(jī)截割部由升降液壓缸、水平回轉(zhuǎn)臺(tái)及截割頭三大部分構(gòu)成[5]。其掘進(jìn)液壓系統(tǒng)是通過液壓閥組來(lái)控制截割臂升降及水平運(yùn)動(dòng)，通過截割頭的擺動(dòng)實(shí)現(xiàn)巷道掘進(jìn)工作。

為保持截割頭恒速工作，系統(tǒng)通過采取閉環(huán)反饋控制[6]液壓缸的線速度，包括控制器、閥組、閥控液壓缸、速度傳感器等。

2 混合優(yōu)化控制

2.1 基本Chaos算法優(yōu)化原理

混沌現(xiàn)象具有敏感性、遍歷性和隨機(jī)性等特點(diǎn)，其Logistic混沌映射方程如（1）式。

利用它能隨機(jī)在一定的范圍內(nèi)遍歷且不重復(fù)交叉的特性，通過載波后來(lái)進(jìn)行PID參數(shù)全局優(yōu)化。

2.2 基本PSO算法優(yōu)化原理

自從1995年P(guān)SO算法提出以來(lái)，得到了廣泛的應(yīng)用。其粒子的速度和位置方程為：

式中w為慣性權(quán)重，c1 和c2 為學(xué)習(xí)因子，rand（）取[0，1]范圍隨機(jī)數(shù)，k為迭代次數(shù)。通過算法采用速度–位置搜索模型選取最佳解[9]。

2.3 基于佳點(diǎn)集的Chaos-PSO算法

針對(duì)Chaos優(yōu)化算法、PSO優(yōu)化算法“早熟”收斂的不足。采取一種混沌優(yōu)化慣性權(quán)重、學(xué)習(xí)因子非線性取值、粒子佳點(diǎn)[5]并行搜索PSO算法應(yīng)用在其掘進(jìn)控制系統(tǒng)PID參數(shù)的優(yōu)化上。其控制系統(tǒng)如圖1所示。

參數(shù)w、c1、c2按（4）式選取：

Xmax、Xmin為取值上下限，rand（）為[0，1]隨機(jī)數(shù)，以此方法是全局搜索與局部搜索平衡，既兼顧精度又可提高收斂速度。該算法流程圖如圖2所示。

3 仿真分析

根據(jù)文獻(xiàn)[6]的運(yùn)動(dòng)學(xué)分析，可得垂直或水平擺動(dòng)液壓系統(tǒng)的傳遞函數(shù)為：

參考文獻(xiàn)5，以三階系統(tǒng)數(shù)學(xué)模型為其開環(huán)傳遞函數(shù)[5]：

系統(tǒng)采用Chaos-PSO優(yōu)化方法，通過5次仿真優(yōu)化得到PID參數(shù)的全局最優(yōu)值如表1所示。

表2中三種算法取相同的維數(shù)與微粒數(shù)，每種算法仿真優(yōu)化5次，在平均上升時(shí)間，調(diào)節(jié)時(shí)間及超調(diào)量三種性能指標(biāo)上混合算法均較優(yōu)。

仿真結(jié)果表明該算法其算法實(shí)現(xiàn)簡(jiǎn)單，上升時(shí)間快20%以上，無(wú)超調(diào)，穩(wěn)定精度高2%以上，與單純的Chaos優(yōu)化算法、PSO算法、灰狼算法比較，其參數(shù)優(yōu)化效率更高，自適應(yīng)性更好。

4 結(jié)論

本文針對(duì)懸臂式掘進(jìn)機(jī)的掘進(jìn)系統(tǒng)，傳統(tǒng)控制存在的問題，結(jié)合Chaos和PSO算法的優(yōu)點(diǎn)，采取混合改進(jìn)，應(yīng)用在掘進(jìn)機(jī)系統(tǒng)的自適應(yīng)控制中。仿真表明該混合算法改善了控制系統(tǒng)的穩(wěn)態(tài)和動(dòng)態(tài)性能，提高了工作效率，具有一定的通用性。

參考文獻(xiàn)：

[1] 謝和平，吳立新，鄭德志.2025年中國(guó)能源消費(fèi)及煤炭需求預(yù)測(cè)[J].煤炭學(xué)報(bào)，2019，44（7）：1949-1960.

[2] 王國(guó)法，任懷偉，龐義輝，等.煤礦智能化（初級(jí)階段）技術(shù)體系研究與工程進(jìn)展[J].煤炭科學(xué)技術(shù)，2020，48（7）：1-27.

[3] 賀文海，焦可輝.基于模糊PID的掘進(jìn)機(jī)恒功率控制系統(tǒng)設(shè)計(jì)[J].煤炭工程，2019，51（9）：178-181.

[4] 宋立業(yè)，萬(wàn)應(yīng)才.基于RBF神經(jīng)網(wǎng)絡(luò)的隧道掘進(jìn)機(jī)推進(jìn)自適應(yīng)PID控制[J].中國(guó)機(jī)械工程，2017，28（14）：1676-1682.

[5] 李文，楊振南，伍鐵斌.改進(jìn)混沌算法在掘進(jìn)機(jī)電控系統(tǒng)中的應(yīng)用研究[J].煤礦機(jī)械，2020，41（6）：23-25.

[6] 毛清華，陳磊，閆昱州，等.煤礦懸臂式掘進(jìn)機(jī)截割頭位置精確控制方法[J].煤炭學(xué)報(bào)，2017，42（S2）：562-567.

【通聯(lián)編輯：梁書】