王 琨

（山西晉城無煙煤礦業(yè)集團有限責任公司成莊礦矸井運行隊，山西 晉城 048021）

引言

掘進機被應用于破壞巖體和煤層，并將巖體和煤裝載在車輛（卡車、復載機、輸送機等）。適用于臥式、斜井掘進、豎井、施工等。隨著掘進機的大量使用，有效地提高了煤礦的生產(chǎn)效率，也降低了勞動強度，保障了人員的安全。但是在掘進過程中懸臂的運動軌跡直接決定巷道的輪廓和方向。由于懸臂的運動軌跡精度差，導致載掘進過程中需要主控臺不斷地調(diào)整掘進方向和調(diào)整掘進機的姿態(tài)，降低工作效率，增加時間成本，浪費勞動力資源。本文提出一種應用于掘進機的懸臂控制控制算法，以保證其控制精度，提高采掘精度[1]。

1 反饋網(wǎng)絡的搭建

如圖1所示，懸臂上截割頭的控制主要是通過四個伸縮油缸組成，其中兩個負載控制截割頭的左右擺動，另外兩根負載截割頭的上下擺動，從而可以實現(xiàn)截割頭的運動要求。本文將截割頭的垂直擺動和水平擺動單獨分析。

圖1 截割頭的控制結構

截割頭高度y與升降油缸的伸縮距離δ的關系為[2]：

式中：L為懸臂長度；r為截割頭半徑；L為懸臂交接點與地面高度；α為繞中心的旋轉角；δ0為截割頭處于水平位置時升降油缸伸出距離，115 mm。δ0=115 mm。通過油缸參數(shù)和截割頭的設計參數(shù)知道，截割頭升降油缸行程距離0≤δ≤408 mm。

截割頭左右擺動寬度x與回轉油缸的伸縮距離w的關系為[2]：

式中：W為截割頭外邊緣與回轉臺軸線垂直距離；W1為截割頭外邊緣與回轉臺軸線水平距離；w0為截割頭處于中間位置時回轉油缸伸出距離，取238 mm；M為回轉油缸伸縮的最大距離；為旋轉角度。截割頭回轉油缸行程距離0≤w≤435 mm。

通過上面兩個公式可以得出反饋量可以通過安裝在伸縮油缸上的直線位移傳感器實現(xiàn)，其型號為ks20，其分辨力為1 mm。

2 系統(tǒng)控制方案

如圖2所示，數(shù)據(jù)采集是通過伸縮油缸上的直線位移傳感器獲取。其中掘進機完成固定動作并且整個過程實時數(shù)據(jù)采集，在通過預測控制輸出，最后把輸出量變?yōu)榭刂朴透姿欧y的電壓量。其中采集到的位移信息就是預測控制的輸入量，對輸入量進行小波神經(jīng)算法處理得到輸出量。

圖2 系統(tǒng)流程圖

如圖3所示，采集到的數(shù)據(jù)要經(jīng)過預測控制算法，該算法是通過labview中編寫實現(xiàn)。其中每一個伸縮油缸的反饋數(shù)據(jù)都可作為算法的輸入，最后得到修正的輸出值，也是控制電液伺服閥的電壓量。

圖3 輸出控制方式的實現(xiàn)

3 神經(jīng)網(wǎng)絡預測模型

建立該神經(jīng)網(wǎng)絡預測模型采用三層網(wǎng)絡結構，其中一個是隱含層使用S型激發(fā)函數(shù)，輸出層則使用線性激發(fā)函數(shù)。神經(jīng)網(wǎng)絡可以無限的接近非線性函數(shù)的曲線，該非線性系統(tǒng)可以用非線性離散時間模型表示為[3]：

式中：y（t）和u（t）分別為實時輸入和輸出值；m和n均為對象階次；d為系統(tǒng)延時；f為非線性映射。

由于神經(jīng)網(wǎng)絡預測只需要對初始連接權進行調(diào)節(jié)，因此利用誤差（E）反傳算法對網(wǎng)絡進行訓練。其中訓練方式是：已知各個節(jié)點數(shù)目，然后進行神經(jīng)網(wǎng)絡訓練，利用二次型誤差函數(shù)指標進行訓練。由于多次調(diào)節(jié)仍無法滿足精度要求，所以本次使用調(diào)整隱含層和反饋層節(jié)點數(shù)目：

神經(jīng)網(wǎng)絡預測控制器采用前饋信號完成，在該預測控制器中會選擇幾個未來控制量，把這幾個控制量預測輸出，使（2）式達到極小值。但是通常的預測控制算法，被控對象實的每一個控制量都要經(jīng)過多個值來計算和優(yōu)化。這樣導致計算和控制規(guī)律的量很大。為了節(jié)約計算成本和時間。本文采用式（3）作為預測控制器的標準和網(wǎng)絡控制器的學習二次型誤差函數(shù)指標J：

式中：yr為給定輸出；yp為預測輸出；k為預測步長。

4 實驗結果和結論

通過將神經(jīng)網(wǎng)絡算法輸入到labview中，再將其采集信號的反饋量給到labview的輸入，將輸出給到控制器上。對掘進機懸臂的垂直運動和水平運動精度進行測算。

實際高度值是以地面為基準，未預測值是沒有加神經(jīng)網(wǎng)絡預測算法的計算值，預測后值是加了神經(jīng)網(wǎng)絡預測算法的值，垂直擺動位置實驗結果如表1所示：

表1 垂直擺動位置實驗結果

實測數(shù)據(jù)把水平中心位置作為基準，未預測值是沒有加神經(jīng)網(wǎng)絡預測算法的計算值，預測后值是加了神經(jīng)網(wǎng)絡預測算法的值，水平擺動位置實驗結果如表2所示：

表2 水平擺動位置實驗結果

從上表1、2得出神經(jīng)網(wǎng)絡預測算法可以提高掘進機截割頭的運動精度，但是對水平控制精度的優(yōu)化要弱于垂直控制精度的優(yōu)化。