基于K-GRU神经网络的采煤机记忆截割及优化

目的针对采煤机记忆截割不准确、自动化程度不高的问题,方法本文提出一种基于KGRU神经网络的采煤机记忆截割算法,此算法具有更适合处理长时序数据的特点,将算法与采煤机记忆截割结合起来,可以减少采煤过程中滚筒的损坏同时保护工人生命安全。该算法在深层门控循环单元(GRU)的输入端引入比例因子K,用比例因子K表现不同时刻数据的重要程度,以加强模型对长时序数据的记忆性,进而提高记忆截割精度。在模型训练阶段利用随机搜索算法(RS)对深层K-GRU神经网络的超参数选择进行优化,加快模型训练速度。结果实验中使用Python完成K-GRU模型构建与超参数优化,使用随机搜索算法可以在更短时间内得到超参数最优解,得到超参数epochs为317、batch_size为70的最优解共花费154 s,在最优解情况下计算模型对真实采煤数据预测的误差,得到K-GRU的loss值为0.0467、R2为0.9578、EVS为0.9656、ME为0.0833。结论最终表明,优化后的深层K-GRU模型在解释方差得分、最大误差和可决系数方面均优于SVM、KNN、LSTM、RNN和普通GRU模型,显著提高了采煤机记忆截割的适用性和准确性。

采煤机自动记忆截割控制系统的设计及模拟应用研究

为增加采煤机自动截割系统准确性,提高系统对复杂环境的适应性,设计系统整体架构,主控制器选用PLC,并选用CAN总线架构结构,实现采煤机自动记忆截割控制系统设计。并模拟测试采煤机割整刀及端头处理过程,表明该自动截割运行系统运行稳定、方便灵活;进一步对端头截割路径可行性、准确性验证,结果表明端头记忆截割跟踪路径的效果好,符合采煤机控制要求。

采煤机记忆截割技术研究与应用

针对目前采煤机智能控制水平低下、采煤效率及安全性较差的问题,对采煤机记忆截割技术进行研究,提出了一种基于GIS定位及滚筒自动调高的采煤机自动截割控制方案。新方案可实现采煤机精确定位及位姿采高计算、滚筒自动调高控制与牵引速度自适应调节,有效减少采煤机人工控制环节,对于提高采煤机生产效率及安全性具有实际意义。

数字孪生驱动的悬臂式掘进机虚拟示教记忆截割方法

针对当前掘进设备智能化程度低,掘进过程中超挖、欠挖和异常碰撞等情况难以具体描述,传统自动截割和记忆截割技术难以适应复杂地质条件等问题,提出了一种数字孪生驱动的悬臂式掘进机虚拟示教记忆截割控制方法。通过分析数字孪生技术在当前煤炭智能化开采领域的研究情况,设计了数字孪生驱动的悬臂式掘进机记忆截割控制系统总体方案,对复杂工况下悬臂式掘进机记忆截割关键技术进行研究。首先,充分利用数字孪生和虚拟现实技术的特性,研究复杂工况环境下的虚拟示教策略,基于Unity3D平台建立对应实体等尺寸的工作面及设备虚拟孪生模型、截割部运动学模型和虚拟碰撞检测模型,在虚拟端通过智能交互界面控制虚拟模型运动,结合工人经验设计示教轨迹并优化,使其作为轨迹跟踪的目标期望轨迹,弥补传统井下人工示教由于恶劣工况环境导致的过度依赖工人经验等问题;其次,为提高断面成形质量,研究记忆自动截割阶段示教轨迹跟踪再现控制方法,利用拉格朗日法建立截割部动力学模型,采用迭代学习与滑模控制相结合的方法提高末端执行器对示教轨迹的跟踪控制精度;最后,搭建悬臂式掘进机记忆截割仿真控制平台,通过虚拟空间与物理空间以及各模块之间的实时数据传输与交互,在虚拟空间中完成记忆截割虚拟示教与轨迹跟踪控制过程的三维可视化仿真,进而生成记忆自动截割轨迹跟踪控制指令并发送至悬臂式掘进机物理实体的末端执行器,驱动其按照示教轨迹进行断面成形截割,同时物理传感器采集悬臂式掘进机机身及截割臂位姿数据,反向驱动虚拟模型同步动作,实现对机器人虚拟模型和物理实体的闭环控制。在此基础上对系统的虚实同步性、虚拟样机与物理样机运动一致性和轨迹跟踪再现控制精度进行验证,实验结果表明,系统数据传输延迟较低,能够保证虚实一致性和同步性,且轨迹跟踪控制精度满足实际使用要求,该方法为掘进设备记忆截割与智能化控制提供了新的思路。

基于扩展截割路径的采煤机端头记忆截割方法研究

为解决工作面端头煤层依然依靠人工操作完成截割,效率低且劳动强度大的问题,在对采煤机基本结构分析的基础上,完成了采煤机端头记忆截割系统的总体设计,包括机载端头记忆截割系统和顺槽远程端头记忆截割系统两部分,并完成各系统关键硬件的选型,通过工业性试验验证了所设计的端头记忆截割控制系统能够保证采煤机具有良好的跟踪效果。

基于扩展截割路径的采煤机端头记忆截割方法研究

在研究采煤机端头姿势形态的基础上,对扩展截割路径记忆截割方式进行了系统性分析,并收集到采煤机各个部位的工作状态信息,作了归一化处理;之后通过追踪研究了采煤机的扩展截割路线,将各个离散型点使用特殊的插值计算加以模型化拟合处理,获得了立体的三维拟合值曲线模型,以期增长采煤机运行时的平稳度,提高工作面的生产效率。

基于扩展截割路径的采煤机端头记忆截割方法研究

在智能矿山建设中,采煤机的记忆截割技术是自动采矿的一项重要要素。采煤机记忆截割技术可以提高采煤机的智能化程度、提升设备操作稳定性、提升企业效益。介绍了采煤机记忆截割系统的自动状态、机器学习方式、手动截割方式三种系统工作方式以及系统的工作条件等,并深入探讨了采煤机记忆截割技术的实际应用,供参考。

煤矿井下采煤机记忆截割关键技术研究

作为煤矿综采面“三机”之一,采煤机的智能化及无人化控制水平是决定综采面高效生产的关键。本文在研究采煤机工作原理及其特性的基础上,从采煤机精确定位、滚筒自动调高控制、牵引速度自适应调节3个方面入手,通过地理信息系统(GIS)实时获取采煤机及其滚筒的位置与姿态,建立记忆截割模型,采用人工学习、自动截割、人工修正的方式设计截割控制流程以及相应的控制系统,实现对采煤机的自适应截割控制,有效提高了采煤机智能化运行水平。

一种采用灰色马尔科夫组合模型的采煤机记忆截割算法

针对传统采煤机记忆截割策略需要频繁人工调整摇臂高度导致效率和精度低等不足,提出利用灰色马尔科夫组合模型的采煤机自适应记忆截割策略。当采煤机截割岩石时,首先根据截割高度先验数据,利用灰色模型得到截割高度预测数据,在此基础上,对该预测数据进行残差计算和状态划分,确定马尔科夫链状态概率矩阵。通过马尔科夫链状态概率矩阵对灰色模型进行反馈修正,得到采煤机截割高度自适应调整值。通过模拟采煤机工作面调整高度,对2种采煤机记忆截割策略进行仿真分析。研究结果表明:传统记忆截割模型可信度为96.26%,但需要5次人工调整,而灰色马尔科夫记忆截割模型的可信度在无人干预下高达99.20%;基于灰色马尔科夫组合模型的采煤机记忆截割策略不仅具有更高的控制精度,而且大大提高了采煤机的自动化水平。

基于遗传算法的采煤机记忆截割路径优化

为了解决采煤机记忆截割过程中的路径优化问题,采用遗传算法对采煤机的记忆截割路径进行了优化,并在采煤机记忆截割路径优化试验平台上进行了实验。当煤层地质条件发生变化,采煤机记忆的相应参数与实际参数不一致时,利用遗传算法对传感器数据进行处理和工作状态判断,已完成对采煤机记忆截割路径的优化。试验结果表明:该算法可快速有效地实现复杂地质环境下采煤机的路径优化,优化路径平稳可靠,利于采煤机的记忆截割和自动控制。

基于微粒群算法的采煤机记忆截割路径优化

为了解决采煤机记忆截割过程中的路径优化问题,提出了基于环形微粒群算法的采煤机截割路径优化方法,研究了基于环形邻域微粒群算法的采煤机记忆截割策略。当煤层地质条件发生变化时,初始的记忆截割轨迹会产生偏差,借助环形微粒群优化算法快速收敛和全局寻优特性实现采煤机的截割路径优化。试验结果表明:该算法可快速有效地实现复杂地质环境下采煤机的路径优化,优化路径平稳可靠,利于采煤机的记忆截割和自动控制。

掘进机器人的仿形记忆截割建模与虚拟仿真

针对掘进机器人掘进过程中,因操作不当引起的尖峰负荷,及切割机构的非平稳振动,出现欠挖和超挖,机器损耗加剧问题,以悬臂掘进机巷道自动成形为研究对象,建立了掘进机仿形记忆截割的动态数学模型,推导出截割头运动到半圆拱形巷道边界时,悬臂偏移最大角度和油缸伸长量的通用公式,提出了使用数字液压缸来实现掘进机按照所给巷道运动时各个油缸伸长量的自动掘进控制方法,并利用Pro/E和Adams对EBZ-160型掘进机进行运动仿真和分析,验证了该模型的可行性和优越性,获得较好的仿真结果,具有广泛的通用性。

基于多传感器数据融合记忆截割的研究

在分析了国内外多种煤岩识别传感器不足的基础上,提出了以记忆截割为主,多传感器检测为辅的调高方式。通过分析采煤机工作参数的影响因素,采用BP神经网络作为数据融合算法处理多传感器的采集信息,处理后的信息作为采煤机调高的依据。

基于单示范刀采煤机记忆截割的数学模型

针对双示范刀记忆截割方法截割参数采样操作劳动强度大的特点,分析了采煤机的工作状态参数与煤层参数的相互关系,提出了单示范刀的记忆截割方法,构建出采煤机几何参数、运行位置、姿态参数和煤层参数与滚筒位置的数学关系,给出了单示范刀状态下工作面顶板的记忆截割数字化模型。经对采煤机截割轨迹的多循环数值模拟,结果与样本轨迹有很好的吻合度,可为采煤机单示范刀记忆截割的程控系统设计提供理论基础。

单向示范刀采煤机记忆截割的模糊自适应PID控制仿真

针对采煤机载荷的随机性,调高机构的几何非线性以及单向信息采集的偏差.采用模糊自适应PID控制方法,实现采煤机双向截割滚筒高度的自动跟踪,给出了单向示范刀顶底板数字化模型与模糊自适应PID控制策略,在Matlab/Simulink环境下,对单向示范刀记忆模式的记忆截割曲线跟踪控制进行仿真,并给出误差曲线.仿真结果表明:下行截割曲线跟踪的综合误差近似为顶板数字化转换算法误差和控制系统跟踪误差的叠加.下行顶板数字化转换算法、控制系统算法及其综合误差满足工程要求,可为单向示范刀采煤机记忆调高系统设计提供理论基础.

基于单向示范刀的采煤机记忆截割模型构建及模拟分析

针对采煤机在薄煤层等复杂地质条件下的自动化开采作业,提出并构建基于单向示范刀的采煤机记忆截割模型,在对相关参数进行分析的基础上,应用粒子群算法对采煤机截割轨迹进行分析和规划,最后通过Matlab软件对采煤机截割轨迹进行模拟和仿真,验证基于单向示范刀的记忆截割方法的可行性。

掘进机恒功率自适应调速与记忆截割系统研究

由于掘进机在进给过程中截割头工作面负载变化存在随机性且幅度很大,设计并开发一套以可编程序控制器为数据采集和控制核心,上位机采用组态软件构建远程监控系统的掘进机自适应控制系统,采用多信息融合技术综合分析负载的变化,实现恒功率自适应调速,同时采用记忆截割与自适应调节相结合的控制方法,在记忆截割的基础上根据反馈信号进行局部调节,更新记忆曲线,保证掘进机的恒功率进给,延长掘进机截割头的使用寿命。

灰色系统理论在采煤机记忆截割技术中的应用

为建立采煤机记忆截割技术中滚筒高度的三维空间分布模型,提高采煤机的记忆截割精度,在传统记忆截割技术的二维分布模型基础上,利用灰色系统理论和GM(1,1)模型,对采煤机滚筒在第三维(采煤机推进方向)上的高度进行动态预测,提出了一种灰色记忆截割技术。Matlab仿真结果表明:在相同的误差要求下,对比传统记忆截割算法,灰色记忆截割算法演算出的采高曲线更接近于理论采高曲线,同时灰色记忆截割技术使得调高次数减少了32.8%,因此灰色记忆截割技术能大幅度提高采煤机记忆截割的精度和实用性。

模糊神经网络在采煤机记忆截割技术中的应用

本文提出了一种基于模糊神经网络的采煤机记忆截割技术,来对采煤机截割滚筒进行自动调高。基于模糊神经网络建立了采煤机机身与截割高度之间的非线性关系,并采用误差反向传播和最小二乘法相结合方法对可调参数进行辨识和优化。实验表明,模糊神经网络对截割样本具有很好的泛化能力,很好地逼近煤层高度趋势,减少截割误差并提高割煤效率。

掘进机器人巷道断面记忆截割控制策略研究

矿井巷道开采的过程中司机的视线和所处的环境受粉尘,水雾,光线等的影响,导致在巷道断面在截割的过程中出现超挖或欠挖的现象,使得断面的形状尺寸不规则,进而给后面的顶板支护工作也带来困难,严重影响着巷道掘进的进度;为了解决以上问题,提出掘进机器人巷道断面记忆截割控制策略;记忆截割就是司机对断面初次截割的过程中把截割数据包括截割头的位置、截割臂摆动的角度和速度等数据存储在专门的存储器中,作为之后截割的参考数据直接调用,省去司机频繁的操作,大大提高截割的效率;通过MATLAB仿真和EBZ160试验研究可知,截割头摆动误差可控制在5cm以内,表明掘进机器人巷道断面记忆截割控制策略可以更加有效地控制掘进机截割出整齐的断面,为掘进机巷道断面自动成型奠定了理论依据。