50000 kN液压支架试验台垂直加载液压缸同步控制

针对超大采高液压支架试验台垂直加载液压缸同步控制问题,提出一种基于模糊进程标识符(PID)相邻交叉耦合同步控制策略,利用Creo-Adams及ANSYS建立液压支架试验台刚柔耦合动力学仿真模型,根据垂直加载实际工况添加约束条件。利用AMEsim及Matlab/Simulink建立垂直加载液压系统控制模型,基于各软件之间的接口技术构建Adams-AMEsim-Simulink机液控一体化的试验台多领域协同仿真模型。仿真得到模糊PID和常规PID下相邻交叉耦合同步控制策略的加载液压缸位移跟踪曲线、负载变化曲线、信号控制曲线、同步误差曲线。研究结果表明,相比于常规PID算法,模糊PID算法下的系统具有响应速度更快、控制精度更高等特点,使液压支架垂直加载四缸同步精度误差小于0.1 mm,满足使用要求。研究结论为液压支架试验台垂直外加载系统设计提供参考。

复杂煤层条件下采煤机自适应截割控制策略

采煤机是综采工作面的核心装备,复杂煤层条件下,其工况恶劣、环境复杂,采掘装备智能化程度不高,导致我国煤矿开采灾害多、煤机适应性不强、故障率高、效率低,提高煤机装备的可靠性与适应性是煤矿智能化发展的主要任务之一。采煤机工作机构与复杂煤层耦合作用机理及煤岩截割状态与动力传递系统的导控机制,是实现采煤机智能高效截割的关键。基于虚拟样机技术、模糊控制技术,结合数据自适应加权融合算法、深度强化学习算法,采用多领域建模与协同仿真及试验分析相结合的方法,构建机-电-液-控一体化的采煤机自适应截割系统模型,研究其自适应截割控制策略。利用AMEsim建立调高液压系统模型,并与EDEM-RecurDyn煤岩截割双向耦合模型集成;根据煤层实际赋存条件划分煤岩坚固性系数等级范围,以采煤机综合性能最优为目标,利用改进的MOGWO(Multi-Objective Grey Wolf Optimizer)算法对采煤机的牵引速度和滚筒转速进行分级优化。以采煤机截割部的时域振动信号作为煤岩截割状态识别的特征参数,运用数据自适应加权融合算法对其进行融合处理;以特征参数融合值为依据利用模糊控制实现煤岩截割状态的智能识别;利用Simulink搭建基于深度确定性策略梯度算法DDPG(Deep Deterministic Policy Gradient)的采煤机牵引速度-滚筒转速(v_(q)-n)协同调速和自适应调高控制系统模型,利用接口技术实现EDEM-RecurDyn-AMEsim-Simulink耦合,构建机-电-液-控一体化的采煤机自适应截割控制系统模型并进行仿真。研究结果表明:系统以煤岩截割仿真数据流为主线,能够实现对煤岩截割动态过程的感知分析、信号特征处理和自适应调节的决策控制。利用物理试验验证了基于EDEM-RecurDyn耦合仿真的可行性与结果可靠性;在保证煤机综合性能最优且动态可靠的前提下,当螺旋滚筒位于上位,且识别到煤岩体坚固性系数f>7时,首先按滚筒截顶工况界定,采用v_(q)-n协同调速及自适应调高控制策略,并可根据调高过程中采样时间(2 s)内滚筒截割阻力方向振动加速度波动的变化趋势,进一步判断其是处于截顶亦或截割坚硬煤岩层或硬结核(f>7且非顶底板),若识别结果为后者或煤岩体f≤7时,仅采用v_(q)-n协同调速策略;当识别到煤岩体坚固性系数f值减小的工况时,选用v_(q)-n同时调控策略可全面考虑采煤机各性能指标;当识别到煤岩体坚固性系数f值增大的工况时,为保证采煤机的动态可靠性,选用牵引速度优先于滚筒转速的顺序调控策略,其相比于同时调控策略能够使滚筒受载降低23.7%、载荷波动减小28.1%;仿真过程验证了系统能够按照预期的调控策略对采煤机牵引速度、滚筒转速及滚筒高度进行精准调控,最长仅经0.64 s即能感知到截割工况的变化,具有调节的实时性和响应的快速性,实现了复杂煤层条件下的采煤机自适应截割,并通过物理试验验证了所搭建的采煤机自适应截割控制系统及仿真结果的正确性,可有效提高采煤机对复杂煤层的适应性。

采煤机自适应调高控制策略

针对采用理想化信号模拟滚筒受载进行采煤机调高液压系统性能分析准确性差、基于传统优化控制算法难以实现对采煤机滚筒调高的自适应控制、响应速度和跟踪性能不好等问题,提出一种基于深度确定性策略梯度算法DDPG(Deep Deterministic Policy Gradient)的采煤机滚筒自适应调高控制策略,并利用虚拟样机技术、深层卷积神经网络(DCNN)与深度强化学习等机器学习算法搭建了采煤机自适应调高机-液-控一体化系统。利用Pro/E及RecurDyn建立采煤机调高系统刚柔耦合动力学仿真模型,根据某采煤工作面实际赋存条件,利用EDEM建立离散元煤壁模型,基于DEM-MFBD接口构建EDEM-RecurDyn双向耦合调高机构机械系统模型,基于AMEsim建立调高机构液压系统模型,利用Simulink搭建了集信号处理模块(Signal processing)、时频谱图生成模块(Continuous wavelet transform System)、数据样本扩充模块(Fancy PCA System)、截割状态识别模块(Alexnet Transfer Learning System)、调高控制决策模块(Height Control decision)和DDPG高度调节模型模块(DDPG Height Adjustment Model)6个模块于一体的采煤机自适应调高控制系统模型,基于接口技术搭建EDEM-RecurDyn-AMEsim-Simulink多领域协同仿真的采煤机自适应调高机-液-控一体化系统模型。利用该系统模型进行仿真并对其调高性能分析,研究结果表明:基于连续小波变换、Fancy PCA和Alexnet网络迁移学习能够实现煤岩截割状态的精准识别,识别准确率可达95.58%,所搭建系统的仿真过程能够更真实地模拟采煤机截割煤岩破碎过程,系统仅经0.6 s左右即能感知到截割工况的变化,且能够快速识别出煤岩截割状态并准确地将滚筒调整至目标高度,响应速度快,能够根据工况变化自适应调节活塞运动速度;相比于模糊PID控制,基于DDPG控制的采煤机自适应调高系统的活塞缩回位移稳态误差最大仅为0.002 1 mm,为前者的0.66%;对比调高前后稳定阶段的控制性能,模糊PID控制的系统活塞运动速度和液压缸腔室流量波动显著增大,而DDPG控制的系统则差别较小,表明后者具备更强的自适应性,更适于复杂煤层赋存条件下采煤机调高液压系统的自适应控制;通过试验验证了采煤机自适应调高控制策略及仿真结果的正确性,可有效提高采煤机对复杂煤层的适应性,促进煤矿智能化的发展进程。