基于模糊神经网络PID的煤矿掘进机俯仰控制研究
作者
毛清华1,2，陈彦璋1,2，马骋3，王川伟1,2，张飞1,2，柴建权1,2
作者单位
1.西安科技大学 机械工程学院，陕西 西安 710054；2.陕西省矿山机电装备智能检测与控制重点实验室，陕西 西安 710054；3. 陕西陕煤黄陵矿业有限公司，陕西 延安 727307
一
研究背景
目前煤矿掘进机俯仰控制主要采用PID控制方法，在掘进机俯仰控制时变性与液压系统非线性情况下的控制精度不高。掘进机俯仰控制通过控制液压缸行程实现，将传统PID算法与模糊控制、神经网络等相结合，可有效提高液压缸行程控制精度。因此，本文提出一种基于模糊神经网络PID的煤矿掘进机俯仰控制方法。
二
研究内容
1 、掘进机俯仰控制原理
掘进机作业过程中机身与巷道中线所形成的夹角即掘进机俯仰角。掘进机掘进巷道前，要求掘进机支撑机构撑起机身，使机身保持稳定，同时前铲板和后支撑液压缸动作，使机身水平，保证掘进机处在最佳姿态，进而保证巷道成形质量。
掘进机前铲板和后支撑均为回转铰接结构。前铲板、后支撑与机身的铰接点O、O'与掘进机行走部的位置相对固定，若固定机身位置，则后支撑、前铲板与巷道底板的接触点M、N所在直线即为巷道底板，计算直线MN的斜率即可求得掘进机俯仰角。
2 、掘进机俯仰控制液压系统
掘进机俯仰控制液压系统中，左侧2个液压缸为前铲板动作液压缸，右侧单液压缸为后支撑动作液压缸。位移传感器测量前铲板和后支撑的位移并反馈给控制系统，计算控制误差。控制算法生成液压缸位移，通过移动电液比例阀阀芯来调节液压缸动作，进而调整掘进机俯仰姿态。
3 、掘进机俯仰角模糊神经网络PID控制模型
模糊神经网络PID控制模型由传统PID控制器与模糊神经网络2个部分组成。将液压缸位移测量值与设定值的差值及其变化率作为模糊神经网络的2个输入量，进行模糊化处理，将模糊化后的参数输入由神经网络作为模糊推理和记忆模糊规则的推理机中，再将得到的模糊结果清晰化，输出PID控制参数，最后通过PID控制器实现掘进机支撑机构液压缸控制，进而实现掘进机俯仰控制。
三
实验结果
采用PID、模糊PID、模糊神经网络PID控制算法，分别对方波信号和正弦信号进行轨迹跟踪控制。方波信号和正弦信号分别模拟掘进机突变工况和跟随工况，以验证掘进机俯仰控制时变性与液压系统非线性情况下的控制精度。
1 、方波信号实验
在方波信号的每个变化阶段，模糊神经网络PID控制能够使信号更快达到指定位置，最大跟踪误差为0.2 mm，相比模糊PID和PID控制算法分别降低60.00%和80.00%，平均响应时间分别缩短27.22%和50.33%，最长响应时间为1.06 s，均优于其他2种控制算法。
2、正弦信号实验
正弦信号动态性能对比结果表明：模糊神经网络PID控制算法滞后时间最短，为0.07 s，相比模糊PID和PID控制算法分别缩短74.07%和80.56%；模糊神经网络PID控制算法峰值误差最小，为0.1 mm，相比模糊PID和PID控制算法分别降低66.67%和80.00%。
作者简介
毛清华，教授，博士生导师，现任西安科技大学机械学院副院长、仪器科学与技术硕士点学科带头人，陕西高校煤矿机电系统智能测控青年创新团队带头人。兼任中国工程机械学会矿山机械分会常务理事，中国振动工程学会转子动力学分会理事，陕西省振动工程学会理事，《工矿自动化》杂志编委。主要研究方向为煤矿机电设备智能检测与控制、机器人、机械传动系统故障诊断和图像智能识别等。主持国家自然科学基金面上项目、陕西省科技厅重点研发计划项目、陕西省科技厅陕煤联合基金项目、教育部博士点基金项目等20余项。获陕西省科学技术奖二等奖1项，中国煤炭工业协会科学技术奖二等奖3项，西安市科学技术奖二等奖1项，陕西省教学成果奖二等奖2项。发表学术论文40余篇，其中SCI/EI检索20余篇。出版专著1部，教材1部。参与编写煤矿智能化方面的团体标准和企业标准4项。授权国家专利40余项，其中发明专利20余项。
通信作者：陈彦璋（2000−），男，陕西咸阳人，硕士研究生，研究方向为煤矿机电设备智能检测与控制，E-mail：1192747657@qq.com。
引用格式
毛清华，陈彦璋，马骋，等. 基于模糊神经网络PID的煤矿掘进机俯仰控制研究[J]. 工矿自动化，2024，50（8）：135-143.
MAO Qinghua, CHEN Yanzhang, MA Cheng, et al. Research on pitch control of coal mine roadheader based on fuzzy neural network PID[J]. Journal of Mine Automation，2024，50（8）：135-143.
扫码阅读全文
