针对悬臂式掘进机截割效率和智能化程度低，在掘进过程中面对煤岩硬度复杂变化时适应性不足、系统稳定性低等问题，提出一种基于卷积神经网络（CNN）及模糊PID的掘进机截割控制方法。首先，智能截割系统将截割电动机电流、回转油缸压力、截割臂振动加速度作为控制变量，通过CNN实现煤岩硬度的动态感应。然后，针对不同的截割路径进行分析，提出一种符合要求的截割路径。最后，设计自整定模糊PID控制器，以CNN识别的煤岩硬度信息为依据，来实现截割臂摆速控制。仿真结果表明：① CNN模型在15次迭代后达到了误差要求。② 通过仿真分析优化截割路径，提高了断面成形效率，为掘进机智能截割控制提供了理论依据。③ PID控制在煤和煤岩夹杂工况下的超调量分别为1.4，0.3 (°)/s，而模糊PID控制在煤和煤岩夹杂强度下的超调量几乎为0。现场实验验证结果表明：当掘进机截割较软介质与煤时，截割臂以高摆速工作；当截割复杂岩层时，摆速随截割信号的增大而降低，截割信号在0～1之间变动；当掘进机截割较硬岩层时，截割载荷信号接近1，截割臂的摆速降低至0。

0 引言
1 智能截割控制原理
2 CNN煤岩硬度动态感知
2.1 CNN模型训练
2.2 煤岩破碎强度与载荷关系分析
3 巷道断面成形特性研究
3.1 截割头运动轨迹规划
3.2 巷道断面形状特征仿真分析
4 CNN与模糊PID控制相结合的截割臂摆速控制方法
4.1 模糊PID控制器结构设计
4.2 变量模糊化与隶属度函数
4.3 模糊控制规则
5 截割控制系统仿真分析
5.1 控制系统建模
5.2 实验仿真结果分析
6 截割控制现场验证性实验
7 结论

李英娜,崔彦平,安博烁,等.基于卷积神经网络和模糊PID的掘进机控制系统研究[J/OL].工矿自动化,1-13[2024-12-03].https://doi.org/10.13272/j.issn.1671-251x.2024070084.