基于割煤循环智能检测的工作面来压判识方法

罗香玉, 康林星, 南添松, 解盘石, 伍永平

罗香玉,康林星,南添松,等. 基于割煤循环智能检测的工作面来压判识方法[J]. 工矿自动化,2025,51(3):16-21. DOI: 10.13272/j.issn.1671-251x.2025020070
引用本文: 罗香玉,康林星,南添松,等. 基于割煤循环智能检测的工作面来压判识方法[J]. 工矿自动化,2025,51(3):16-21. DOI: 10.13272/j.issn.1671-251x.2025020070
LUO Xiangyu, KANG Linxing, NAN Tiansong, et al. Face pressure identification method based on intelligent detection of coal cutting cycles[J]. Journal of Mine Automation,2025,51(3):16-21. DOI: 10.13272/j.issn.1671-251x.2025020070
Citation: LUO Xiangyu, KANG Linxing, NAN Tiansong, et al. Face pressure identification method based on intelligent detection of coal cutting cycles[J]. Journal of Mine Automation,2025,51(3):16-21. DOI: 10.13272/j.issn.1671-251x.2025020070

基于割煤循环智能检测的工作面来压判识方法

基金项目: 陕西省杰出青年科学基金项目(2023-JC-JQ-42);陕西省教育厅青年创新团队科研计划项目(23JP098);陕西省秦创原“科学家+工程师”队伍建设项目(2024QCY-KXJ-033)。
详细信息
    作者简介:

    罗香玉(1984—),女,河北宁晋人,副教授,博士,主要研究方向为智慧矿山、大数据分析和知识图谱,E-mail:luoxiangyu@xust.edu.cn

  • 中图分类号: TD326

Face pressure identification method based on intelligent detection of coal cutting cycles

  • 摘要:

    基于液压支架工作阻力数据进行工作面来压判识需解决2个问题:一是如何从海量的工作阻力数据中提取循环末阻力数据,二是如何有效利用提取出的循环末阻力数据对工作面是否来压实现有效判断。现有的循环末阻力提取方法大多依赖固定规则和经验值参数,在复杂工作面环境下准确性低且适应性差。针对该问题,提出一种基于割煤循环智能检测的工作面来压判识方法。将割煤循环检测转化为二分类问题,使用支持向量机分类器对割煤循环结束时刻进行智能检测,以自动判别割煤循环的结束时刻;在获取所有割煤循环结束时刻的基础上,提取各支架循环末阻力数据;通过数据融合生成能够反映工作面整体压力状态的单序列数据,并基于来压判定公式进行工作面来压判识。基于不连沟煤矿某工作面的液压支架工作阻力数据进行实验,结果表明,该方法割煤循环检测的精确率、召回率、F1分数分别为85.91%,81.84%,83.83%,来压判识的精确率、召回率、F1分数分别为79.43%,78.76%,79.09%,均优于滑动窗口极值法和阈值法,在识别循环末阻力和工作面来压判识方面具有显著优势。

    Abstract:

    The method for identifying face pressure based on hydraulic support working resistance data needs to address two issues: first, how to extract the cycle-end resistance data from large volumes of working resistance data, and second, how to effectively utilize the extracted cycle-end resistance data to determine whether face pressure is occurring. Most existing methods for extracting cycle-end resistance rely on fixed rules and empirical parameter values, which have low accuracy and poor adaptability in complex working face environments. To address this issue, an intelligent detection method for face pressure identification based on coal cutting cycles was proposed. Coal cutting cycle detection was transformed into a binary classification problem, using a support vector machine (SVM) classifier to intelligently detect the end time of coal cutting cycles, automatically identifying the end of each coal cutting cycle. After obtaining the end times of all coal cutting cycles, the cycle-end resistance data for each support was extracted. Data fusion was performed to generate a single sequence of data that reflects the overall pressure state of the working face. Face pressure identification was then made based on a pressure judgment formula. Experiments were conducted on hydraulic support working resistance data from a working face in a non-contiguous coal mine. The results showed that the proposed method had precision, recall, and F1 scores of 85.91%, 81.84%, and 83.83%, respectively, for coal cutting cycle detection, and precision, recall, and F1 scores of 79.43%, 78.76%, and 79.09%, respectively, for face pressure identification These results are superior to the sliding window extreme value method and threshold method, demonstrating significant advantages in cycle-end resistance identification and face pressure judgment.

  • “十四五”煤炭科技的发展目标是实现井下重点岗位机器人作业,大型煤机装备的智能化和可靠性水平大幅提升,控制系统与软件实现自主化[1-2]。在掘进工作面,煤矿井下光照强弱不均、高粉尘等增加了司机对掘进机截割臂控制的难度[3-4]。为了提高巷道断面自动成形质量,需要深入研究悬臂式掘进机智能截割控制[5-6],对于提高掘进工作面智能化水平具有重要意义[7]

    王苏彧等[8]探究了掘进机断面成形轨迹优化方法,采用基于知识库精简的多目标粒子群算法求得最优轨迹,但产生的曲折轨迹在实际运动中截割臂较难跟踪。田劼等[9]采用混合杂草优化(Invasive Weed Optimization,IWO)−粒子群优化(Particle Swarm Optimization,PSO)算法对掘进机截割轨迹进行优化,但是没有考虑负载情况下的断面成形精度。王旭启等[10]提出了一种基于模糊算法的掘进机截割机构变频控制策略,利用截割电动机电流对掘进机截割参数进行调整,但仅对控制策略进行了验证。谢亚洲[11]提出了一种悬臂式掘进机智能控制系统,该系统以DSP+CPLD为核心,实现了掘进机自适应煤岩截割,但延时较大。谢苗等[12]提出了一种基于神经网络和PID的智能调速系统,以压力为反馈对掘进机摆动速度进行调节,但安装在掘进机截齿上的压力传感器易损坏,难以应用于环境复杂的掘进工作面。毛清华等[13]提出了一种基于PID控制的悬臂式掘进机截割头位置控制方法,但采用无调速的位置控制方法在长时间运行后控制精度较差。张旭辉等[14]提出了一种悬臂式掘进机视觉伺服截割控制系统,利用视觉测量系统反馈截割头位姿,实现巷道断面截割成形,但未考虑截割过程中的自主调速。

    上述研究采用较为单一的控制方法且截割头以定速实现巷道断面截割,未综合考虑轨迹规划和自主调速控制,在复杂地质条件下较难提升井巷工程质量。因此,本文提出了一种悬臂式掘进机自主调速截割控制系统。通过分析截割头受到的反作用力和截割臂摆动速度之间的关系,对截割头加速度进行分层以获取目标截割臂摆动速度;利用运动学逆解计算截割头到达离散截割轨迹规划点所需的控制量,并采用模糊PID控制驱动截割头变速截割煤壁,从而提高巷道断面成形质量。

    悬臂式掘进机自主调速截割控制系统由MV−EMV510后置工业相机、MV−EMV130前置工业相机、激光指向仪、工控机、加速度传感器和红外LED标靶组成,如图1所示。

    图  1  悬臂式掘进机自主调速截割控制系统组成
    Figure  1.  Composition of boom-type roadheader autonomous speed regulation cutting control system

    悬臂式掘进机自主调速截割控制系统总体方案如图2所示。该系统主要包括破岩仿真模块、截割头定位模块、截割头轨迹规划模块、截割头运动控制模块和掘进机液压系统模块。通过截割头定位模块获取掘进机截割头位姿信息,根据破岩仿真模块得到的加速度分层结果,结合截割头轨迹规划模块计算得到的截割头到达离散截割轨迹规划点所需控制量,截割头运动控制模块生成运动指令并下发至掘进机液压系统进行动作执行,最终实现掘进机自主调速截割。

    图  2  悬臂式掘进机自主调速截割控制系统总体方案
    Figure  2.  Overall scheme of boom-type roadheader autonomous speed regulation cutting control system

    (1) 破岩仿真模块。利用SolidWorks软件建立截割头和煤壁的三维模型,将其导入ABAQUS软件后进行煤岩有限元分析,获得不同截割臂摆动速度下截割头受到的反作用力,利用k−means聚类方法进行分析后得到加速度分层结果。

    (2) 截割头定位模块。首先,后置工业相机采集3个激光指向仪发出的3条平行激光线,基于颜色分量的峰值聚类约束对激光束标靶图像进行分割,利用Hessian矩阵求解中心线像素的法线方向,最终基于泰勒展开进行特征提取和定位,构建基于三点三线特征的掘进机机身位姿测量模型[15],获得掘进机机身位姿信息。然后,通过前置相机采集红外LED标靶图像,利用高斯曲面拟合算法对特征点进行中心定位,使用P4P方法对特征点的空间坐标进行求解,利用对偶四元数最优位姿计算模型完成截割头位姿检测。最后,在已知掘进机机身位姿的基础上将截割头局部位姿转换为全局位姿,得到巷道坐标系下的截割头位姿。

    (3) 截割头轨迹规划模块。利用截割头碰撞检测模型提前规划合适的截割轨迹,多次离散化形成离散截割轨迹规划点。利用全局最优速度模型获取截割头到达离散截割轨迹规划点的速度,通过运动学逆解计算截割头到达离散截割轨迹规划点所需的截割臂回转弧度、抬升弧度和伸长量。

    (4) 截割头运动控制模块。包括截割头位置控制和截割臂自主调速控制:截割头位置控制利用视觉测量结果和目标之间的差值驱动截割头运动;截割臂自主调速控制根据加速度分层结果寻找对应的目标速度,使用模糊PID控制对截割臂摆动速度进行调节。

    掘进机截割煤壁过程中,由于截割头和煤壁之间发生不稳定的相互作用,会发生再生颤振,可通过改变截割臂摆动速度降低截割过程中产生的振动。通过模拟仿真获取截割臂不同摆动速度下截割头受到的反作用力,对截割头加速度划分等级,从而为自主调速截割控制提供数据反馈。

    (1) 基本假设。本文主要研究截割煤壁过程中截割头受到的反作用力与截割臂摆动速度之间的关系,为了更好地分析截割头掘进过程,作如下假设:① 将截割头视为整个刚体,不考虑变形和磨损。② 将煤层视为连续、均匀的介质。③ 破碎后的煤块可以快速离开截割头。

    (2) 材料准则及失效判据。在非线性仿真软件中,Drucker-Prager模型更适用于砂土、煤体等粒状材料,黏土类型的材料一般用修正剑桥模型。

    煤层失效的塑性应变判据为

    $$ {\varepsilon ^{\rm{p}}} \leqslant \varepsilon _{\rm{f}}^{{{\rm{p}}_1}} $$ (1)

    式中:${\varepsilon ^{\rm{p}}}$为岩石的等效塑性应变;$\varepsilon _{\rm{f}}^{{{\rm{p}}_1}}$为岩石完全失效时的等效塑性应变。

    岩石在弹性阶段的应力与应变之比可认为是线性关系,本构方程可表达为

    $$ \left\{ \begin{array}{l} {{\varepsilon _{{x}}} = \dfrac{1}{E}\left[ {{\sigma _x} - \mu \left( {{\sigma _y} + {\sigma _{\textit{z}}}} \right)} \right]} \\ {{\varepsilon _y} = \dfrac{1}{E}\left[ {{\sigma _y} - \mu \left( {{\sigma _{\textit{z}}} + {\sigma _x}} \right)} \right]} \\ {{\varepsilon _{\textit{z}}} = \dfrac{1}{E}\left[ {{\sigma _{\textit{z}}} - \mu \left( {{\sigma _x} + {\sigma _y}} \right)} \right]} \\ {\gamma _{y{\textit{z}}}} = \dfrac{{2\left( {1 + \mu } \right)}}{E}{\tau _{y{\textit{z}}}} \\ {\gamma _{{\textit{z}}x}} = \dfrac{{2\left( {1 + \mu } \right)}}{E}{\tau _{{\textit{z}}x}} \\ {\gamma _{xy}} = \dfrac{{2\left( {1 + \mu } \right)}}{E}{\tau _{xy}} \\ \end{array} \right. $$ (2)

    式中:${\varepsilon }_{x},{\varepsilon }_{{y}},{\varepsilon }_{{\textit{z}}}$为线应变分量;E为弹性模量;${\sigma }_{x},{\sigma }_{{y}},{\sigma }_{{\textit{z}}}$为线应力分量;$\mu$为泊松比;${\gamma }_{xy},{\gamma }_{y{\textit{z}}},{\gamma }_{{\textit{z}}x}$为角应变分量;${\tau }_{xy},{\tau }_{y{\textit{z}}},{\tau }_{{\textit{z}}x}$为角应力分量。

    截割头受到的反作用力与截割臂摆动速度之间的关系为

    $$ {\sigma _\text{τ} } = \mathop {\lim }\limits_{\Delta S \to 0} \frac{{ma}}{{\Delta S}} = \mathop {\lim }\limits_{\Delta S \to 0} \frac{F}{{\Delta S}} = \mathop {\lim }\limits_{\Delta S \to 0} \frac{{mv}}{{\Delta S\Delta t}} $$ (3)

    式中:${\sigma _\text{τ} }$为截割头受到的应力;m为掘进机质量;a为截割头瞬时加速度;$\Delta S$为单位面积;F为截割头受到的反作用力;v为截割臂摆动速度;Δt为单位时间。

    截割头截割煤壁碰撞检测可以简化为2个对象两两相交测试,为降低计算量,可以采用层次包围盒算法。该算法原理是用包围盒将物体封装起来,将物体之间的碰撞检测转换为包围盒之间的相交检测,若包围盒相交,则物体间可能发生碰撞。球形包围盒结构较为简单,优点是不受旋转变化的影响,适用于运动环境中的检测。建立球形包围盒实际就是计算球心坐标和半径,球心坐标即球形表面上各点坐标的均值,半径即球心与球形表面之间的距离。球形包围盒空间状态如图3所示,对于2个球形包围盒(c1c2分别为2个球形包围盒的圆心坐标,r1r2分别为2个球形包围盒的半径),若$\left| {{c_1} - {c_2}} \right| \leqslant {r_1} + {r_2}$,则可判断2个球形包围盒相交。

    图  3  球形包围盒空间状态
    Figure  3.  Space state of spherical bounding box

    采用球形包围盒对截割头进行预处理,为进一步提高包围盒的紧密性,本文使用双层包围盒的碰撞检测算法对移动中的截割头进行碰撞检测。

    使用层次包围盒树[16](Bounding Volume Hierarchy Based on Tree,BVT)进行分析,在有限元分析中,三维物体一般被划分为六边形和三角形。假定有一个由若干几何对象组成的集合R,集合R被认为是多边形模型的边界即截割头的边界。设BVT(R)是集合R的边界体积层次结构,每一个节点均属于该集合。BVT(R)满足以下条件:BVT(R)内部每个节点都有2个或多个子节点;BVT(R)内部任何一个节点下最大子节点数目的度称为树的度,记为$\delta $;在集合R中,叶节点数目$\lambda $和单个子集合相关联;BVT(R)的节点总数最多为$2\lambda - 1$,完整树的层次为${\log _\delta }\lambda $。离散取向多面体[17](k-Discrete Orientation Polytopes,k−DOPs)包围盒利用$\psi $个平面形成的凸多面体确定边界体积,多面体的平面由半空间确定,半空间的外向法线由固定的$\psi $个方向确定。截割头包围盒模型如图4所示。

    图  4  截割头包围盒模型
    Figure  4.  Cutting head bounding box model

    为了实现断面截割控制,针对常见的矩形巷道断面,采用改进S形截割路线,对关键路线多次离散化,形成离散截割轨迹规划点,并以离散截割轨迹规划点为目标,控制截割头运动。首先设定巷道的宽度和高度并用实线表示,截割过程中规划的理论边界用虚线表示;然后对掘进机截割头使用双层包围盒,第1层内部包围盒采用18−DOPs包围盒,第2层外层包围盒为球形包围盒;最后依照截割路线从断面底部钻进截割,按照离散截割轨迹规划点依次截割,并进行刷帮以降低两侧边界粗糙度,完成一次断面截割。矩形巷道断面轨迹规划如图5所示。

    图  5  矩形巷道断面轨迹规划
    Figure  5.  Rectangular roadway section trajectory planning

    将截割的煤壁定为集合A,截割头运动过程中经过的坐标点定义为集合B。集合A中的任意一个煤块都采用球形包围盒模型进行包络,集合B中截割头由于采用双层包围盒,位于外层的球形包围盒首先和集合A产生交集,由截割头碰撞检测模型进行判断,对截割臂摆动速度进行调整,之后内层18−DOPs包围盒和集合A产生交集,判断是否到达离散截割轨迹规划点。整个截割流程如下:

    步骤1:初始化。生成初始位置,设置初始速度。

    步骤2:更新解集。输入目标巷道宽和高、掘进机参数和煤层信息。计算最优值,生成离散截割轨迹规划点的四维数据。

    步骤3:选取局部最优。在截割过程中,若振动幅值超过阈值,则进行速度判定,进而局部调整速度。

    步骤4:更新速度和位置。基于离散截割轨迹规划点更新下一时刻的位置和速度。

    步骤5:判断是否达到终止条件。

    截割头定位的具体求解需要建立坐标系,如图6所示。${O_{\text{m}}}{X_{\text{m}}}{Y_{\text{m}}}{Z_{\text{m}}}$为断面坐标系,以断面底线的中点为坐标系原点Om${X_{\rm{m}}}$轴沿断面底部指向巷道右侧,${Z_{\rm{m}}}$轴沿断面中线竖直向上。${O_{\rm{c}}}{X_{\rm{c}}}{Y_{\rm{c}}}{Z_{\rm{c}}}$为相机坐标系,以相机光心为坐标系原点Oc,光轴为Zc轴。${O_{\rm{b}}}{X_{\rm{b}}}{Y_{\rm{b}}}{Z_{\rm{b}}}$为标靶坐标系,以标靶中心为坐标系原点${O_{\rm{b}}}$${Y_{\rm{b}}}$轴方向向下过标靶右下角特征点,${Z_{\rm{b}}}$轴方向与悬臂轴线方向重合。掘进机机身坐标系${O_0}{X_0}{Y_0}{Z_0}$与回转台坐标系${O_1}{X_1}{Y_1}{Z_1}$重合,以回转台中心为坐标系原点${O_0}$O1),X0${X_1}$)轴指向掘进机前进方向,Y0${Y_1}$)轴指向掘进机左侧。${O_2}{X_2}{Y_2}{Z_2}$为截割臂升降关节坐标系,${Z_2}$轴沿升降轴指向右侧,${X_2}$轴竖直向上。${O_3}{X_3}{Y_3}{Z_3}$为截割臂伸缩关节坐标系,${Z_3}$轴与${Y_2}$轴重合。${O_4}{X_4}{Y_4}{Z_4}$为截割头坐标系,以截割头末端中心为坐标系原点${O_4}$${Z_4}$轴与${Z_3}$轴重合。${O_5}{X_5}{Y_5}{Z_5}$为巷道坐标系,以巷道起点为坐标系原点${O_5}$,面向掘进方向垂直中线向右为${X_5}$轴,以底板垂直向上为${Z_5}$轴。

    图  6  坐标系建立
    Figure  6.  Establishment of coordinate system

    通过对离散截割轨迹规划点求逆解,可得截割头到达离散截割轨迹规划点所需的回转弧度、抬升弧度和伸长量。按照机器人运动学分析方法对截割臂进行运动学求解计算,可得截割头中心在掘进机机身坐标系中的位置模型:

    $$ \left\{ \begin{aligned} &{{\theta _1} = - \arctan \dfrac{{{o_x}}}{{{o_y}}}} \\ &{{\theta _2} = - \arctan \dfrac{{{\xi _{\textit{z}}}}}{{{\kappa _{\textit{z}}}}}} \\ &{d = \dfrac{{{\phi _x} + {w_1}{j_y} - {b_1}{\xi _x}}}{{{\kappa _x}}} - ({w_2} + {w_3})} \\ &{d = \dfrac{{{\phi _y} + {w_1}{j_x} - {b_2}{\xi _y}}}{{{\kappa _y}}} - ({w_2} + {w_3})} \\ &{d = \dfrac{{{\phi _{\textit{z}}} - {b_2}{\xi _{\textit{z}}} - {b_1}}}{{{\kappa _{\textit{z}}}}} - ({w_2} + {w_3})} \end{aligned} \right. $$ (4)

    式中:${\theta _1}$为截割臂回转角度;${o_x},{o_y}$为截割头水平移动距离在断面坐标系的分量;${\theta _2}$为截割臂抬升角度;${\xi _x},{\xi _y},{\xi _{\textit{z}}}$为截割头竖直移动距离在断面坐标系的分量;${\kappa _x},{\kappa _y},{\kappa _{\textit{z}}}$为截割头伸缩距离在断面坐标系的分量;d为截割头伸长量;${\phi _x},{\phi _y},{\phi _{\textit{z}}}$为截割头中心点在断面坐标系的分量;${w_1}$为机身回转台中心到截割臂靠近机身关节处的距离;${w_2}$为截割臂靠近机身关节处到截割臂伸缩油缸靠近机身端的距离;${w_3}$为截割臂伸缩油缸靠近机身端到截割头前端的距离;${b_1}$为截割头中心到机身回转台中心的距离;${b_2}$为回转台中心到地面之间的距离。

    为了有效控制悬臂式掘进机截割臂的摆动速度,需要建立全局最优速度模型。对该模型作如下假定:① 掘进机截割的煤壁均为软岩。② 目标断面形状为矩形。

    全局最优速度模型分为决策单元、目标和约束条件。

    对目标巷道断面进行网格划分,截割头到达离散截割轨迹规划点的理论速度构成集合,将该集合作为决策单元${G_\alpha }(\alpha = 1,2,\cdots,N$N为离散截割轨迹规划点的数量)。

    (1) 效率。掘进机截割整个巷道断面的耗时为掘进机截割头水平方向运动耗时与截割头垂直方向运动耗时之和。定义每个离散截割轨迹规划点之间的距离为u,则截割整个巷道断面所需时间为

    $$ t = \int\nolimits_0^N {\frac{1}{{{G_\alpha }}}} {\rm{d}}u $$ (5)

    效率目标函数为

    $$ f\left( t \right) = \int\nolimits_0^N {\frac{1}{{{G_\alpha }}}} {\rm{d}}u $$ (6)

    (2) 反作用力。作用于质点的力可以分为彻体力和面力2类。设在介质内部有某一点,并在其周围有体元$\Delta \eta $,作用于该体元的总彻体力为P。该点的单位体积彻体力为

    $$ \Delta P = \mathop {\lim }\limits_{\Delta \eta \to 0} \frac{P}{{\Delta \eta }} $$ (7)

    截割头受到的反作用力为

    $$ F = {p_{\rm{k}}}\left[ {{{{k}}_{\text{t}}}{{{k}}_{\text{v}}}{{{k}}_{\text{g}}}(0.25 + 0.018{s_i}{h_i}) + 0.1{D_{\rm{d}}}} \right] $$ (8)

    式中:${p_{\rm{k}}}$为被截割煤岩的接触强度;${{{k}}_{\rm{t}}}$为镐形截齿齿形影响系数,对于旋转截割,取1.5;${{{k}}_{\rm{v}}}$为镐形截齿几何形状影响系数,取0.95;${{{k}}_{\text{g}}}$为截齿的截角影响系数,取0.65;${s_i}$为第i个截齿的截线间距;${h_i}$为第i个截齿处于任意位置时的切削厚度;${D_{\rm{d}}}$为截齿的后刃面在牵引力方向的投影面积。

    $$ {h_i} = \frac{{1\;000v}}{{nj}}\sin {\varphi _i} $$ (9)

    式中:n为截割头转速;j为同一截线上的截齿数;${\varphi _i}$为第i个截齿的位置角。

    反作用力目标函数为

    $$ f(F) = {p_{\rm{k}}}\left[ {{{{k}}_{\text{t}}}{{{k}}_{\text{v}}}{{{k}}_{\text{g}}}\left(0.25 + 18{s_i}\frac{v}{{nj}}\sin {\varphi _i}\right) + 0.1{D_{\rm{d}}}} \right] $$ (10)

    当截割臂摆动速度最大时,效率目标函数值最优;当截割臂摆动速度最小时,反作用力目标函数值最优。

    对截割臂摆动速度进行优化时,需要对目标函数添加约束条件:截割头有效直径应不大于截割头带截齿时的最大直径;截割臂摆动速度应小于由于较大振动导致截割头位姿测量结果产生较大误差对应的摆动速度;掘进机每次循环进刀距离小于掘进机截割臂最大伸长量;煤岩坚固性系数不大于4;巷道宽度应小于视觉测量截割头摆动距离最大值。

    PID控制算法具有稳定性好、结构简单等特点,在工业控制领域得到广泛应用。PID控制算法根据误差的比例、积分和微分计算出系统所需控制量,得到最优的控制参数:

    $$ u(t) = {K_{\rm{p}}}e(t) + {K_{\rm{i}}}\int_0^t {e(t){\rm{d}}t + {K_{\rm{d}}}} \frac{{{\rm{d}}e(t)}}{{{\rm{d}}t}} $$ (11)

    式中:${K_{\text{p}}}$${K_{\rm{i}}}$${K_{\rm{d}}}$分别为比例、积分、微分系数;$e(t)$为误差信息,t为时间。

    面对掘进机截割煤壁的复杂运行环境,PID控制算法抗干扰能力较差[18],需要调节参数,因此采用模糊PID控制算法。以截割臂当前摆动速度与预设速度的偏差e和本次速度偏差与上次速度偏差的变化量$\Delta e$作为输入量,以比例、积分和微分系数的增量$ \Delta {K_{\rm{p}}} $$ \Delta {K_{\rm{i}}} $$ \Delta {K_{\rm{d}}} $作为输出量,通过动态改变PID控制参数,实现不同工况下截割臂摆动速度调节。模糊PID控制原理如图7所示。

    图  7  模糊PID控制原理
    Figure  7.  Fuzzy PID control principle

    通过不同速度要求下输入量的量化因子,将精确值转换为模糊值。

    $$ J(e) = \frac{{6e}}{{{v_{\max }} - {v_{\min }}}} $$ (12)

    式中:$ J(e) $为速度偏差模糊值;$ {v_{\max }} $为最大设定速度;$ {v_{\min }} $为最小设定速度。

    $$ J(\Delta e) = \frac{{6\Delta e}}{{2({v_{\max }} - {v_{\min }})}} $$ (13)

    式中$ J(\Delta e) $为速度偏差变化量模糊值。

    根据建立的模糊控制规则(表1)和输入量的模糊结果,推理出输出量对应的模糊语言子集。

    表  1  模糊控制规则
    Table  1.  Fuzzy control rules
    $\Delta e$e
    NBNMNSZOPSPMPB
    NBPB/NB/PSPB/NB/NSPM/NM/NBPM/NM/NBPS/NS/NBZO/ZO/NMZO/ZO/PS
    NMPB/NB/PSPB/NB/NSPM/NM/NBPS/NS/NMPS/NS/NMZO/ZO/NSNS/ZO/ZO
    NSPM/NB/ZOPM/NM/NSPM/NS/NMPS/NS/NMZO/ZO/NSNS/PS/NSNS/PS/ZO
    ZOPM/NM/ZOPM/NM/NSPS/NS/NSZO/ZO/NSNS/PS/NSNM/PM/NSNM/PM/ZO
    PSPS/NM/ZOPS/NS/ZOPS/ZO/ZOZO/PS/ZONS/PS/ZONM/PM/ZONM/PB/ZO
    PMPS/ZO/PBZO/ZO/NSNS/PS/PSNM/PS/PSNM/PM/PSNM/PB/PSNB/PB/PB
    PBZO/ZO/PBZO/ZO/PMNM/PS/PMNM/PM/PMNM/PM/PSNB/PB/PSNB/PB/PS
    下载: 导出CSV 
    | 显示表格

    将输出量的量化值转换为模糊PID控制算法的实际参数,根据速度偏差调节截割臂摆动速度,实现截割臂摆动速度的动态调整。

    $$ \begin{split} & \\ u(t) =& ({K_{\rm{p}}} + \Delta {K_{\rm{p}}})e(t) + \\ & ({K_{\rm{i}}} + \Delta {K_{\rm{i}}})\int_0^t {e(t){\rm{d}}t + ({K_{\rm{d}}} + \Delta {K_{\rm{d}}})\frac{{{\rm{d}}e(t)}}{{{\rm{d}}t}}} \end{split} $$ (14)

    在SolidWorks软件中建立尺寸(长×宽×高)为4 000 mm×2 000 mm×3 000 mm的煤层和截割头三维模型,将其转为SAT格式文件后导入ABAQUS中,并进行网格划分,如图8所示。

    图  8  煤层和截割头的三维模型网格
    Figure  8.  Three-dimensional model grid of coal seam and cutting head

    截割头材料为钢,密度为$7.8 \times {10^{ - 9}}$ kg/m3,弹性模量为2.1×105 Pa,泊松比为0.3。煤层具体参数见表2

    表  2  煤层参数
    Table  2.  Coal seam parameters
    密度/
    $ (\mathrm{k}\mathrm{g}\cdot {\mathrm{m}}^{-3}) $
    内摩擦角/
    (°)
    流变
    应力比
    膨胀角/
    (°)
    屈服应力/
    Pa
    弹性模量/
    Pa
    泊松比
    $1.4 \times {10^{ - 9}}$47.7313526.72 3750.26
    下载: 导出CSV 
    | 显示表格

    将截割臂摆动速度分别设置为0.10,0.15,0.20,0.25,0.30 m/s,仿真不同截割臂摆动速度下截割头受到的反作用力,结果如图9所示。可看出掘进机截割头在截割煤壁过程中会受到变化的反作用力,导致截割头产生较大振动。

    图  9  不同截割臂摆动速度下截割头受到的反作用力
    Figure  9.  Reaction force of cutting head under different swing speed of cutting arm

    对不同截割臂摆动速度下截割头受到的平均反作用力数据进行滤波处理后,利用k−means算法对数据进行聚类分析,相同摆动速度下抽取5组数据,将数据按照摆动速度从大到小的顺序依次编号,编号和速度对应关系见表3

    表  3  编号和速度对应关系
    Table  3.  Mapping between number and speed
    编号速度/(m·s−1
    1—50.30
    6—100.25
    11—150.20
    16—200.15
    21—250.10
    下载: 导出CSV 
    | 显示表格

    设置k−means聚类的簇数为5,计算得到5个聚类中心,如图10所示。当加速度为0~1.3 m/s2时,截割臂摆动速度为0.30 m/s;当加速度为1.3~2.0 m/s2时,截割臂摆动速度为0.25 m/s;当加速度为2.0~2.8 m/s2时,截割臂摆动速度为0.20 m/s;当加速度为2.8~3.5 m/s2时,截割臂摆动速度为0.15 m/s;当加速度为3.5~4.5 m/s2时,截割臂摆动速度为0.10 m/s。

    图  10  聚类结果
    Figure  10.  Clustering results

    为验证截割臂在产生较大振动时能够及时调整摆动速度,对模糊PID控制方法进行仿真,观察截割臂摆动速度变化情况。通过Matlab中Simulink模块构建掘进机截割臂仿真模型,分别采用PID控制和模糊PID控制对模型进行仿真(幅值从0到1变化模拟速度信号的变化),结果如图11所示。可看出采用模糊PID控制可使模型在波动较小、无超调、调节时间较短情况下达到稳定状态,在控制精度较高、响应速度较快的情况下保证掘进机截割臂摆动速度达到目标值。

    图  11  PID控制和模糊PID控制效果对比
    Figure  11.  Effect comparison of PID control and fuzzy PID control

    为验证掘进机自主调速截割控制的可行性,构建悬臂式掘进机虚拟调速截割控制实验平台,如图12所示,该平台由本地控制模块、远程虚拟模块和振动模块组成。

    图  12  悬臂式掘进机虚拟调速截割控制实验平台
    Figure  12.  Experimental platform of boom-type roadheader virtual speed regulation cutting control

    振动模块中的加速度传感器采集的振动信号经解析后传输至本地控制模块。本地控制模块中防爆计算机上安装基于VS+QT开发的自主调速截割控制系统,在程序的管理员界面上输入目标巷道宽度、高度和煤层地质条件等初始参数,保存后完成程序的初始化操作。本地控制模块接收到振动模块发来的信号后,经过计算输出控制指令并通过MQTT通信协议传递给远程虚拟模块。远程虚拟模块基于Unity3D平台开发,接收到本地控制模块发送的数据后,驱动虚拟掘进机模型截割臂按照控制指令移动,同时虚拟掘进机模型反馈截割头实时位姿数据到本地控制模块,不断循环以上步骤,最终实现掘进机自主调速截割控制。

    参考实际工况,设置巷道宽度为3 000 mm,高度为3 000 mm,每次截割深度为400 mm,岩石坚固性系数为2,${w_1}$=776 mm,${w_2}$=2 441 mm,${w_3}$=2 305 mm,${b_1}$=297 mm,${b_2}$=1 613 mm。通过运动学逆解计算可获得截割头到达离散截割轨迹规划点所需的回转弧度、抬升弧度和伸长量等信息,结合获取的速度信息,得到离散截割轨迹规划点的四维数据,见表4

    表  4  离散截割轨迹规划点的四维数据
    Table  4.  Four-dimensional data of discrete cutting trajectory planning points
    回转弧度/rad抬升弧度/rad伸长量/mm速度/(m·s−1)
    0.220−1.289656.40.3
    0−1.282535.70.3
    −0.220−1.289656.40.3
    −0.220−1.397542.70.3
    0−1.393418.90.3
    0.220−1.397542.70.3
    0.220−1.510483.80.3
    0−1.508358.40.3
    −0.220−1.510483.80.3
    −0.220−1.624482.00.3
    0−1.626356.50.3
    0.220−1.624482.00.3
    0.220−1.737537.30.3
    0−1.742413.40.3
    −0.220−1.737537.30.3
    下载: 导出CSV 
    | 显示表格

    振动模块采集到的截割头加速度和本地控制模块输出的截割臂摆动速度如图13所示。可看出截割头开始截割时,加速度发生突变,截割臂摆动速度可以及时准确地随着截割头加速度的变化调整到目标摆动速度。

    图  13  模拟截割结果
    Figure  13.  Simulated cutting results

    设置3种不同截面面积的巷道:1号巷道宽度为4 000 mm,高度为3 000 mm;2号巷道宽度为4 000 mm,高度为2 500 mm;3号巷道宽度为3 000 mm,高度为2 500 mm。采用定速截割控制和自主调速截割控制分别对3种巷道进行截割,实验结果见表5(为模拟真实情况下从控制指令下发到截割头运动之间的通信延迟,将远程虚拟模块获取当前截割头信息的脚本刷新频率设置为400 ms)。可看出相对于定速截割控制,使用自主调速截割控制完成的巷道断面宽度规格偏差降低了37%,高度规格偏差降低了17%。根据煤炭行业标准MT/T 5009—1994《煤矿井巷工程质量检验评定标准》的规定,掘进过程中巷道宽度规格偏差是无中线测全宽距离在−50~+250 mm为合格,0~+200 mm为优良,巷道高度规格偏差是无腰线测全高距离在−50~+250 mm为合格,0~+250 mm为优良,实验数据基本符合要求。

    表  5  巷道断面截割实验结果
    Table  5.  Experimental results of roadway section cutting
    巷道实验次数定速截割控制自主调速截割控制
    巷道宽度/
    mm
    巷道高度/
    mm
    巷道宽度/
    mm
    巷道高度/
    mm
    1号14 2763 2604 1723 245
    24 2653 2404 1513 180
    34 2423 2554 1683 204
    2号14 2402 7504 1622 694
    24 2612 7354 1552 715
    34 2472 7424 1682 707
    3号13 2412 7403 1402 690
    23 2322 7433 1482 682
    33 2462 7603 1622 680
    下载: 导出CSV 
    | 显示表格

    (1) 利用非线性仿真软件分析了掘进机截割煤壁过程中截割头受到的反作用力和截割臂摆动速度之间的关系,得到截割臂摆动速度和截割头加速度之间的关系,对截割头加速度进行分层,以便根据加速度分层结果寻找对应的目标速度。

    (2) 以截割头碰撞检测模型为基础,构造采用改进S形截割路线设计的离散截割轨迹规划点,利用全局最优速度模型求解截割头运动至离散截割轨迹规划点的速度,利用运动学逆解计算获得截割头到达离散截割轨迹规划点所需的控制量,并通过模糊PID控制驱动截割头完成断面截割。

    (3) 搭建掘进机虚拟调速截割控制实验平台进行巷道断面截割实验,结果表明,采用自主调速截割控制的断面成形质量较高,宽度规格偏差降低了37%,高度规格偏差降低了17%,满足MT/T 5009—1994巷道成形质量要求。

  • 图  1   压力状态序列对比

    Figure  1.   Comparison of stress state sequences

    表  1   割煤循环检测实验结果

    Table  1   Experimental results of coal cutting cycle detection %

    方法精确率召回率F1分数
    滑动窗口极值法57.8955.1356.48
    阈值法82.8655.9966.83
    本文方法85.9181.8483.83
    下载: 导出CSV

    表  2   来压判识实验结果

    Table  2   Experimental results of face pressure identification %

    方法精确率召回率F1分数
    滑动窗口极值法77.5976.6877.13
    阈值法64.4665.1264.79
    本文方法79.4378.7679.09
    下载: 导出CSV
  • [1] 罗香玉,杜浩,华颖,等. 一种煤矿顶板灾害防治知识图谱构建方法[J]. 工矿自动化,2024,50(6):54-60.

    LUO Xiangyu,DU Hao,HUA Ying,et al. A method for constructing a knowledge graph of coal mine roof disaster prevention and control[J]. Journal of Mine Automation,2024,50(6):54-60.

    [2] 赵亚军,张志男,贾廷贵. 2010—2021年我国煤矿安全事故分析及安全对策研究[J]. 煤炭技术,2023,42(8):128-131.

    ZHAO Yajun,ZHANG Zhinan,JIA Tinggui. Analysis of coal mine safety accidents and research on safety countermeasures in China from 2010 to 2021[J]. Coal Technology,2023,42(8):128-131.

    [3] 赵丽娟,李迎,吕文陵,等. 基于灰色关联分析法的煤矿顶板事故研究及防治[J]. 矿业安全与环保,2024,51(6):54-62.

    ZHAO Lijuan,LI Ying,LYU Wenling,et al. Research and prevention of coal mine roof accident based on grey correlation analysis[J]. Mining Safety & Environmental Protection,2024,51(6):54-62.

    [4] 王昊,李杰,郑闯凯,等. 煤矿采场顶板灾害预警技术研究进展及展望[J]. 矿业安全与环保,2024,51(2):46-52.

    WANG Hao,LI Jie,ZHENG Chuangkai,et al. Research progress and prospect of early warning technology of coal mine stope roof disaster[J]. Mining Safety & Environmental Protection,2024,51(2):46-52.

    [5] 李宏扬. 液压支架加载形式研究及其强度分析[D]. 阜新:辽宁工程技术大学,2022.

    LI Hongyang. Study of hydraulic support loading form and its strength analysis[D]. Fuxin:Liaoning Technical University,2022.

    [6] 吴士良,杨路林. 支架工作阻力大数据分析系统[J]. 工矿自动化,2017,43(11):86-89.

    WU Shiliang,YANG Lulin. Big data analysis system of working resistance of support[J]. Industry and Mine Automation,2017,43(11):86-89.

    [7] 中煤科工集团重庆研究院有限公司. 基于综采工作面液压支架压力数据的周期来压判识方法:CN202411270215.5[P]. 2024-09-11.

    CCTEG Chongqing Research Institute. Method for pressure judgment based on the cycle of hydraulic support pressure data in comprehensive mining working face:CN202411270215.5[P]. 2024-09-11.

    [8] 余琼芳,杨鹏飞,唐高峰. 基于LSTM-Informer模型的液压支架压力时空多步长预测[J]. 工矿自动化,2024,50(6):30-35.

    YU Qiongfang,YANG Pengfei,TANG Gaofeng. Spatiotemporal multi-step prediction of hydraulic support pressure based on LSTM-Informer model[J]. Journal of Mine Automation,2024,50(6):30-35.

    [9] 王志奎. 基于支架工作阻力大数据的工作面区域矿压预测技术研究[D]. 青岛:山东科技大学,2018.

    WANG Zhikui. Research on prediction technology of mining area pressure based on large data of support working resistance[D]. Qingdao:Shandong University of Science and Technology,2018.

    [10] 连东辉,袁瑞甫,崔科飞,等. 综采工作面自动化生产工艺研究与应用 [J/OL]. 煤炭科学技术:1-11[2024-11-24]. http://kns.cnki.net/kcms/detail/11.2402.TD.20240613.1512.005.html.

    LIAN Donghui,YUAN Ruifu,CUI Kefei,et al. Research and application of automatic production technology of fully mechanized Longwall working face for complex condition coal seam[J/OL]. Coal Science and Technology:1-11[2024-11-24]. http://kns. cnki.net/kcms/detail/11.2402.TD.20240613.1512.005.html.

    [11] 冯银辉,宋阳,李务晋,等. 基于支架数据优化的工作面矿压预测模型研究[J]. 煤炭工程,2023,55(6):101-107.

    FENG Yinhui,SONG Yang,LI Wujin,et al. Mine pressure prediction model for fully mechanized working face based on data optimization of hydraulic support[J]. Coal Engineering,2023,55(6):101-107.

    [12] 卢国志,胡斐,李鑫,等. 液压支架实时压力数据自动提取与动态分析方法研究[J]. 煤炭工程,2023,55(3):120-126.

    LU Guozhi,HU Fei,LI Xin,et al. A method for automatic extraction and dynamic analysis of real-time pressure data of hydraulic support[J]. Coal Engineering,2023,55(3):120-126.

    [13] 尹希文,徐刚,刘前进,等. 基于支架载荷的矿压双周期分析预测方法[J]. 煤炭学报,2021,46(10):3116-3126.

    YIN Xiwen,XU Gang,LIU Qianjin,et al. Method of double-cycle analysis and prediction for rock pressure based on the support load[J]. Journal of China Coal Society,2021,46(10):3116-3126.

    [14] 陈毅琪,刘长友,刘锦荣,等. 时空特征统一建模的支架阻力连续性分类及来压特征研究[J]. 采矿与安全工程学报,2024,41(6):1202-1211.

    CHEN Yiqi,LIU Changyou,LIU Jinrong,et al. Support pressure continuity classification and mine pressure characteristics by unifying spatiotemporal characteristics modeling[J]. Journal of Mining & Safety Engineering,2024,41(6):1202-1211.

    [15] 杨柯,熊祖强,王春,等. 综采工作面液压支架阻力精准采集及分析技术研究[J]. 中国煤炭,2024,50(12):131-139.

    YANG Ke,XIONG Zuqiang,WANG Chun,et al. Research on precise acquisition and analysis technology of hydraulic support resistance in fully mechanized mining face[J]. China Coal,2024,50(12):131-139.

    [16] 中煤科工开采研究院有限公司,阳泉煤业(集团)有限责任公司. 工作面液压支架初撑力与循环末阻力的判识方法和系统:202011056466.5[P]. 2020-09-30.

    CCTEG Coal Mining Research Institute,Yangquan Coal (Group) Co. ,Ltd. Method and system for identifying the initial support force and the resistance at the end of the cycle of the hydraulic support of the working face:202011056466.5[P]. 2020-09-30.

    [17]

    CORTES C,VAPNIK V. Support-vector networks[J]. Machine Learning,1995,20(3):273-297.

    [18]

    LI Haodong. An overview on remote sensing image classification methods with a focus on support vector machine[C]. International Conference on Signal Processing and Machine Learning,Stanford,2021:50-56.

    [19] 潘黎明. 基于综合分析法的大采高综放采场来压特征研究[J]. 煤炭科学技术,2015,43(8):60-66.

    PAN Liming. Study on roof weighting features of high cutting height fully-mechanized top coal caving mining face based on comprehensive analysis method[J]. Coal Science and Technology,2015,43(8):60-66.

    [20] 路建军,周宏范,冯明,等. 综采工作面来压步距预测及修正方法研究[J]. 煤炭工程,2022,54(11):118-123.

    LU Jianjun,ZHOU Hongfan,FENG Ming,et al. Prediction and correction method of weighting interval for fully mechanized mining face[J]. Coal Engineering,2022,54(11):118-123.

    [21] 王巍,王文,张广杰. 神东矿区浅埋大采高工作面支架−围岩耦合关系及支架适用性研究[J]. 河南理工大学学报(自然科学版),2025,44(2):32-41.

    WANG Wei,WANG Wen,ZHANG Guangjie. Study on the coupling relationship between support and surrounding rock and the applicability of support in shallow buried high mining faces of the Shendong Mining Area[J]. Journal of Henan Polytechnic University (Natural Science),2025,44(2):32-41.

  • 期刊类型引用(9)

    1. 马广伟. 基于PID控制器参数优化的煤矿智能掘进机自动控制研究. 能源与环保. 2025(01): 194-198+206 . 百度学术
    2. 马宏伟,孙思雅,王川伟,毛清华,薛旭升,刘鹏,田海波,王鹏,张烨,聂珍,马柯翔,郭逸风,张恒,王赛赛,李烺,苏浩,崔闻达,成佳帅,喻祖坤. 论“掘进就是掘模型”的学术思想. 煤炭学报. 2025(01): 661-675 . 百度学术
    3. 许向前,简阔,王宁,李胜利. 考虑煤岩硬度的悬臂式掘进机截割控制. 工矿自动化. 2024(04): 153-158 . 本站查看
    4. 李国栋. 掘进机截割路径优化与动力学分析. 机械管理开发. 2024(04): 216-218 . 百度学术
    5. 马宏伟,王赛赛,王川伟,薛力猛,张恒,孙思雅. 短横轴截割机器人直墙拱形巷道自动成形控制方法. 西安科技大学学报. 2024(03): 418-429 . 百度学术
    6. 毛清华,陈彦璋,马骋,王川伟,张飞,柴建权. 基于模糊神经网络PID的煤矿掘进机俯仰控制研究. 工矿自动化. 2024(08): 135-143 . 本站查看
    7. 王建皓. EBH360悬臂式掘进机截割臂结构优化研究. 今日制造与升级. 2024(10): 127-129 . 百度学术
    8. 李申龙. 煤矿巷道掘进机液压系统随机振动负载控制技术. 液压气动与密封. 2024(12): 61-67 . 百度学术
    9. 刘晓军. 悬臂式掘进机自动调速控制技术的研究. 自动化应用. 2023(17): 53-56 . 百度学术

    其他类型引用(2)

图(1)  /  表(2)
计量
  • 文章访问数:  14
  • HTML全文浏览量:  2
  • PDF下载量:  2
  • 被引次数: 11
出版历程
  • 收稿日期:  2025-02-26
  • 修回日期:  2025-03-19
  • 网络出版日期:  2025-03-23
  • 刊出日期:  2025-03-14

目录

/

返回文章
返回