本發(fā)明屬于采煤機(jī)控制，具體涉及一種復(fù)雜工況下采煤機(jī)截割傳動(dòng)系統(tǒng)自適應(yīng)控制系統(tǒng)及方法。

背景技術(shù)：

1、煤炭是我國的基礎(chǔ)能源，煤礦采煤機(jī)械化程度達(dá)到85％，掘進(jìn)機(jī)械化程度達(dá)到65％，科技創(chuàng)新對(duì)行業(yè)發(fā)展貢獻(xiàn)率進(jìn)一步提高，煤礦信息化、智能化建設(shè)取得新進(jìn)展，建成一批先進(jìn)高效的智慧煤礦。因此，對(duì)采煤裝備的機(jī)械化、自動(dòng)化及工況自適應(yīng)性提出了更高的要求。

2、由于地下煤層復(fù)雜多變，煤層中含有強(qiáng)度較高的巖石夾矸、硬質(zhì)包裹體、巖石斷層等，使得作用在滾筒的外載荷具有隨機(jī)性、強(qiáng)沖擊等特點(diǎn)，易導(dǎo)致截割傳動(dòng)系統(tǒng)動(dòng)載荷增加，使采煤機(jī)截割部成為整機(jī)薄弱的部分之一。由于截割環(huán)境復(fù)雜，實(shí)現(xiàn)采煤機(jī)的可靠運(yùn)行和高效生產(chǎn)是采煤機(jī)自動(dòng)化、無人化的必然要求。當(dāng)煤層性質(zhì)變化時(shí)可調(diào)整的運(yùn)動(dòng)參數(shù)為滾筒高度和牽引速度，但現(xiàn)有技術(shù)并未實(shí)現(xiàn)截割滾筒調(diào)速；不同截割工況下，當(dāng)牽引速度在較大范圍內(nèi)變化時(shí)，滾筒恒速截割很難保證采煤機(jī)處于截割能力強(qiáng)、截割比能耗小、生產(chǎn)率高等綜合性能最佳的工作狀態(tài)。因此，采煤機(jī)在無人操作的條件下，因此，有必要通過采煤機(jī)滾筒的變速截割及截割-牽引運(yùn)動(dòng)參數(shù)的協(xié)調(diào)控制來實(shí)現(xiàn)不同截割工況下最優(yōu)的采煤綜合性能

3、目前，已有學(xué)者在風(fēng)電、軋機(jī)等領(lǐng)域通過主動(dòng)控制來減小由外部載荷突變引起的機(jī)電傳動(dòng)系統(tǒng)疲勞載荷，即通過設(shè)計(jì)阻尼控制器在原發(fā)電機(jī)/電動(dòng)機(jī)轉(zhuǎn)矩的基礎(chǔ)上疊加補(bǔ)償轉(zhuǎn)矩，以增大傳動(dòng)鏈的電氣阻尼。部分學(xué)者建立了基于帶通濾波器(bpf)的扭振阻尼控制器以抑制外部載荷突變引起的風(fēng)電齒輪傳動(dòng)系統(tǒng)沖擊載荷和避開因扭轉(zhuǎn)振動(dòng)引起的傳動(dòng)鏈共振，提出了以發(fā)電機(jī)轉(zhuǎn)速為反饋信號(hào)，基于bpf的系統(tǒng)疲勞載荷主動(dòng)控制策略，以抑制系統(tǒng)的多個(gè)共振頻率。然而，當(dāng)被控對(duì)象存在模型參數(shù)擾動(dòng)和不確定性因素時(shí)，基于bpf的阻尼控制器的穩(wěn)定性以及其對(duì)傳動(dòng)系統(tǒng)疲勞載荷的抑制性能將受到影響。針對(duì)上述控制器存在的不足，有學(xué)者以發(fā)電機(jī)轉(zhuǎn)速為反饋信號(hào)，建立了基于被控對(duì)象模型的阻尼控制器，采用卡爾曼濾波器估計(jì)系統(tǒng)的氣動(dòng)轉(zhuǎn)矩載荷；然而，該方法依賴較為精確的傳動(dòng)系統(tǒng)參數(shù)，實(shí)際上機(jī)電傳動(dòng)系統(tǒng)結(jié)構(gòu)復(fù)雜且參數(shù)時(shí)變，難以獲得精確的系統(tǒng)參數(shù)。為了解決以上方法的不足，目前已有學(xué)者將不依賴被控對(duì)象的精確數(shù)學(xué)模型且可對(duì)系統(tǒng)參數(shù)擾動(dòng)進(jìn)行自動(dòng)補(bǔ)償?shù)淖钥箶_控制技術(shù)應(yīng)用到軋機(jī)、風(fēng)電傳動(dòng)系統(tǒng)扭振抑制領(lǐng)域，但這些研究在建模時(shí)均將復(fù)雜的傳動(dòng)系統(tǒng)簡化為慣性質(zhì)量模型，僅考慮軸系扭轉(zhuǎn)振動(dòng)，并沒有建立包括齒輪在內(nèi)的動(dòng)力學(xué)模型，無法考慮齒輪時(shí)變嚙合剛度和齒輪傳動(dòng)系統(tǒng)的動(dòng)載荷，且無法分析時(shí)變參數(shù)對(duì)自抗擾控制器性能的影響。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的問題，提供了一種復(fù)雜工況下采煤機(jī)截割傳動(dòng)系統(tǒng)自適應(yīng)控制系統(tǒng)及方法，能夠在復(fù)雜截割工況下有效抑制動(dòng)載荷沖擊能量，并實(shí)現(xiàn)系統(tǒng)參數(shù)自適應(yīng)調(diào)整的控制方法以及控制系統(tǒng)，以提高采煤機(jī)在復(fù)雜截割工況下的安全性和生產(chǎn)效率。

2、為解決以上技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種復(fù)雜工況下采煤機(jī)截割傳動(dòng)系統(tǒng)自適應(yīng)控制系統(tǒng)，包括：樣本構(gòu)建模塊、自適應(yīng)轉(zhuǎn)矩補(bǔ)償控制器、疊加模塊、以及截割電機(jī)轉(zhuǎn)速調(diào)整模塊；

3、所述樣本構(gòu)建模塊，用于計(jì)算截割電機(jī)實(shí)際轉(zhuǎn)速與截割傳動(dòng)系統(tǒng)高速級(jí)齒輪轉(zhuǎn)速之差；基于轉(zhuǎn)速之差、以及對(duì)應(yīng)的控制器輸出補(bǔ)償轉(zhuǎn)矩構(gòu)建訓(xùn)練樣本數(shù)據(jù)集；

4、所述自適應(yīng)轉(zhuǎn)矩補(bǔ)償控制器，用于輸出控制器輸出補(bǔ)償轉(zhuǎn)矩，利用樣本數(shù)據(jù)集訓(xùn)練自適應(yīng)轉(zhuǎn)矩補(bǔ)償控制神經(jīng)網(wǎng)絡(luò)，在訓(xùn)練過程中引入動(dòng)態(tài)調(diào)節(jié)因子，動(dòng)態(tài)調(diào)整控制器輸出；自適應(yīng)轉(zhuǎn)矩補(bǔ)償控制器包括二階非線性自抗擾轉(zhuǎn)矩模塊、自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)模糊模塊、bp神經(jīng)網(wǎng)絡(luò)；

5、二階非線性自抗擾轉(zhuǎn)矩模塊包括跟蹤微分器、擴(kuò)張狀態(tài)觀測器、以及非線性誤差反饋律模塊；二階非線性自抗擾轉(zhuǎn)矩模塊引入動(dòng)態(tài)調(diào)節(jié)因子來增強(qiáng)自抗擾控制器的適應(yīng)性和魯棒性，動(dòng)態(tài)調(diào)節(jié)因子根據(jù)系統(tǒng)的運(yùn)行狀態(tài)和外部擾動(dòng)動(dòng)態(tài)調(diào)整控制輸出；自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)模糊模塊，用于提高二階非線性自抗擾轉(zhuǎn)矩控制器的工況自適應(yīng)能力，并獲得不同煤巖沖擊下的截割傳動(dòng)系統(tǒng)專家控制規(guī)則，根據(jù)工況變化產(chǎn)生自適應(yīng)調(diào)整量δte；bp神經(jīng)網(wǎng)絡(luò)，對(duì)二階非線性自抗擾轉(zhuǎn)矩控制器中nlsef和eso的參數(shù)進(jìn)行優(yōu)化；

6、所述疊加模塊，將控制器輸出補(bǔ)償轉(zhuǎn)矩疊加pi控制器輸出轉(zhuǎn)矩，得到轉(zhuǎn)矩之和；

7、所述截割電機(jī)轉(zhuǎn)速調(diào)整模塊，將轉(zhuǎn)矩之和作為電機(jī)控制器輸入，獲得電機(jī)控制器輸出量，依據(jù)該輸出量實(shí)時(shí)調(diào)整截割電機(jī)轉(zhuǎn)速。

8、進(jìn)一步地，前述的蹤微分器，被配置執(zhí)行如下動(dòng)作，為輸入信號(hào)安排過渡過程：

9、

10、式中，t為采樣步長；r為速度因子；d＝rh0；h0為濾波因子，ω11為過渡后的輸入信號(hào)，ω22為ω11的微分，fst為最速控制綜合函數(shù)；

11、所述擴(kuò)張狀態(tài)觀測器，被配置執(zhí)行如下動(dòng)作：

12、

13、式中，y(k)為系統(tǒng)輸出；e(k)為擴(kuò)張狀態(tài)觀測器觀測輸出與系統(tǒng)輸出的差值；β1，β2，β3為常數(shù)；α1，α2，α3為非線性參數(shù)，均為正值

14、所述非線性誤差反饋控制律模塊，被配置執(zhí)行如下動(dòng)作：

15、

16、式中，β4和β5分別為比例因子和微分因子。

17、進(jìn)一步地，前述的動(dòng)態(tài)調(diào)節(jié)因子包括變化率因子、α，擾動(dòng)因子β，誤差因子γ；其中γ＝|e|，e為控制誤差，將變化率因子、α，擾動(dòng)因子β，誤差因子γ進(jìn)行加權(quán)融合，得到綜合調(diào)節(jié)因子λ，λ＝s1α+s2β+s3γ，其中，s1,s2,s3為加權(quán)系數(shù)。

18、進(jìn)一步地，前述的二階非線性自抗擾轉(zhuǎn)矩模塊補(bǔ)償輸出轉(zhuǎn)矩為：

19、te2＝(1+λ)[β4fal(e1(t),a4,δ)+β5fal(e2(t),a5,δ)-z3/b0]。

20、進(jìn)一步地，前述的bp神經(jīng)網(wǎng)絡(luò)包括，輸入層，隱含層和輸出層；所述輸入層包括4個(gè)神經(jīng)節(jié)點(diǎn)，以跟蹤微分器輸出信號(hào)e1，及其微分e2，控制系統(tǒng)總輸出y以及1作為神經(jīng)元輸入；所述隱含層結(jié)合截割傳動(dòng)系統(tǒng)確定為6個(gè)；所述輸出層結(jié)點(diǎn)為6個(gè)，分別對(duì)應(yīng)二階非線性自抗擾轉(zhuǎn)矩控制器參數(shù)β1，β2，β3，β4，β5。

21、進(jìn)一步地，前述的自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)模糊模塊采用自適應(yīng)神經(jīng)-模糊控制系統(tǒng)anfis結(jié)合多層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，具體是在自適應(yīng)神經(jīng)-模糊控制系統(tǒng)anfis的輸入層前引入多層卷積神經(jīng)網(wǎng)絡(luò)cnn，所述自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)模糊模塊用于提高二階非線性自抗擾轉(zhuǎn)矩控制器的工況自適應(yīng)能力，并獲得不同煤巖沖擊下的截割傳動(dòng)系統(tǒng)專家控制規(guī)則，根據(jù)工況變化產(chǎn)生自適應(yīng)調(diào)整量δte；

22、自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)模糊模塊包括：數(shù)據(jù)輸入模塊，將跟蹤微分器的輸出信號(hào)轉(zhuǎn)換為適合cnn處理的格式并進(jìn)行歸一化，標(biāo)準(zhǔn)化處理，形成cnn時(shí)序切片；

23、多層卷積神經(jīng)網(wǎng)絡(luò)cnn，包括多個(gè)卷積層、激活函數(shù)層、池化層，將跟蹤微分器的輸出信號(hào)經(jīng)過多層處理后，提取輸入數(shù)據(jù)的高級(jí)特征，最后通過全連接層，將特征向量輸出；特征融合模塊，將多層卷積神經(jīng)網(wǎng)絡(luò)cnn提取的特征與自適應(yīng)神經(jīng)-模糊控制系統(tǒng)anfis的其他輸入特征進(jìn)行融合，輸入到自適應(yīng)神經(jīng)-模糊控制系統(tǒng)anfis進(jìn)行自適應(yīng)模糊推理和決策。

24、進(jìn)一步地，前述的自適應(yīng)神經(jīng)-模糊控制系統(tǒng)anfis包括輸入層、模糊化層、模糊規(guī)則層、模糊推理層、去模糊化層；

25、所述輸入層，接受融合后的特征向量，定義anfis輸入的融合后的特征向量為xi＝[e1(k),e2(k)]t；

26、所述模糊化層，通過模糊推理規(guī)則為每個(gè)節(jié)點(diǎn)賦予一個(gè)語言變量值，計(jì)算各輸入分量屬于各語言變量值模糊集合的隸屬函數(shù)隸屬函數(shù)采用高斯型函數(shù)表示，其公式為式中，i＝1,2；j＝1,2,...,mj，mj是xi的模糊分割數(shù)；cij和δij分別為隸屬函數(shù)的中心和寬度；

27、所述模糊規(guī)則層，用于定義模糊規(guī)則，即式中，i1∈{1,2,...,m1}，i1∈{1,2,...,m1}，…，i1∈{1,2,...,m1}，j＝1,2，...，m，進(jìn)行模糊推理；

28、所述模糊推理層，結(jié)合模糊規(guī)則，計(jì)算每條規(guī)則的適用度，進(jìn)行歸一化計(jì)算，即

29、

30、所述去模糊化層，將模糊推理結(jié)果轉(zhuǎn)換為明確的控制輸出式中，wij為第四層節(jié)點(diǎn)與輸出層節(jié)點(diǎn)的連接權(quán)值。

31、進(jìn)一步地，前述的自適應(yīng)神經(jīng)-模糊控制系統(tǒng)anfis進(jìn)行自適應(yīng)模糊推理和決策時(shí)，定義性能指標(biāo)函數(shù)式中，ti為目標(biāo)輸出；用梯度下降法計(jì)算然后利用一階梯度尋優(yōu)算法來調(diào)節(jié)wij，cij，δij，所求一階梯度為：

32、

33、自適應(yīng)模糊推理參數(shù)學(xué)習(xí)算法為：

34、

35、9.根據(jù)權(quán)利要求8所述的一種復(fù)雜工況下采煤機(jī)截割傳動(dòng)系統(tǒng)自適應(yīng)控制方法，其特征在于，自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)模糊模塊，被配置執(zhí)行如下動(dòng)作：ttra＝-1×(tme-tste)，式中tme為電機(jī)自身輸出電磁轉(zhuǎn)矩，tste為與電機(jī)輸出電磁轉(zhuǎn)矩方向相反的轉(zhuǎn)矩，ttra為電機(jī)電磁轉(zhuǎn)矩穩(wěn)態(tài)目標(biāo)值；結(jié)合控制器輸入特征向量不斷訓(xùn)練可得自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)對(duì)于控制系統(tǒng)補(bǔ)償電磁轉(zhuǎn)矩調(diào)整量δte。

36、自適應(yīng)轉(zhuǎn)矩補(bǔ)償控制器最終輸出轉(zhuǎn)矩為：

37、te2＝(1+λ)[β4fal(e1(t),a4,δ)+β5fal(e2(t),a5,δ)+δte]-z3/b0

38、疊加模塊，疊加pi控制輸出轉(zhuǎn)矩te1；

39、截割電機(jī)轉(zhuǎn)速調(diào)整模塊，輸出采煤機(jī)自適應(yīng)控制系統(tǒng)電機(jī)控制總輸出補(bǔ)償轉(zhuǎn)矩為：

40、tem＝te1+(1+λ)[β4fal(e1(t),a4,δ)+β5fal(e2(t),a5,δ)+δte]-z3/b0。

41、本發(fā)明還提供一種基于復(fù)雜工況下采煤機(jī)截割傳動(dòng)系統(tǒng)自適應(yīng)控制系統(tǒng)的控制方法，包括以下步驟：

42、s1、確定采煤機(jī)滾筒截割阻抗是否變化，是則確定為全煤工況，執(zhí)行步驟s2，否則繼續(xù)判斷是否為夾矸工況，是則執(zhí)行步驟s2，否則確定為斷層工況，執(zhí)行步驟s2；

43、s2、確定電機(jī)轉(zhuǎn)速及阻抗，將信號(hào)輸入至自適應(yīng)轉(zhuǎn)矩補(bǔ)償控制器，控制器根據(jù)信號(hào)實(shí)時(shí)補(bǔ)償電磁轉(zhuǎn)矩，輸出電磁轉(zhuǎn)矩調(diào)節(jié)截割電機(jī)轉(zhuǎn)速，牽引速度以及滾筒轉(zhuǎn)速；

44、s3、判斷截割阻抗是否變化，是則執(zhí)行步驟s2，否則結(jié)束。

45、相較于現(xiàn)有技術(shù)，本發(fā)明采用以上技術(shù)方案的有益技術(shù)效果如下：

46、1.本發(fā)明實(shí)現(xiàn)了自抗擾技術(shù)在在采煤機(jī)截割傳動(dòng)系統(tǒng)的應(yīng)用，克服了深部煤層采煤機(jī)截割工況惡劣，截割電機(jī)采用傳統(tǒng)直接轉(zhuǎn)矩控制難以快速有效地抑制由沖擊載荷引起的采煤機(jī)截割傳動(dòng)系統(tǒng)動(dòng)載荷的問題。通過在二階非線性自抗擾轉(zhuǎn)矩補(bǔ)償控制器引入了動(dòng)態(tài)調(diào)節(jié)因子改進(jìn)控制器，使補(bǔ)償轉(zhuǎn)矩能夠更精確地適應(yīng)實(shí)際工況變化，動(dòng)態(tài)調(diào)節(jié)因子能夠根據(jù)實(shí)時(shí)工況自動(dòng)調(diào)整補(bǔ)償力度，提高了系統(tǒng)的響應(yīng)速度和控制精度，從而更有效地抑制動(dòng)載荷沖擊能量。該控制方法不依賴被控對(duì)象的數(shù)學(xué)模型，與傳統(tǒng)直接轉(zhuǎn)矩控制方法相比該控制方法不但具有良好地跟蹤估計(jì)性能，且對(duì)系統(tǒng)時(shí)變參數(shù)不敏感，可降低時(shí)變參數(shù)對(duì)二階非線性自抗擾轉(zhuǎn)矩控制器的影響。

47、2.本發(fā)明在自適應(yīng)神經(jīng)-模糊控制系統(tǒng)(anfis)前引入了多層卷積神經(jīng)網(wǎng)絡(luò)(cnn)，對(duì)輸入數(shù)據(jù)進(jìn)行層次化特征提取。cnn擅長處理高維數(shù)據(jù)，能夠提取多層次的特征和更準(zhǔn)確地捕捉復(fù)雜非線性關(guān)系，通過在anfis的輸入層后引入多層卷積神經(jīng)網(wǎng)絡(luò)(cnn)可提高系統(tǒng)的學(xué)習(xí)能力和泛化能力，增強(qiáng)系統(tǒng)的特征提取能力以及提高對(duì)復(fù)雜輸入數(shù)據(jù)的處理效果。

48、3.本發(fā)明采用了自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)模糊控制器與二階非線性自抗擾轉(zhuǎn)矩補(bǔ)償控制器相結(jié)合的控制方法，很解決了復(fù)雜工況下二階非線性自抗擾轉(zhuǎn)矩補(bǔ)償控制器的輸出轉(zhuǎn)矩補(bǔ)償量的自適應(yīng)調(diào)整能力的問題。結(jié)合多層卷積神經(jīng)網(wǎng)絡(luò)控制和模糊控制的優(yōu)點(diǎn)，實(shí)現(xiàn)對(duì)自抗擾轉(zhuǎn)矩補(bǔ)償控制器輸出補(bǔ)償?shù)淖赃m應(yīng)調(diào)整，并獲得滿足復(fù)雜沖擊工況下的專家控制規(guī)則，可根據(jù)工況變化產(chǎn)生自適應(yīng)調(diào)整量，從而實(shí)現(xiàn)對(duì)系統(tǒng)動(dòng)載荷抑制的自適應(yīng)補(bǔ)償控制。