基于Elman神经网络的采煤机智能调高控制算法研究*

许连丙

（1.中国煤炭科工集团太原研究院有限公司，太原 030021；2.山西天地煤机装备有限公司，太原 030021）

0 引言

煤矿井下综采工作面采煤机自动调高控制技术是实现井下少人化、智能化的关键技术之一，其目的是控制采煤机截割滚筒能够自适应工作面顶板、底板的起伏变化，提高采煤机质量和工作效率，并延长采煤机机械部件使用寿命，保护操作工生命安全。采煤机自动调高技术的研究较多，如德国、美国等产煤大国主要集中研究煤岩分界方法，主要有自然γ射线探测器法、雷达探测法、截齿效应分析法、被动式红外探测法等，在理论研究、仿真的基础上进行实际应用，效果一般，受采煤工艺、地质条件影响较大[1－3]。周元华等[4]基于BRF神经网络对采煤机运行姿态进行实时预测控制，修正煤岩预测界面，为采煤机截割滚筒自动调高提供可靠依据，仿真结果表明该控制算法预测精度较高、稳定性较强。陈金国等[5]以提高采煤机截割滚筒自动调高的动态性和跟踪可靠性，建立采煤机液压行程与截割滚筒调高数学模型，采用模糊自适应PID技术建立液压油缸和滚筒协同控制设计方案，仿真验证了采煤机在空载和负载2种运行模式时截割滚筒调高的精确性、响应速度以及跟踪可靠性。李雪梅等[6－8]建立采煤机电液比例阀与调高油缸耦合模型，采用现代控制理论建立采煤机调高状态控制方程，基于变速趋近率滑模控制方法设计采煤机截割滚筒自动调高控制器，并完成系统仿真，结果表明，与传统控制方法相比，所提自动调高控制器控制速度快、斗振小、实时性强。

1 采煤机调高过程分析

双滚筒采煤机是煤矿井下综采工作面常用的采掘设备，由电动机、牵引部、摇臂、前后滚筒、调高油缸、破碎机构、滑靴以及其他辅助装置组成，以电气系统、液压系统为驱动力完成采掘任务。采煤机工作时，经电动机驱动使得采煤机沿刮板输送机往复行走，并驱动前后滚筒旋转，利用滚筒上的截齿截割煤壁，利用螺旋叶片将煤料转运至刮板输送机皮带。采煤机工作过程中，由于煤巷底板起伏不平，前后滚筒需根据实际工况进行调高，避免截割矸石和岩壁损坏截齿。采煤机调高即根据综采工作面煤巷顶板与底板的起伏变化调整前后滚筒的高度。由于采煤机运行三维空间，即沿工作面运行方向、沿工作面推进方向以及滚筒调高垂直方向，因此，影响采煤机调高的因素较多，主要有采煤机运行姿态、摇臂与机身夹角、摇臂长度、机声长度等。采煤机调高方式主要有人工调高和自动调高2种模式[9－10]。人工调高模式即由采煤机操作工手动跟机控制前后滚筒的升降，操作工查看顶板高度变化以及底板起伏变化，同时监听滚筒电动机声音实时调节前后滚筒高度。

人工调高的主要弊端：（1）采煤机工作环境粉尘浓度高、噪声大，影响操作工对采煤机运行姿态的正确判断和实时控制；（2）操作工需实时查看、监测采煤机运行状态以及截割部的截割状态，需对采煤机进行实时跟踪；（3）采煤机截割过程有突发铆钉、透水等事故，危及操作工生命安全。

自动调高模式即采煤机电气控制器根据设定的截割滚筒的目标轨迹自动调节截割滚筒的高度，以使用工作面顶板和底板的起伏变化。操作工跟踪采煤机一个工作循环，根据采煤机实际运行工况调整截割滚筒高度，同时记录截割滚筒轨迹数据以及特征位置截割滚筒高度数据，作为自动调高的目标轨迹和目标高度。利用智能控制技术、机器学习、神经网络学习算法规划并控制采煤机运行轨迹和截割滚筒轨迹。在实际自动调高过程中，若出现煤层突发变化时，可用人工干预模式进行辅助调高。

2 采煤机自动调高控制

实现采煤机自动调高的关键是能够掌握并预测采煤机的位置信息、姿态信息以及截割状态信息等，获取上述数据后经曲线逼近或者拟合，挖掘上述离散数据点的内部联系，实现对采煤机截割滚筒的自动调高[11－13]。基于Elman神经网络，对采集的采煤机截割滚筒的常规记忆点、关键记忆点以及特殊记忆点数据进行处理，使得控制系统能够根据采煤机截割滚筒任意位置信息自动调高。采煤机截割滚筒智能调高Elman神经网络拓扑结构如图1所示，输入层为截割滚筒坐标、采煤机姿态信息以及摇臂倾角，输出层为截割滚筒调高状态，0为不调，1为上调，－1为下调[14]。在该Elman神经网络设计中，将采煤机前4次截割循环时滚筒坐标、采煤机三维位姿数据以及摇臂倾角数据作为训练数据进行Elman网络训练，训练流程如图2所示。Elman神经网络的隐含层由输入层ωij与输出反馈层ωkj加权和组成，对历史状态数据异常敏感，增强了该网络的动态处理能力，且可逼近任意函数。Elman神经网络的隐含层输入、隐含层输出、输出层输入、输出层输出、权值调整、承接层数据调整公式如图2所示。

图1 采煤机滚筒智能调高Elman神经网络拓扑结构

图2 采煤机滚筒智能调高Elman神经网络数据训练流程

3 仿真试验

为验证设计并实现基于Elman神经网络的采煤机智能调高控制方案，进行仿真试验。根据采集的采煤机滚筒数据、位姿数据以及摇臂倾角，绘制采煤机滚筒坐标点和数据拟合点[14－15]，如图3所示。仿真图中，横坐标为采煤机位于综采工作面的实时位置，纵坐标为采煤机滚筒高度。将所设计的Elman神经网络控制方案与BP神经网络、最小二乘算法两种控制方案进行比较，Elman神经网络能够充分挖掘输入采煤机数据点内在联系，利用其较强的泛化能力、容错能力以及非线性逼近能力，实现对采煤机滚筒实际位置的逼近、拟合最优方案。

图3 采煤机截割滚筒智能调高跟踪轨迹仿真

4 结束语

本文分析了采煤机截割滚筒调高过程，总结现用人工调高模式和自动调高模式存在的问题和弊端。研究了基于Elman神经网络控制的采煤机智能调高控制算法，以截割滚筒坐标、采煤机姿态信息以及摇臂倾角为输入信号，以截割滚筒调高状态为输出信号，建立Elman神经网络算法模型和流程。

基于仿真软件对研究的Elman智能调高算法进行仿真，并与BP神经网络控制算法、最小二乘算法进行仿真对比，发现Elman控制算法在实时性、跟随性以及稳定性方面较优。