【摘要】：帶式輸送機(jī)作為井下主要的煤料運(yùn)輸設(shè)備,在煤礦生產(chǎn)過(guò)程中起著重要的作用。隨著煤炭行業(yè)生產(chǎn)結(jié)構(gòu)不斷地升級(jí)優(yōu)化,帶式輸送機(jī)逐漸向自動(dòng)化、智能化、信息化方向發(fā)展。本文以王家?guī)X煤礦帶式輸送機(jī)控制系統(tǒng)為背景,針對(duì)目前帶式輸送機(jī)系統(tǒng)功耗大、控制結(jié)構(gòu)單一等問(wèn)題,設(shè)計(jì)了帶式輸送機(jī)智能控制系統(tǒng)。(1)通過(guò)對(duì)帶式輸送機(jī)運(yùn)行阻力及功率關(guān)系的分析,對(duì)影響帶式輸送機(jī)系統(tǒng)能耗的因素進(jìn)行總結(jié)。其中,輸送機(jī)啟動(dòng)方式、輸送機(jī)帶速與煤流量對(duì)功率的影響較大,本文將逆煤流與順煤流啟動(dòng)方式進(jìn)行了對(duì)比,得出順煤流啟動(dòng)方式具有更好的節(jié)能效果;針對(duì)煤礦生產(chǎn)中煤流量與帶速不匹配造成的能源損耗問(wèn)題,通過(guò)分析帶速與煤流量之間的關(guān)系,建立了一種帶速與煤流量合理匹配的模型。(2)通過(guò)對(duì)煤流量、帶速與功率之間關(guān)系的分析,本文提出了一種基于IBSA-T-S的模糊神經(jīng)網(wǎng)絡(luò)節(jié)能模型。該模型融合了模糊控制與神經(jīng)網(wǎng)絡(luò),借助T-S模糊神經(jīng)網(wǎng)絡(luò)建立以輸送機(jī)帶速和煤流量為網(wǎng)絡(luò)輸入節(jié)點(diǎn),以功率為輸出節(jié)點(diǎn)的輸送機(jī)節(jié)能模型,利用自適應(yīng)高斯函數(shù)作為隸屬函數(shù)以實(shí)現(xiàn)節(jié)能模型與實(shí)際模型的最佳匹配,并利用改進(jìn)的鳥(niǎo)群算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,提高網(wǎng)絡(luò)收斂速度和尋優(yōu)效果。通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,結(jié)果表明,該模型能夠?qū)崿F(xiàn)帶速與煤流量的最優(yōu)匹配,降低了井下帶式輸送機(jī)的無(wú)效能耗。(3)針對(duì)帶式輸送機(jī)調(diào)速過(guò)程中多電機(jī)功率不平衡的問(wèn)題,本文采用了以電動(dòng)機(jī)電流作為功率控制依據(jù)的主從控制策略,該策略以主電機(jī)電流作為從電機(jī)功率的給定,使從電機(jī)功率跟隨主電機(jī)以實(shí)現(xiàn)功率平衡。通過(guò)對(duì)電機(jī)功率不平衡時(shí)的電流響應(yīng)進(jìn)行仿真,結(jié)果表明,該策略能夠使主從電機(jī)的電流偏差減小,從而使各電機(jī)的輸出功率相對(duì)平衡。(4)以王家?guī)X煤礦為背景,對(duì)井下帶式輸送機(jī)智能控制系統(tǒng)的硬件和軟件進(jìn)行設(shè)計(jì)。硬件以PLC為核心,實(shí)現(xiàn)了井下帶式輸送機(jī)智能控制、遠(yuǎn)程監(jiān)控、綜合保護(hù)等功能。采用IFIX組態(tài)軟件對(duì)輸送機(jī)系統(tǒng)進(jìn)行可視化界面設(shè)計(jì),實(shí)現(xiàn)了對(duì)帶式輸送機(jī)的實(shí)時(shí)監(jiān)測(cè)、數(shù)據(jù)查詢(xún)、檢修報(bào)警等功能。在王家?guī)X煤礦進(jìn)行現(xiàn)場(chǎng)測(cè)試,結(jié)果表明,該系統(tǒng)能有效地對(duì)井下輸送機(jī)系統(tǒng)進(jìn)行集中控制,同時(shí)能達(dá)到節(jié)能降耗的目的。
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TD634.1;TP273
【圖文】：

我國(guó)煤炭總消耗量達(dá) 35.5 億噸[2]，總消費(fèi)量較去費(fèi)在我國(guó)一次能源消費(fèi)中處于主導(dǎo)地位[3]。煤炭史上最高能達(dá) 90%，近年來(lái)，隨著工業(yè)生產(chǎn)模式的使得煤炭消費(fèi)增速明顯放緩[4]。我國(guó)物料運(yùn)輸費(fèi) 11%，美國(guó)約占 10%~20%，我國(guó)在運(yùn)輸上的消費(fèi)相總能源消耗的比重[6]為 69.2%，2015 年降到了 64%計(jì)劃（2014 年—2020 年）》中指出：到 2020 年比實(shí)現(xiàn)煤礦的節(jié)能控制至關(guān)重要。機(jī)作為運(yùn)輸物料的主要設(shè)備，具有結(jié)構(gòu)簡(jiǎn)單、運(yùn)行控制、受環(huán)境及地形影響較小等優(yōu)點(diǎn)[8]。因此，廣行業(yè)，尤其在煤礦井下運(yùn)輸中起著至關(guān)重要的作用行業(yè)的能耗占總能耗的 40%-65%，其中，帶式輸、破碎機(jī)、絞車(chē)等[9]井下大型耗能設(shè)備所消耗的電。根據(jù)帶式輸送機(jī)的結(jié)構(gòu)可以看出其具有很大的節(jié)結(jié)構(gòu)如圖 1-1 所示。

1 緒論以實(shí)現(xiàn)驅(qū)動(dòng)功率平衡。（3）智能控制系統(tǒng)的設(shè)計(jì)為方便井上調(diào)度室對(duì)井下輸送機(jī)的運(yùn)行情況進(jìn)行實(shí)時(shí)監(jiān)控，輸送機(jī)智能應(yīng)具有監(jiān)測(cè)監(jiān)控、遠(yuǎn)程操作和綜合保護(hù)等功能。當(dāng)輸送機(jī)出現(xiàn)故障時(shí)，報(bào)警提示并開(kāi)啟保護(hù)裝置；當(dāng)井下發(fā)生突發(fā)情況時(shí)，井上人員可以采取以保障井下人員的安全。 主要研究?jī)?nèi)容和結(jié)構(gòu)安排（Main content and structure ofper）針對(duì)煤礦井下帶式輸送機(jī)控制系統(tǒng)研究現(xiàn)狀及問(wèn)題分析，設(shè)計(jì)了一套具耗功能的智能控制系統(tǒng)，本文研究?jī)?nèi)容及論文結(jié)構(gòu)如圖 1-2 所示。

Belt Conveyor在煤礦實(shí)際生產(chǎn)中為實(shí)現(xiàn)帶式輸送機(jī)的節(jié)能運(yùn)行，需要對(duì)其產(chǎn)生功率損進(jìn)行分析。本章對(duì)礦用帶式輸送機(jī)的結(jié)構(gòu)進(jìn)行了概述，通過(guò)對(duì)帶式輸送力和功率之間關(guān)系的分析，總結(jié)了影響帶式輸送機(jī)功率損耗的因素。針式對(duì)功耗的影響，將逆煤流啟動(dòng)方式與順煤流啟動(dòng)方式進(jìn)行了比較，通出順煤流啟動(dòng)方式具有更佳的節(jié)能效果；針對(duì)輸送帶速度與煤流量對(duì)功，分析了輸送帶速度、煤流量與載荷之間的關(guān)系，為實(shí)現(xiàn)帶式輸送機(jī)的控制提供了理論依據(jù)。 王 家 嶺 帶 式 輸 送 機(jī) 結(jié) 構(gòu) 分 析 （ Structural Analysingjialing Belt Conveyor）以山西王家?guī)X煤礦的多驅(qū)動(dòng)大功率超長(zhǎng)距離帶式輸送機(jī)系統(tǒng)為背景。王井下帶式輸送機(jī)采用的是頭部雙滾筒三電機(jī)，尾部單滾筒單電機(jī)的多點(diǎn)，其礦用帶式輸送機(jī)的結(jié)構(gòu)如圖 2-1 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊云;付彥麗;;基于T-S模型模糊神經(jīng)網(wǎng)絡(luò)的PM2.5質(zhì)量濃度預(yù)測(cè)[J];陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

2 李文洋;林福嚴(yán);盧巖;張彥超;蔣化壯;;載荷對(duì)帶式輸送機(jī)主要阻力影響的實(shí)驗(yàn)研究[J];煤礦機(jī)械;2015年10期

3 劉明;;煤礦帶式輸送機(jī)節(jié)能方法研究[J];煤炭與化工;2015年05期

4 孫繼平;;煤礦信息化與自動(dòng)化發(fā)展趨勢(shì)[J];工礦自動(dòng)化;2015年04期

5 王金華;;井下帶式輸送機(jī)煤流控制系統(tǒng)現(xiàn)狀及發(fā)展趨勢(shì)[J];工礦自動(dòng)化;2015年03期

6 孫繼平;;煤礦監(jiān)控新技術(shù)與新裝備[J];工礦自動(dòng)化;2015年01期

7 孫繼平;;煤礦信息化與智能化要求與關(guān)鍵技術(shù)[J];煤炭科學(xué)技術(shù);2014年09期

8 于謹(jǐn);李曉峰;;基于T-S模型模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的退火爐溫度控制[J];沈陽(yáng)建筑大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

9 鄭茂全;侯媛彬;孫昌慧;王鑫照;薛亞莉;;大傾角長(zhǎng)距離帶式輸送機(jī)阻力規(guī)律分析[J];工礦自動(dòng)化;2013年10期

10 孫偉;王慧;楊海群;;帶式輸送機(jī)變頻調(diào)速節(jié)能控制系統(tǒng)研究[J];工礦自動(dòng)化;2013年04期

本文編號(hào)：2751348