本文關(guān)鍵詞：采煤機智能控制關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著煤炭工業(yè)由勞動密集型向技術(shù)密集型的轉(zhuǎn)變,綜采工作面的“少人化”或“無人化”成為煤礦安全、高效生產(chǎn)的關(guān)鍵。在綜采工作面中,采煤機、液壓支架和刮板輸送機需要配合工作,作為關(guān)鍵機電裝備之一,采煤機的自動化程度直接影響整個綜采工作面的安全生產(chǎn)。因此,有必要對采煤機的智能控制技術(shù)進行研究,進而提高綜采工作面的自動化水平,減少現(xiàn)場作業(yè)人員,為綜采工作面的安全高效生產(chǎn)提供技術(shù)保障。本文以電牽引采煤機智能控制關(guān)鍵技術(shù)的研究和系統(tǒng)開發(fā)為目標(biāo),研究了基于截割路徑跟蹤和運行狀態(tài)評價的采煤機智能控制方法,以牽引速度調(diào)節(jié)作為主要控制手段、滾筒截割高度調(diào)節(jié)作為次要控制手段,實現(xiàn)了采煤機穩(wěn)定、可靠運行的智能控制。在此基礎(chǔ)上,對采煤機智能控制系統(tǒng)中的截割路徑跟蹤、運行狀態(tài)評價、牽引速度控制以及智能協(xié)調(diào)控制等關(guān)鍵技術(shù)進行了深入地研究,主要成果如下:(1)在分析采煤機基本結(jié)構(gòu)及工作機理的基礎(chǔ)上,結(jié)合采煤機智能控制系統(tǒng)的功能要求和技術(shù)要素,提出了采煤機智能控制系統(tǒng)的控制方案及控制流程,并對采煤機智能控制系統(tǒng)的總體結(jié)構(gòu)進行了設(shè)計。(2)提出了基于煤層分布邊界趨勢的采煤機截割路徑跟蹤方法,對煤層分布邊界曲線的描述方法進行了分析,建立了由常規(guī)點、關(guān)鍵點和異常點組成的特征點集,研究了基于改進D-S證據(jù)理論與多神經(jīng)網(wǎng)絡(luò)融合的煤層分布邊界預(yù)測算法,給出融合預(yù)測算法的具體實施步驟和流程圖,并利用插值算法對煤層分布邊界特征點進行擬合優(yōu)化,得到了性能更好的截割路徑生成方法。(3)構(gòu)建了采煤機運行狀態(tài)的評價體系,建立了采煤機運行狀態(tài)評價模型,確定了正常、過渡、異常和危險四種運行狀態(tài)的識別模式。給出了基于屬性約簡和值約簡的數(shù)據(jù)預(yù)處理方法,設(shè)計了基于粗糙集理論與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的模式識別算法。在此基礎(chǔ)上,研究了基于模糊邏輯的采煤機運行狀態(tài)異常的專家知識庫,為實現(xiàn)采煤機的智能控制提供可靠的參考依據(jù)。(4)提出了一種基于T-S云推理網(wǎng)絡(luò)與粒子群優(yōu)化算法相結(jié)合的采煤機牽引速度調(diào)整方法,實現(xiàn)了采煤機牽引速度的實時控制。確定了以采煤機穩(wěn)定、可靠運行為控制目標(biāo),以牽引調(diào)速和滾筒調(diào)高為控制手段的動態(tài)協(xié)調(diào)控制思想,建立了基于滾筒高度與牽引速度協(xié)同調(diào)節(jié)的采煤機智能控制體系,給出了控制指令的優(yōu)先級劃分準(zhǔn)則,設(shè)計了基于指令優(yōu)先級的采煤機智能協(xié)調(diào)控制方法和流程。通過實驗室實驗以及煤礦工業(yè)性試驗對本課題研究的采煤機智能控制方法進行了驗證,結(jié)果表明:在實驗和生產(chǎn)過程中基于煤層分布邊界的采煤機截割路徑跟蹤絕對誤差均小于0.05m;基于粗糙集理論與BP神經(jīng)網(wǎng)絡(luò)融合的采煤機運行狀態(tài)評價方法可以準(zhǔn)確識別出采煤機的實時運行狀態(tài),可以在采煤機運行狀態(tài)出現(xiàn)異常時準(zhǔn)確判斷出異常原因,并以此為依據(jù)對采煤機的牽引速度和滾筒高度進行動態(tài)協(xié)同調(diào)節(jié),從而實現(xiàn)了采煤機的智能控制。
【關(guān)鍵詞】：采煤機 智能控制 煤層分布邊界 狀態(tài)識別 動態(tài)協(xié)調(diào)
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TD421.6
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-9
• Extended Abstract9-22
• 變量注釋表22-24
• 1 緒論24-35
• 1.1 課題來源及研究背景24-25
• 1.2 課題研究現(xiàn)狀與存在的問題25-32
• 1.3 本課題主要研究內(nèi)容及技術(shù)路線32-34
• 1.4 課題研究意義34-35
• 2 采煤機智能控制系統(tǒng)的總體結(jié)構(gòu)設(shè)計35-47
• 2.1 電牽引采煤機的基本結(jié)構(gòu)及工作機理35-39
• 2.2 采煤機智能控制系統(tǒng)的控制方案39-41
• 2.3 采煤機智能控制系統(tǒng)的總體結(jié)構(gòu)41-46
• 2.4 本章小結(jié)46-47
• 3 基于煤層分布邊界趨勢的采煤機截割路徑跟蹤方法研究47-73
• 3.1 D-S證據(jù)理論與神經(jīng)網(wǎng)絡(luò)47-53
• 3.2 煤層分布邊界特征點的選取方法53-55
• 3.3 基于改進D-S證據(jù)理論與多神經(jīng)網(wǎng)絡(luò)的煤層分布邊界趨勢融合預(yù)測方法研究55-65
• 3.4 基于插值算法的采煤機截割路徑優(yōu)化65-72
• 3.5 本章小結(jié)72-73
• 4 基于粗糙集理論與BP神經(jīng)網(wǎng)絡(luò)的采煤機運行狀態(tài)評價方法研究73-99
• 4.1 采煤機運行狀態(tài)評價體系構(gòu)建73-76
• 4.2 基于粗糙集理論與BP神經(jīng)網(wǎng)絡(luò)融合的模式識別方法研究76-88
• 4.3 基于模式識別算法的采煤機運行狀態(tài)評價88-94
• 4.4 基于模糊邏輯—專家知識庫的采煤機運行狀態(tài)分析94-98
• 4.5 本章小結(jié)98-99
• 5 采煤機滾筒高度與牽引速度智能協(xié)調(diào)控制策略研究99-118
• 5.1 基于T-S云推理網(wǎng)絡(luò)的采煤機牽引速度控制方法研究99-113
• 5.2 采煤機滾筒高度與牽引速度智能協(xié)調(diào)控制方法研究113-117
• 5.3 本章小結(jié)117-118
• 6 實驗研究118-136
• 6.1 實驗室實驗118-128
• 6.2 工業(yè)性試驗128-135
• 6.3 本章小結(jié)135-136
• 7 總結(jié)和展望136-138
• 7.1 課題結(jié)論136-137
• 7.2 課題創(chuàng)新點137
• 7.3 課題展望137-138
• 參考文獻(xiàn)138-146
• 作者簡歷146-149
• 學(xué)位論文數(shù)據(jù)集149

  本文關(guān)鍵詞：采煤機智能控制關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：274330