基于粒子群算法的采煤机单向示范刀采样轨迹规划

考虑到采煤工艺和工作面的设备适应能力的限制,为提高单向示范刀采样轨迹与记忆截割轨迹的吻合度,探讨单向截割信息转换为双向截割信息的条件,建立基于粒子群算法截割轨迹规划数学模型,通过粒子群算法对截割参数进行规划,给出采煤机顶板记忆截割轨迹,利用Matlab软件对滚筒超调截割岩石或过低留顶煤的单向示范刀采样轨迹进行规划。     

单示范刀记忆截割BP神经网络自适应PID控制策略

为解决井下工作人员工作强度大和降低安全隐患,针对采煤机调高系统的非线性、滞后性及载荷时变的特点,根据采煤机滚筒调高系统原理,建立了采煤机单向示范刀记忆截割的数学模型,提出了BP神经网络自适应采煤机单向记忆截割控制策略,设计了采煤机BP神经网络自适应PID控制器。通过获取采煤机的姿态、位置和工作信息,结合了单向记忆截割数学原理,对采煤机记忆截割轨迹进行模拟仿真。结果表明:BP神经网络PID能够稳定、准确地跟踪示范刀顶板截割曲线,且跟踪吻合度好,满足工程实际要求。     

基于模糊自适应PID控制的单向示范刀采煤机记忆截割控制

采煤机在综采作业中所受到的载荷具有随机性,应用模糊自适应PID控制策略,针对采煤机调高机构的几何非线性特点和采煤机作业中单向信息的采集偏差现象,对采煤机双向截割滚筒高度进行自动跟踪,并给出了单向示范刀顶板和底板的数字化模型,通过对单向示范刀记忆截割曲线跟踪控制的模拟仿真,得到误差曲线,为采煤机单向示范刀记忆调高系统的设计优化提供理论支持。     

基于单示范刀采煤机记忆截割的数学模型

针对双示范刀记忆截割方法截割参数采样操作劳动强度大的特点,分析了采煤机的工作状态参数与煤层参数的相互关系,提出了单示范刀的记忆截割方法,构建出采煤机几何参数、运行位置、姿态参数和煤层参数与滚筒位置的数学关系,给出了单示范刀状态下工作面顶板的记忆截割数字化模型。经对采煤机截割轨迹的多循环数值模拟,结果与样本轨迹有很好的吻合度,可为采煤机单示范刀记忆截割的程控系统设计提供理论基础。     

采煤机双刀示范记忆截割数学模型的研究

根据采煤机采煤工艺,在分析采煤机工作姿态变化规律的基础上,推导双刀示范记忆截割数学模型和再现轨迹时采煤机姿态与示范截割时的姿态关系,并分析误差,最终论证利用推导出的算法对滚筒调节并使之到达示范截割模式下的轨迹的可行性。     

基于微粒群算法的采煤机记忆截割路径优化

为了解决采煤机记忆截割过程中的路径优化问题,提出了基于环形微粒群算法的采煤机截割路径优化方法,研究了基于环形邻域微粒群算法的采煤机记忆截割策略。当煤层地质条件发生变化时,初始的记忆截割轨迹会产生偏差,借助环形微粒群优化算法快速收敛和全局寻优特性实现采煤机的截割路径优化。试验结果表明:该算法可快速有效地实现复杂地质环境下采煤机的路径优化,优化路径平稳可靠,利于采煤机的记忆截割和自动控制。     

基于高精度三维动态地质模型的采煤机自适应智能截割技术研究

采煤机使用“记忆截割”技术割煤时,需要进行人工领刀,且对煤层赋存条件要求较高,当煤层起伏较大时需要频繁示教领刀。“记忆截割”技术仅针对下一刀煤层顶板截割路径进行优化,在采煤机推进方向无法根据煤层的赋存形态对采煤机俯仰采路线进行精确规划与控制。本文基于采煤机自适应智能截割理念,设计了综采工作面采煤机智能截割系统运行模式,利用煤层精细化物探数据构建工作面高精度三维地质模型,而后利用地质模型对采煤机的未来截割路径进行规划,并在开采过程中根据工作面揭露的最新地质资料动态修正高精度三维地质模型。将高精度三维动态地质模型与采煤机开采规划算法耦合,提出可自适应煤层变化的采煤机开采控制基线规划算法,实现对采煤机推进方向的俯仰采控制与牵引方向的截割控制,以及地质模型更新、开采基线规划与采煤机滚筒调整之间的高效协作。设计了智能截割系统内滚筒调整参量的计算服务接口,以及智能截割系统与采煤机控制系统间的通讯协议,实现了采煤机滚筒基于规划截割路径的精准控制。实践表明,采煤机智能截割系统适用于底板倾角各种变化程度的煤层,采煤机截割线更好地贴合煤层顶、底板线,节约资源,提高生产效率。     

基于深度学习的采煤机截割轨迹预测及模型优化

提高采煤机记忆截割精度对于实现采煤机截割滚筒的自动调高,提升采煤机自动化水平具有重要意义。针对目前采煤机传统记忆截割方法精度不高的问题,根据采煤机截割过程具有一定重复性的特点,提出了一种基于深度长短时记忆(Long Short-Term Memory,LSTM)神经网络的采煤机记忆截割轨迹预测方法,通过MATLAB平台实现了模型的构建与模型参数的优化,并使用实际截割数据对深度LSTM神经网络模型进行了验证。预测实验的结果表明,深度LSTM神经网络相对于支持向量回归与梯度提升回归树算法在截割轨迹预测方面具有更高的准确性。深度LSTM神经网络的平均绝对误差、平均绝对百分误差、均方根误差均低于支持向量回归与梯度提升回归树算法。实际生产中采煤机需进行多次循环截割,考虑到实时性问题,神经网络模型需要对截割轨迹进行多步预测。为了进一步提升模型能力,提高模型在进行多步预测时的准确性,提出了一种LSTM神经网络的改进结构。通过在LSTM神经网络中引入比例因子,强化了神经网络的记忆保持能力。缓解了随预测步数增加,深度LSTM神经网络模型预测误差增大的问题。并对改进后模型与原模型进行了预测对比实验,实验结...     

采煤机记忆截割的轨迹拟合

记忆截割是采煤机滚筒自动调高的主要方法之一。研究实现采煤机记忆截割的数学模型,选择最佳轨迹拟合算法,并用Matlab进行了虚拟仿真。     

基于灰色马尔科夫模型的采煤机自适应截割策略研究

借助灰色马尔科夫组合模型对传统的采煤机记忆截割策略进行优化和改进,以提高采煤机截割作业的效率和精度。通过灰色模型对采煤机截割高度预测数据进行残差计算和状态分析并利用马尔科夫链状态概率矩阵修正灰色模型,最后通过仿真分析可知,基于灰色马尔科夫模型的采煤机自适应截割策略控制精度以及截割作业自动化水平均较高。