基于隐式数字孪生的采煤机自主调高策略研究

针对传统控制方法存在滞后性和难以实现对采煤机进行自主调高控制的问题，构建了采煤机自主调高隐式数字孪生模型(IDT),实现了采煤机的高效自主调高。提出了IDT和长短时记忆神经网络(LSTM)联合驱动的采煤机截割轨迹预测方法，首次采用蜜獾算法(HBA)优化LSTM的超参数，算例分析结果表明：蜜獾算法优化长短时记忆神经网络(HBA-LSTM)相比普通LSTM具有更高的精确度。提出了基于隐式数字孪生的采煤机自主调高控制策略，其结构包含数据采集、IDT模型和采煤机自主调高3个部分，在自主调高部分引入控制项修正了采煤机的控制参数。实例仿真表明：在IDT环境下，参数修正后的采煤机自主调高轨迹曲线更接近采煤机实际调高轨迹，最大误差仅为0.028 m,有效地提高了采煤机自主调高的适应性。