基于数据驱动的综采工作面采运协同控制方法研究

目前针对采煤机与刮板输送机协同控制的研究初步建立了采运系统协同控制机制，但均未考虑非结构化综采工作面环境下，影响采运系统稳定运行因素的不确定性和耦合特性，以及煤流状态和刮板输送机负载电流受井下电气系统影响而无法真实反映刮板输送机负载变化的情况。针对上述问题，提出了一种基于刮板输送机负载电流强化和随机自注意力胶囊神经网络（RSACNN）的综采工作面采运协同控制方法。针对刮板输送机电动机电流的电气耦合特性，运用电流强化模型对原始刮板输送机电流进行预处理，得到能够反映煤流系统真实负载的电流分量。针对综采工作面采运系统运行状态参数与采煤机牵引速度存在着高度非线性和不确定性关系，难以建立精确数学模型的问题，基于胶囊神经网络（CNN）可保存综采工作面采运系统运行状态突变等细粒度特征的特性，建立了基于RSACNN的综采工作面采运协同控制模型。实验结果表明：RSACNN算法与自注意力胶囊神经网络（SACNN）算法、CNN算法的调速结果相比，预测的采煤机牵引速度精度更高，预测速度与真实速度的拟合度分别提高了0.032 05和0.075 04；平均绝对误差分别降低了17.7%,22.6%；平均绝对百分误差...