井下液压支架自适应控制系统研究

　　液压支架电液控制系统作为确保井下安全生产的重要保障，长期以来在众多矿井得到了广泛应用[1]。但在不同矿区的实际应用效果却有着较大差别。这是因为，虽然液压支架电液控制系统运行时的程序、参数、流程等均为静态，但其开采作业环境、运行系统和设备状况等却都处于动态变化中，而实现静态的支架控制软件与动态的支架运行环境间的相互协调，便是进一步提升支架运行智能化水平的关键所在。本次研究探索构建一种应用于支架控制的自适应软件，使其能根据外界环境的改变对支架运行状态进行自动调节，确保支架始终保持良好状态。

　　1液压支架自适应控制系统工作原理

　　BP神经网络技术是一种能广泛应用于非线性操控中的控制系统，将基于BP神经网络技术的控制软件应用在液压支架控制系统中，能有效消除外界各类干扰因素，从而实现支架的实时高效运行，最大程度提升运行综合效益。在BP控制网络中，通常含有1个或多个隐层，这些隐层借助权值进行互联，其主要作用是基于输入信号提取不同的信号特征进而传递至输出层，从而使得整个网络具备复杂的非线性映射能力。完整的自适应控制系统主要分为自校正控制和模型参考控制[1-2]，其中前者是借由对参数的预估，结合相关结果的在线辨识，实现对预估值的持续调整，从而获得最优的运行参数，确保系统保持最优状态，此类系统多应用于结构一致但参数不定的随机系统中；后者则是在自校正系统基础上增设参考模型（结构示意图见图1），所增设模型是具有固定结构与恒定参数的理想模型。该模型在输入参数的影响下，其输出值被限定为系统受控对象所具备的理想输出。不过该系统受内外界扰动的影响，实际输出与理想输出存在差异，这就需要借助误差最小优化法对其进行纠正，确保结果最佳。结合矿井生产实际，液压支架电液控制系统自适应软件的设计中可引入模型参考控制技术，从而有效提升支架运行有效性。图1中，yr为输入参数；ym为理想参数；y为输出参数；e为误差。

　　2自适应控制系统设计分析

　　使用BP神经网络模型对液压支架自适应控制系统进行设计时[3]，要结合受控对象，对液压支架运行时的外部环境要素进行收集，并配置针对性的感知手段，从而构建针对控制过程的质量目标通讯，使得软件可以针对质量不达标的情况进行自动智能调控。图2为液压支架自适应控制系统模型示意图。分析图2可知，对支架运行操控有影响的主要感知对象包括开采条件、配套设备、控制主体等，在支架运行过程中一旦这些因素发生变化，便会对支架控制造成程度不一的干扰，这时就需要在系统运行中动态加载相应的控制模型库，从而使得软件可以自行控制支架应对环境变化。譬如在倾角较大煤层的仰采（俯采）中，通过加载支架失稳模型与支架上窜下滑模型，便能实现对回采作业过程中支架倾倒、下滑等问题的有效防控。系统中的配套设备包括采煤机、运输机、供液系统等，常规作业时供液系统流量和压力越大，则支架的动作速度越快，因此当供液系统的供液能力稳定不变时，要想提高采煤机截割速率，便需要提升液压支架跟机速度，这种情况下一旦采煤机截割速度超过某一阈值，则需要作业面的多台液压支架同时供液，以满足支架的跟机控制要求。这种支架同步作业数量的增多，会使得作业面管道压力降低，流量减小，从而造成支架移动速度减慢，通过增加支架作业时长确保支架动作的安全性和有效性。在系统正式投入使用前要借助模型参考自适应的方法对所涉及支架电液控制系统BP神经网络模型进行训练[4-5]，其训练过程如下：a)先开展针对性的人工操作，借由支架电液控制系统配设的记忆程序对支架作业时的各项参数进行记录，并对作业所用的样本集特性予以提取。b)结合所提取出的样本集特性，为控制系统动态加载相应作业模块，对作业模块的初始作业参数予以确定。c)选取1组训练样例，所选样例应当包含输入信息和期望输出两部分，并将预设的输入信息输入作业网络。譬如所选取的训练样例为大倾角作业样例，则输入的信息为作业面倾角参数。d)针对神经元处理后的各层节点输出值进行计算。譬如在大倾角作业面中，作业面倾角的存在会导致支架发生上窜下滑现象，可针对性计算液压支架可能发生的下滑角度，得出哪些情况容易造成支架的歪斜，进而影响支架正常移动。e)对神经网络输出实际值和期望值间的误差进行测算，并对支架运移速度和目标行程间的差值进行检测。f)由输出层开始进行反向计算直至第一个隐层，并依照能使误差向减小的原则，对整个网络各神经元的连接权值进行调整。借助底调机构对支架运行角度进行调整，确保其同相邻支架平行后再进行移架作业。g)如果无法实现同相邻支架的平行，则不断重复d)和e)，直至达到平行位置。针对整个训练样集中的所有样例重复进行c)到f)，直至达到最终理想控制目标。