基于神经网络补偿的液压支架群推移系统直线度控制方法

简介

煤矿综采工作面的直线度控制是实现智能化开采的关键技术之一,液压支架推移油缸的位置控制性能直接影响着工作面直线度水平,但推移油缸电液系统的参数不确定性、建模误差和未知外部干扰等因素增加了液压支架推移系统的位置控制难度。针对此问题,首先,建立了液压支架推移油缸电液系统的数学模型,考虑到推移油缸仅有位置信息可测的实际工况,将其转化成Brunovsky标准型的形式。其次,设计了高阶滑模状态观测器利用可测的位置信息估计系统其他难以直接测量状态信息,同时,以系统状态信息为学习数据,设计了一种基于径向基神经网络的扰动观测器实时估计和补偿系统的未知扰动力。再次,结合反步设计原理,针对液压支架推移油缸拉架过程提出了一种鲁棒输出反馈控制器,并利用Lyapunov理论对整个闭环控制系统进行了稳定性验证。然后,基于ZY3200/08/18D液压支架推移油缸的实际物理参数建立了仿真模型,通过仿真测试发现所设计的鲁棒输出控制器的最终位置精度较传统比例积分控制器提高了77.19%,神经网络补偿器针对不同油缸载荷的估计精度分别为64.41%和75.38%。最后,为了进一步验证新型控制器的有效性,搭建了一个液压支架群多缸控制系统试验台,并开展了推移油缸拉架过程的模拟实验,实验结果表明鲁棒输出反馈控制器较比例积分控制器的平均跟踪精度提高了47.23%,最终位置精度提高了75.00%,相邻推移油缸的平均同步误差提高了47.08%。研究结果为液压支架推移系统的动力学分析和直线度控制提供了一种思路。