改进的人工鱼群算法采煤机调高控制策略.pdf

doi 10. 11799/ ce202002029 收稿日期 2019-02-21 基金项目 国家自然科学基金51604142; 2017 年辽宁省自然科学基金计划重点项目20170540416; 辽宁省教育厅城市 研究院重点项目LJCL004 作者简介 赵有生1963, 男, 山西文水人, 博士, 高级工程师, 主要从事煤矿开采工程技术方向的研究, E-mail zhaoyousheng1963 163. com。 通讯作者 闫孝姮1984, 女, 辽宁庄河人, 副教授, 从事电磁探测与成像方向的研究, E-mail xiaohengyan163. com。 引用格式 赵有生, 邸晟钧, 王占全, 等. 改进的人工鱼群算法采煤机调高控制策略 [J]. 煤炭工程, 2020, 522 136-141. 改进的人工鱼群算法采煤机调高控制策略 赵有生1, 邸晟钧1, 王占全2, 柳 轶2, 郭 帅2, 田 军2, 刘 顺2, 闫孝姮3 1. 山西焦煤集团投资有限公司, 山西 太原 030024; 2. 山西焦煤集团岚县正利煤业有限公司, 山西 吕梁 035200; 3. 辽宁工程技术大学 电气与控制工程学院, 辽宁 葫芦岛 125105 摘 要 为了提高煤矿开采中采煤机调高的控制精度, 提出了一种基于改进的人工鱼群算法采 煤机滚筒调高控制的策略。 在传统的人工鱼群算法的基础上, 引入步长递减和视野变化的策略, 以 ITAE 的倒数作为目标函数寻优计算得到 PID 控制器的参数。 通过采煤机调高系统的传递函数搭建 Simulink 仿真模型, 和模拟退火算法、 粒子群算法进行对比, 结果表明改进后的人工鱼群算法误差 更小, 控制精度更准确, 系统的阶跃响应更平滑, 为实现更为精准的采煤机调高控制提供一种新的 方法, 为煤炭的高效生产提供依据。 关键词 采煤机; 改进的鱼群算法; PID; 参数优化; 模拟退火算法; 粒子群算法 中图分类号 TD421 文献标识码 A 文章编号 1671-0959202002-0136-06 Improved artificial fish swarm algorithm for height control strategy of shearer ZHAO You-sheng1, DI Sheng-jun1, WANG Zhan-quan2, LIU Yi2, GUO Shuai2, TIAN Jun2, LIU Shun2, YAN Xiao-heng2 1. Shanxi Coking Coal Group Investment Co. , Ltd. , Taiyuan 030024, China; 2. Shanxi Coking Coal Group Jixian Zhengli Coal Industry Co. , Ltd. , Lvliang 035200, China; 3. Department of Electrical and Control Engineering, Liaoning Technical University, Huludao 125105, China Abstract In order to improve the control precision of coal shearer in coal mining, a strategy based on improved artificial fish swarm algorithm for high control of shearer drum is proposed. On the basis of the traditional artificial fish swarm algorithm, the step decreasing and view changing strategy is introduced, and the parameters of PID controller are obtained using the inverse of ITAE as the objective function optimization. The Simulink simulation model is constructed by the transfer function of the high- speed shearer system, and compared with the simulated annealing algorithm and particle swarm algorithm, the results show that the improved artificial fish swarm algorithm has less error, better control accuracy and smoother step response of the system, which provides a new for achieving more accurate control of the shearer, and the basis for efficient coal production. Keywords coal shearer; improved fish swarm algorithm; PID; parameter optimization; simulated annealing algorithm; particle swarm algorithm 采煤机是井下生产重要设备, 实现采煤机滚筒 快速和稳定的调高是实现采煤机智能化和井下无人 化割煤的关键技术[1]。 近几十年来在采煤机领域内 的一些专家和学者在这方面做了许多的研究工作, 获得了一定的成果。 这些研究的成果可划分为两个 方面, 直接调高控制和间接调高控制。 直接调高就 是利用煤岩界面识别来控制滚筒高度, 王增才 等[2-5], 分别提出了多种煤岩识别的方法, 比如利 631 第52卷第2期 煤 炭 工 程 COAL ENGINEERING Vol. 52, No. 2 万方数据 用人工射线的煤岩分界技术、 利用天然 γ 射线的煤 岩分界技术、 利用振动法的煤岩分界技术、 利用测 力截齿传感器的煤岩分界技术等, 为采煤机滚筒调 高控制奠定了理论基础。 上述自动调高的方法有的 应用于实际中, 有的依然没有广泛意义上的应用突 破, 还有的依旧处于试验和研究阶段。 但是它们为 实现采煤机滚筒自动调高提供了可靠的理论依据。 间接调高就是不直接分析煤岩界面的问题, 从侧面 研究和分析, 进而实现对滚筒的调高控制。 间接调 高的核心在于记忆截割技术, 而对记忆截割技术的 研究我国最早是从 1980 年起。 1980 年中国矿业大学 提出了 “振动测试和频谱分析的煤岩识别技术” 的 方法, 该方法的理论依据是通过油缸的液压振动负 载来对煤岩分界面进行识别; 1994 年, 西华大学的 雷玉勇[6]教授, 以理论研究和计算机模拟仿真为基 础, 通过观察液压调高系统中压力的变化规律, 提 出了一种基于液压系统压力的调高控制系统; 2003 年, 太原理工大学的田慕琴[7], 在采煤机滚筒的调 高控制中新加入 “预见控制”, 希望通过 “预见” 识 别煤岩界面, 进而实现对滚筒的高度控制; 2004 黑 龙江科技学院刘春生[8,9]教授, 通过对模糊控制技 术理论的研究和对控制策略的分析, 把模糊控制技 术加入到采煤机调高控制系统, 提出了滚筒调高记 忆程控系统; 2013 年, 中国矿业大学的王铁军教 授[10], 提出将采煤机同三维模型结合, 其目的是为 了解决薄煤层记忆切割的突出问题, 这种新方法不 仅能在三维模型中对采煤机煤层实时状态描述, 还 能对煤层模型实时修正。 遗憾的是因为多方面的原 因, 以上理论在实际应用中不是很成熟, 故而也未 能在实际工矿中体现出来。 对于采煤机的间接调高策略的研究, 有的学者 将 PID 和滚筒调高结合, 获得了不错的控制效果。 如张秀荣[11]等从电液比例控制系统出发建立了调 高系统的传递函数, 进一步使用了 PID 控制器对调 高系统的控制; 李文华[12]等通过设计模糊 PID 控 制器提高了采煤机滚筒调高系统在复杂工况下的抗 干扰能力; 赵丽娟[13]等在 MATLAB 和 AMESim 工 具下建立了控制系统及液压系统联合仿真模型, 进 一步验证了模糊 PID 控制对采煤机自动调高的有效 性。 尽管如此, 但是 PID 控制依然存在缺陷。 针对 传统 PID 控制算法中控制精度不准确, 收敛和响应 速度慢, 传统人工鱼群运算效率低和寻优结果精度 不准的缺点, 提出通过改变人工鱼的步长和视野的 方法, 进而达到优化算法的目的。 该算法能跳出局 部, 实现全局最优。 通过 matlab 仿真证明改进后的 算法误差更小, 精度更准确, 鲁棒性强, 而且还能 精准确定采煤机调高的 PID 参数, 有利于煤炭的 开采。 1 改进的人工鱼群算法 1. 1 人工鱼群算法概述 在 2002 年李晓磊[14,15]等提出了一种全新的算 法人工鱼群算法, 该算法的核心思想是通过模拟 鱼类的几类行为, 如觅食、 聚群、 追尾、 随机等。 鱼类通过上述行为最终就游向食物浓度密集的区域, 因此该算法是以鱼群的行为为依据, 在指定区域内 进行寻优的一种群体智能优化算法, 体现的是集群 体的智能思想。 除此之外该算法还具有分布处理强、 全局寻优、 参数和初值的鲁棒性强等特点。 1. 2 传统人工鱼群算法步骤 对 PID 参数寻优的具体步骤如下 1 首先确定初始参数, 如群体规模fishnum, 视野范围visual, 移动步长最大值step, 拥挤度 因子delta, 最大迭代次数MAXGEN等, 如果曲 线在 MAXGEN 步时没有浮动, 则可以认为收敛。 2 将 PID 的三个参数kpn, kin, kdn作为鱼群 中的一条鱼的位置坐标即 xnkpn, kin, kdn。 设初 始迭代次数 Gen 1, 在 kp, ki, kd的范围内随机产 生 fishnum 个不同的数, 每三个数代表一条人工鱼个 体, 这样就形成初始鱼群, 即产生 fishnum 组参数不 同的kp, ki, kd。 3 通过模拟鱼群三大行为, 如聚群、 追尾和觅 食, 然后经过对这三种行为对比选取优异的一种作 为最终的行为来执行。 4 选择时间及误差绝对值的乘积进行积分的倒 数作为最终指标函数, 也就是 J 1 ITAE, ITAE ∫ □ 0 t et dt, ITAE 的值越小, kp、 ki、 kd的值越好。 5 接着下一次循环, 直到完成最大迭代次数, 输出最优解。 1. 3 改进的人工鱼群算法 人工鱼群算法寻优解的过程和人工鱼模型的移 动紧密联系。 影响人工鱼算法的因素有 鱼群规模、 鱼的视野、 移动步长、 拥挤度因子、 人工鱼个体的 初始参数等等。 改进人工鱼群算法的方式如下 1 为了解决传统人工鱼群算法步长和视野不可 731 2020 年第 2 期 煤 炭 工 程 装备技术 万方数据 调节的缺点, 引入自适应因子使得视野和步长能自 适应变化, 不仅使算法在寻优前期具有良好的全局 搜索能力, 而且避免了人工鱼群算法在后期的振荡 现象。 视野和步长的变化满足以下公式 r k/100 visual 1. 25 visual/ r 1 2 step a step 其中 a∈0, 1为自适应因子, k 为迭代次数。 2 当指标函数 ITAE 连续 β 次不再发生变化, 则可认为找到最优解。 此时可以结束寻优, 减少算 法寻优的时间。 2 采煤机调高系统 2. 1 采煤机调高系统结构 采煤机调高系统结构如图 1 所示, 这是一个电 液比例控制系统, 液压变量泵、 电液伺服阀、 溢流 阀、 液压缸及控制部分是该系统的主要组成部分。 这个电液比例控制系统的工作原理如下 在液压缸 处安装位置传感器, 通过位置传感器测得液压缸的 实际信号, 然后将测得的实际信号与给定信号对比 得出误差信号, 经过控制算法对误差信号加工处理, 得到控制量, 最后把控制量经过 D/ A 转换及放大器 放大处理, 使得电液伺服阀阀芯动作, 这样就完成 对液压缸活塞位移的实时控制, 从而完成了对滚筒 的调高控制。 1油箱; 2电机; 3液压泵; 4安全阀; 5三位四通换向阀; 6液压锁; 7过载阀; 8调高液压缸; 9位移传感器; 10摇臂; 11滚筒图 图 1 采煤机阀控缸智能调高系统 利用位移传感器和计算机技术的记忆截割调高 技术是采煤机调高控制的关键, 其原理就是使用不 同类型传感器, 如位移测量传感器、 油缸行程传感 器和倾角测量传感器等, 在采煤机的不同位置安装 上述传感器, 在记录各种参数的同时还能实时检测, 然后把检测到的数据存储在存储器中, 最后把自动 控制技术和相关计算相结合, 就可以实现采煤机自 动调高的目的。 在这一控制过程中, 调高换向阀的 阀芯在电磁力的控制下, 不断地根据采煤机滚筒的 工作高度要求进行调节, 使液压油从不同的油口进 入到执行油缸的有杆腔或者是无杆腔, 使活塞杆执 行伸出或者收缩, 从而完成对于滚筒升降过程的调 节控制。 2. 2 采煤机调高系统模型的建立 采煤机数学模型的建立是采煤机智能调高的关 键所在。 在建立模型的过程中, 为了计算和分析的 方便, 假设阀是零开口四边滑阀, 4 个节流阀窗口 是相匹配和对称的, 供油压力 Ps恒定, 回油压力 P0 为零。 伺服阀的线性流量方程式为 ql k Qxv - k cPl 1 式中, kQ为流量增益; xv为阀芯输入位移; kc 为流量-压力系数; Pl为液压缸进出油口压力差。 流入液压缸进油腔的流量 q1为 q1 a p dxp dt c ipP1 - P 2 cepP2 v1 βe dP1 dt 2 式中, ap是液压缸活塞有效面积, m2; xp为活 塞位移, m; cip, cep分别为液压缸内、 外泄漏系数; βe为有效体积弹性模量; v1为液压缸进油腔的容 积, m3。 从液压缸回油腔流出的流量 q2为 q2 a p dxp dt c ipP1 - P 2 - cepP2 - v2 βe dP2 dt 3 式中, P1, P2分别为液压缸进、 出油口压力; v2为液压缸回油腔的容积。 因为外泄漏流量 cipP1和 cipP2通常很小, 可以 忽略不计 apxpv0, dP1 dt dP 2 dt ≈0, 则 ql q1 q 2 2 a p dxp dt c tpPl - vt 4βe dPl dt 4 式中, ctp为液压缸总泄漏系数; v0为活塞在中 间位置时每一个工作腔的容积。 负载力一般包括惯性力、 黏性阻尼力、 弹性力 和任意外负载力。 液压力的输出力与负载力的平衡 方程为 apPl m t d2xp dt2 b p dxp dt Kxp fl 5 式中, mt为活塞及负载折算到活塞上的总质 量; bp为活塞及负载的黏性阻尼系数; K 为负载弹 831 装备技术 煤 炭 工 程 2020 年第 2 期 万方数据 性刚度; fl为作用在活塞上的任意外负载力。 通常, 与液压缸负载相比, 比例阀的响应速度 很快, 可以看成比例环节 xv U k aksv 6 式中, xv为阀芯输入位移, m; U 为比例阀的 输入电压, V; ka为放大器增益; ksv为比例阀的 增益。 对式 16 进行拉氏变换, 得到 xp kQ ap kakSV U - kce a2 p 1 vt 4βekces fl s S2 ω2 h 2 ξh ωhs 1 式中, ξh为阻尼比; xp为活塞位移; kce为伺服 阀总流量-压力系数; s 为复变数; ωh为液压固有 频率。 根据文献 [16], 若阀与液压缸的连接管道对称 且短而粗, 可以得出采煤机的调高系统的传递函 数为 Gs kaksvkQU Aps s2 ω2 h 2ξh ωh s 1 式中, kQ为流量增益; ka为放大器增益; ksv为 比例阀的增益; U 为比例阀的输入电压; Ap为液压 缸活塞有效面积; ωh和 ξh是系统阻尼比和固有频率 系数。 本文选取参数 Ap 0. 088m2, ωh 157rad/ s, ξh0. 7, ka1. 55, kQ6. 56, 代入数值可得采煤机 调高传递函数为 GS 3507018 s3 65s2 772392s 3 仿真与结果分析 3. 1 算法对比分析 在 Matlab 中编写改进后的人工鱼群算法程序, 给 定 初 始 参 数 fishnum 50, MAXGEN 50, visual1, delta 0. 618, step 1。 在改进的人工鱼 群算法中选取 a 0. 6。 根据系统正定的经验可以选 取 kp、 ki、 kd的取值范围分别是 [0, 90], [0, 15], [0, 0. 15]。 改进后的鱼群算法在寻优过程中 人工鱼参数的变化和 ITAE 的最小值的变化随迭代次 数的变化如图 2 所示, 由仿真图知 ITAE 最小值 为 0. 0702。 分别通过改进的鱼群算法、 模拟退火算法和粒 图 2 仿真参数变化图 子群算法对实际的电液伺服系统进行参数寻优。 系 统的传递函数为 Gs 3507018 s365s2772392s。 粒子群 算法, 改进的鱼群算法, 模拟退火算法的参数设置 见表 1。 系统动态响应的输入采取单位阶跃信号, 采样时间间隔设置为 0. 01s。 表 1 算法的参数设置 算法规模迭代次数参数设置 改进的鱼群算法100150视野 visual1 模拟退火算法100初始温度150降温速率 q0. 9 粒子群算法100150惯性因子 ω0. 6 利用 MATLAB 工具对上述系统模型进行仿真, 3 种算法的 ITAE 的变化曲线图、 系统阶跃响应输出 曲线如图 3 和图 4 所示。 从图 3 可以看出, 改进后的鱼群算法相较于模 拟退火算法和粒子群算法, 收敛速度较快改进的鱼 群算法在迭代到 70 之后就趋于稳定, 模拟退火在迭 代 85 次之后不再发生变化, 虽然粒子群最快, 但误 差最大, 这是因为算法陷入局部最优所导致的, 误 差较小, 精度较为准确改进的鱼群算法 0. 1159, 模拟退火算法 0. 08, 粒子群算法 0. 2056。 由图 4 可以得出, 相比于粒子群算法和模拟退火算法, 改 进的鱼群算法的阶跃响应输出曲线更平滑、 更稳定, 曲线没有超调和震荡, 调节所需要的时间最短, 稳 定性更好, 更能适用于采煤机的复杂工况环境。 3. 2 调高系统仿真 经过多次寻优, 选取最优值的平均值 kp 85, ki0. 38, kd0. 005。 将参数代入 Simulink 中的仿真 框图中。 仿真框图如图 5 所示, 系统的上部分是 931 2020 年第 2 期 煤 炭 工 程 装备技术 万方数据 ITAE 指标函数, 由时间Time及误差绝对值 u 的 乘积进行积分后得到。 系统的下部分是 PID 控制器, 左边是单位阶跃信号输入, 右边是波形图的输出, 中间是 PID 参数和控制函数参数设置, 各个参数的 数值已在之前给出。 仿真结果波形如图 6 所示。 图 3 ITAE 随迭代次数的变化 图 4 系统阶跃响应输出曲线 图 5 系统仿真结构图 图 6 仿真结果波形图 为了验证系统的鲁棒性, 在第 4s 处给定持续 1s 幅值为 1 的扰动信号来验证鲁棒性, 其输出响应曲 线如图 7 所示, 从图 7 中能够看出, 当系统受到扰 动后用了很少的时间大约为 0. 10. 2s恢复到稳定 状态, 这也验证了系统对外界的干扰信号有着较强 的抗干扰能力, 也说明了系统的鲁棒性好。 同时可 以看到系统还具有较小抖震, 表明系统具有良好的 稳态特性。 图 7 系统扰动图 4 结 语 在传统人工鱼群算法的基础上, 加入步长和视 野自适应变化的思想, 以采煤机滚筒调高为研究对 象, 通过把 ITAE 的倒数作为指标函数, 在 Matlab 中 应用程序验证了改进后算法的可行性。 以采煤机调 高系统的传递函数为基础, 通过改进的人工鱼群算 法对电液伺服系统 PID 控制器参数寻优, 对比改进 之后的人工鱼群算法、 模拟退火算法和粒子群算法, 得出改进的人工鱼群算法具有较好的收敛速度和精 确度, 系统的动态响应更强, 输出曲线更平滑, 鲁 棒性好, 验证了该算法的高效性。 为实现采煤机滚 筒的精准调高提供了新的方法。 参考文献 [1] 李 伟, 付加利. 综采采煤机技术创新研究 [J]. 中国高新 041 装备技术 煤 炭 工 程 2020 年第 2 期 万方数据 技术企业, 201314 34, 35. [2] 王增才, 孟惠荣, 张秀娟.自然 γ 射线煤岩界面识别研究 [J]. 煤矿机械, 19996 16-18. [3] 徐 瑛. 国外煤岩界面传感器开发动态综述 [J]. 煤矿自动 化, 19952 62-65. [4] 任 芳. 基于多传感器数据融合技术的煤岩界面识别的理论 与方法研究 [D] 太原 太原理工大学, 2003. [5] 王 丽, 魏金鑫.长壁采煤机的 “记忆截割” 技术 [J]. 水力采煤与竹道运输, 2004, 124 33. [6] 雷玉勇, 阴正锡, 钱 骅. 采煤机液压自动调高系统的研究 [J]. 重庆大学学报, 1994, 174 52-57. [7] 田慕琴, 辛忠东. 基于记忆切割的采煤机自动调高预见控制 系统 [J]. 煤矿机电, 20026 29-32. [8] 刘春生, 杨 秋, 荆 凯. 采煤机滚筒调高记忆程控采样周 期 [J]. 煤矿机电, 20064 38-39. [9] 刘春生, 荆 凯, 杨 秋. 采煤机滚筒调高截割记忆程控的 控制策略 [J].辽宁工程技术大学学报, 2007, 265 751-753. [10] 王铁军, 基于动态精细建模的薄煤层采煤机广义记忆切割技 术研宄 [D]. 北京 中国矿业大学北京, 2013. [11] 张修荣. 采煤机滚筒自适应液压调高系统研究 [D]. 西安 西安科技大学, 2009. [12] 李文华, 刘 娇, 柴 博. 薄煤层采煤机调高系统 PID 控制 的研究与仿真 [J]. 测控技术, 2017, 364 57-60. [13] 赵丽娟, 李 苗. 采煤机自动调高系统的模糊 PID 控制仿真 [J].辽宁工程技术大学学报 自然科学版, 2016, 35 10 1075-1080. [14] 李晓磊, 邵之江, 钱积新.一种基于动物自治体的寻优模 式 鱼群算法 [J]. 系统工程理论与实践, 2002, 2211 32-38. [15] 李晓磊, 田国会, 钱积新, 等. 组合优化问题的人工鱼群算 法应用 [ J].山东大 学学报 工学 版, 2004, 34 5 64-67. [16] 王春行.液压控制系统 [M].北京 机械工业出版社, 2006 40-46. 责任编辑 赵巧芝 141 2020 年第 2 期 煤 炭 工 程 装备技术 万方数据