English
高级检索

悬臂式掘进机煤矸智能截割控制系统与方法

王鹏江, 杨阳, 王东杰, 吉晓冬, 沈阳, 陈慎金, 李旭, 吴淼

王鹏江, 杨阳, 王东杰, 等. 悬臂式掘进机煤矸智能截割控制系统与方法[J]. 煤炭学报, 2021, 46(S2): 1124-1134.
引用本文: 王鹏江, 杨阳, 王东杰, 等. 悬臂式掘进机煤矸智能截割控制系统与方法[J]. 煤炭学报, 2021, 46(S2): 1124-1134.
shu
WANG Pengjiang, YANG Yang, WANG Dongjie, et al. Intelligent cutting control system and method of coal and gangue in robotic roadheader[J]. Journal of China Coal Society, 2021, 46(S2): 1124-1134.
Citation: WANG Pengjiang, YANG Yang, WANG Dongjie, et al. Intelligent cutting control system and method of coal and gangue in robotic roadheader[J]. Journal of China Coal Society, 2021, 46(S2): 1124-1134.
shu

悬臂式掘进机煤矸智能截割控制系统与方法

  • 中国矿业大学(北京) 机电与信息工程学院;石家庄煤矿机械有限公司;上海航天控制技术研究所;中煤科工智能储装技术有限公司;煤炭科学研究总院 储装技术研究分院

Intelligent cutting control system and method of coal and gangue in robotic roadheader

  • School of Mechatronics and Information Engineering， China University of Mining and Technology - Beijing； Shijiazhuang Coal Mine Machinery Co.，Ltd.； Shanghai Institute of Aerospace Control Technology；China Coal Technology & Engineering Intelligent Storage Technology Co.， Ltd.；Storage Technology Research Branch， China Coal Research Institute

摘要

    摘要
  • 摘要: 为实现煤矿掘进机机器人化和无人化的目标，提高掘进机截割煤矸的效率和智能化程度， 提出了一种悬臂式掘进机煤矸智能截割控制系统与方法。 详细阐述了系统的原理和硬件组成。 悬 臂式掘进机煤矸智能截割控制系统利用实时采集的多种传感器信息为控制变量，主要包括截割电 机电流 I、油缸压力 p 以及截割臂振动加速度 acc ，实现掘进机在不同截割状态下煤矸的识别，驱动 掘进机截割臂智能截割。 系统硬件部分包含传感与检测系统、机载主控系统和系统执行机构，并构 建了远程监控平台。 系统依据煤炭行业电气标准分别对一般工况和特殊工况的截割控制策略进行 了方法构建。 在一般工况下，基于多种传感器信息利用改进粒子群算法优化的 BP 神经网络控制 器实现截割载荷识别，提高掘进机对煤矸识别的准确性，实现截割臂摆速的自适应截割。 特殊工况 下分别对硬质点识别和预防闷车 2 种工况进行控制逻辑构建，通过 Automation Studio 软件编程实 现对特殊工况的判断和处理。 以 EBZ135 型掘进机为例，进行了地面验证性实验。 实验结果表明， 截割臂摆速的自适应调节时间约在 0.8 s 左右且无超调量，具有良好的鲁棒性。 硬质点识别控制和 预防闷车控制的实验结果证明了系统对于特殊工况识别精准、快速，处理过程稳定、可靠，验证了所 设计的控制方法具有高的可靠性和控制精度。
    Abstract: In order to realize the goal of robotization and unmanned operation，and to improve the efficiency and intelli⁃ gence degree of cutting coal and gangue with roadheader，a control method and system of intelligent cutting on coal and gangue with roadheader has been put forward. The principle and hardware components of the system are described in detail. The intelligent gangue cutting control system of roadheader uses a variety of sensor information collected in real time as control variables，mainly including cutting motor current I，cylinder pressure p and cutting arm vibration acceleration acc ，to achieve the identification of gangue in different cutting states of the roadheader and drive the intelligent cutting of the roadheader’s cutting arm. The hardware part of the system consists of a sensing and detection sys⁃ tem，an on⁃board master control system and a system actuator，and a remote monitoring platform. According to the elec⁃ trical standards of coal industry，the cutting control strategies of general working conditions and special working condi⁃ tions are constructed respectively. Under the general working conditions，the BP neural network controller optimized by the improved particle swarm optimization algorithm based on a variety of sensor information is used to realize cutting load identification，improve the accuracy of coal and gangue identification of roadheader，and realize the adaptive cut⁃ ting arm swing velocity. In the special working conditions，the control logics of hard spot identification and stuffy car prevention are constructed respectively，and the judgment and treatment of special working conditions are realized by Automation Studio software programming. Taking EBZ135 roadheader as an example， the verification experiment is carried out. The experimental results show that the adaptive adjustment time of the swing velocity of the cutting arm is about 0.8 s and there is no overshoot，which has good robustness. The experimental results of hard point identifica⁃ tion control and stuffy car prevention control show that the system is accurate and fast for the special working condi⁃ tions recognition，and the designed control strategy has a high reliability and control precision.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(26)

  • 期刊类型引用(20)

    1. 李英娜，崔彦平，安博烁，刘百健，靳建伟. 基于卷积神经网络和模糊PID的掘进机截割控制系统研究. 工矿自动化. 2025(01): 61-70+137 . 百度学术
    2. 马宏伟，孙思雅，王川伟，毛清华，薛旭升，刘鹏，田海波，王鹏，张烨，聂珍，马柯翔，郭逸风，张恒，王赛赛，李烺，苏浩，崔闻达，成佳帅，喻祖坤. 论“掘进就是掘模型”的学术思想. 煤炭学报. 2025(01): 661-675 . 本站查看
    3. 高江涛. 叠加扰动下的薄煤层采煤机自主调速截割控制技术. 煤矿机械. 2024(01): 92-96 . 百度学术
    4. 刘若涵，刘永立，刘爽. 智能化掘进机悬臂和铲台机构关联位置干涉解算模型. 工矿自动化. 2024(03): 114-121 . 百度学术
    5. 许向前，简阔，王宁，李胜利. 考虑煤岩硬度的悬臂式掘进机截割控制. 工矿自动化. 2024(04): 153-158 . 百度学术
    6. 马天兵，陈旭升，童玮，李长鹏，许吉禅. 基于STFF-ShuffleNet的掘进机截割头故障诊断. 安徽理工大学学报(自然科学版). 2024(04): 1-10 . 百度学术
    7. 王鹏江，沈阳，宗凯，王东杰，吉晓冬，吴淼. 结合LSTM深度学习和模糊推理控制的巷道掘进机智能联合截割策略与方法. 煤炭学报. 2024(S2): 1195-1207 . 本站查看
    8. 冯起鹏，王贺，张旭. 基于改进BINN算法的煤矿巷道断面截割轨迹规划. 现代电子技术. 2023(01): 107-112 . 百度学术
    9. 张科学，闫星辰，何满潮，陈学习，姜耀东，孙健东，李东，王晓玲，亢磊，杨海江，朱俊傲，吴永伟，李举然，尹宇航. 基于ANP-MEA模型的智能化开采工作面适应性评价研究. 采矿与岩层控制工程学报. 2023(02): 93-102 . 百度学术
    10. 李飞，张林，尚宇琦，孔德中，王玉亮，陈龙，张枝伟. 煤矿智能化掘进关键技术研究. 工矿自动化. 2023(04): 33-41 . 百度学术
    11. 刘芳忠. 煤矿悬臂式掘进机关键结构的力学特性研究. 中国新技术新产品. 2023(04): 64-66 . 百度学术
    12. 王东杰，黄佳泰，郑伟雄，江昌炫，杨帆，吴淼，贾含. 悬臂式掘进机截割载荷与截割状态参数敏感关系研究. 煤炭工程. 2023(05): 123-129 . 百度学术
    13. 薛力猛，马宏伟，王川伟，张恒. 护盾式智能掘进系统截割机器人截割能力研究. 西安科技大学学报. 2023(04): 779-786 . 百度学术
    14. 谢苗，朱昀，刘杰，任泽，杨志勇，刘治翔，王贺，孟庆爽. 基于改进离散方法的截割稳定性预测分析. 中国机械工程. 2023(18): 2153-2164+2176 . 百度学术
    15. 刘春生，沈佳兴，刘若涵，李德根，王磊. 基于粒子群优化LSSVM的轴向倾斜截齿载荷预测方法. 辽宁工程技术大学学报(自然科学版). 2023(04): 461-468 . 百度学术
    16. 于建华. 煤矿悬臂式掘进机关键结构的力学特性研究. 工程机械与维修. 2023(06): 124-127 . 百度学术
    17. 张旭辉，杨文娟，薛旭升，张超，万继成，毛清华，雷孟宇，杜昱阳，马宏伟，赵友军，李晓鹏，胡成军，田胜利. 煤矿远程智能掘进面临的挑战与研究进展. 煤炭学报. 2022(01): 579-597 . 本站查看
    18. 李玉选，黄丹，杨小聪，郑志杰，马昊. 金属矿山悬臂式掘进机采掘配套设备选型研究. 矿业研究与开发. 2022(06): 166-171 . 百度学术
    19. 吴波. 煤矿掘进机远程智能控制系统的设计及应用. 江西煤炭科技. 2022(03): 221-223 . 百度学术
    20. 杨春雨，张鑫. 煤矿机器人环境感知与路径规划关键技术. 煤炭学报. 2022(07): 2844-2872 . 本站查看

    其他类型引用(6)

    • 资源附件(0)
计量
  • 文章访问数:  93
  • HTML全文浏览量:  0
  • PDF下载量:  61
  • 被引次数: 26
出版历程
  • 网络出版日期:  2023-04-09

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(26)
    资源附件(0)

    /

    返回文章
    返回

    相关链接

    邮件订阅 RSS

    网站版权 © 《煤炭学报》编辑部 京ICP备05086979号-14

    地址：北京市朝阳区和平街13区煤炭大厦

    邮编：100013

    编辑部电话：（010）87986411

    本系统由 北京仁和汇智信息技术有限公司 开发  百度统计

    x 关闭 永久关闭