液压支架群组跟机推进行为的智能决策模型.pdf

第 45 卷第 6 期煤炭学报Vol. 45 No. 6 2020 年6 月JOURNAL OF CHINA COAL SOCIETYJun. 2020 扫码关注 付翔,王然风,赵阳升 ． 液压支架群组跟机推进行为的智能决策模型[J]. 煤炭学报,2020,4562065-2077. doi10. 13225/ j. cnki. jccs. ZN20. 0339 FU Xiang,WANG Ranfeng,ZHAO Yangsheng. Intelligent decision-making model on the of hydraulic supports group advancing behavior to follow shearer[J]. Journal of China Coal Society,2020,4562065-2077. doi10. 13225/ j. cnki. jccs. ZN20. 0339 液压支架群组跟机推进行为的智能决策模型 付 翔,王然风,赵阳升 太原理工大学 矿业工程学院,山西 太原030024 摘 要智能决策模型支持的液压支架自组织协同控制是智能开采的关键技术之一,支架群组跟机 行为的全局最优规划是智能决策模型的核心原理。 提出了液压支架跟机行为的动作类型排序和动 作速度调控的双层规划原理,以支架适应采煤机速度、液压系统压力稳定为多目标导控,设计了支 架群组跟机推进行为智能决策模型,实现供液动力与支架动作协同全局最优控制序的动态决策。 基于液压支架多类型单自由度的运动空间特性,根据时间世界模型的时间元关系约束定理,提出了 液压支架群组跟机动作时序规划方法,设计了满足跟机工艺和空间约束的支架动作动态排序模型, 以改进支架不同类型动作发生顺序和相互之间的时间逻辑。 基于支架动作的稳压供液原理,构建 了供液流量与支架组合动作执行时间的数学映射模型,构建了支架动作时压力状态模糊辨识模型, 实现支架组合动作速度和压力稳定性的预测评价。 通过示例的仿真和试验验证了决策模型的正确 性和可行性,并得出结论,智能决策模型可根据采煤机速度自动生成支架与供液协同控制策略,提 高了支架群组跟机适应能力,并一定程度地稳定了液压系统压力过程状态。 研究形成的自适应采 煤机速度支架群组跟机推进行为智能决策机制与框架,为实现支架自组织协同控制技术提供关键 的决策支持。 关键词液压支架;供液系统;稳压供液;智能决策;最优规划 中图分类号TD355． 4 文献标志码A 文章编号0253-9993202006-2065-13 收稿日期2020-03-02 修回日期2020-04-10 责任编辑郭晓炜 基金项目山西省应用基础研究重点资助项目201901D111007ZD;山西省应用基础研究资助项目201801D221358;山西省高等学校科 技创新资助项目2019L0206 作者简介付翔1986,男,山西长治人,讲师,博士。 E-mail14632235 qq． com 通讯作者王然风1970,男,山西长治人,副教授,硕士生导师。 E-mailwrf197010126． com Intelligent decision-making model on the of hydraulic supports group advancing behavior to follow shearer FU Xiang,WANG Ranfeng,ZHAO Yangsheng College of Mining Engineering,Taiyuan University of Technology,Taiyuan 030024,China AbstractThe self-organizing cooperative control of hydraulic support supported by intelligent decision model is one of the key technologies of intelligent mining,and the global optimal planning of supports group advancing behavior is the core principle of intelligent decision model. The principle of Bilevel Programming is put forward for the sequence of ac- tion types and the regulation of action speed of the hydraulic supports advancing. The intelligent decision-making mod- el on the support group advancing behavior to follow shearer is designed to realize the dynamic decision-making of the global optimal control sequence of the cooperation between the fluid feeding and the supports acting. Based on the spa- tial characteristics of the multi types and single degree of freedom of the hydraulic support and according to the time 中国煤炭行业知识服务平台 w w w . c h in a c a j . n et 煤 炭 学 报 2020 年第 45 卷 element relation constraint theorem of the Temporal World Model,a sequential planning for the following action of hydraulic support group is proposed and a dynamic se-quence model for the following action to meet the following process and space constraints is designed to improve the sequence of different types of the support actions and the time logic between them. Based on the principle of fluid feeding with steady pressure when support acting,the mathematical mapping model of fluid feeding flow and cution time of supports combined action is constructed and the fuzzy iden- tification model of pressure state is constructed,which realize the prediction of support combined action speed and the uation of pressure stability. The correctness and feasibility of the decision-making model are verified by the simula- tion and experiment. The conclusion is that the decision-making model can automatically generate the appropriate sup- ports following and fluid feeding collaborative control strategy according to the speed of shearer,which improves the support group adaptive following ability and stabilizes the pressure process state of hydraulic system to a certain ex- tent. This research has established the intelligent decision-making mechanism and framework of support group behavior for adaptive mining conditions,which provides the key decision support for the hydraulic supports self-organizing col- laborative control technology. Key wordshydraulic support;fluid feeding system;fluid feeding with steady pressure;intelligent decision-making;op- timal planning 工作面综采装备的协同推进与精准控制是智慧 矿山关键核心技术之一[1],通过采装运支等 工序环节的综采装备群组协同智能化运行,实现综采 工作面采煤全过程“无人跟机作业,有人安全巡视” 的安全高效开采技术[2]。 智能决策是指根据设备当 前的状态、空间位置信息、生产运行及安全规则等,自 感知分析并作出控制决策[3]。 综采装备智能决策要 求工作面开采技术与装备由传统的经验型、定性决策 为主,向精准型、定量智能协同决策转变[4]。 液压支架简称“支架”群组作为综采工作面关 键设备组,由上百台支架组成,每台支架具有多种动 作类型,需要有序、适时、精准、协调地进行推进行为, 以实现工作面动态支护目标。 然而,目前国内外支架 智能决策与控制仍然集中在支架的步态控制,尚未实 现以智能决策模型支持的支架自组织排队及协同控 制技术[5]。 牛剑峰[6]、石勇等[7]、陶显等[8]根据工作 面中部支架跟机特性,深入研究采煤机与支架的时空 逻辑关系,建立基于采煤机位置、方向、速度的支架中 部跟机自动化数学模型,提出多种割煤工艺的支架中 部跟机多阶段控制策略。 现有研究主要是根据割煤 工艺设计支架电液控制程序,实现单架顺序动作、多 架成组动作等[9],其控制模式单一、固化,导致支架 跟机适应能力差。 综采工作面开采设备群全局最优规划拟解决非 线性耦合条件下生产系统设备群全局最优规划问 题[10]。 王国法等[11]借鉴群机器人和无人机群的控 制理论,提出工作面支护系统支架群组的自组织协同 控制方法,采用基于社会势场和行为的自组织混合控 制策略,设计了支架跟机队列保持推进控制任务线 程,每个支架个体依据势场函数,依据传感器和相邻 支架信息输出基本行为或组合行为。 该方法科学阐 明了支架分布式协同控制的研究思路,然而支架群组 自组织协同控制应由支架推进行为的智能决策作为 核心支持,根据决策结果量化明确支架个体势函数, 形成支架多智能体分布式控制协议。 群机器人控制理论的行为变量为运动方向和 速度, 主 要 解 决 群 体 编 队 行 进 的 路 径 规 划 问 题[12-13]。 支架群行为的控制变量是支架动作类型 和动作速度,支架动作类型变量是指支架群组多个 类型动作的时间逻辑排序问题。 朱小林等[14]依据 割煤工艺与现场经验改进多个支架动作之间的时 间关系,组合重叠多种支架跟机动作时序,提高了 支架推进行为对采煤机速度变化的适应能力。 支 架动作速度是指支架不同类型动作执行时间,受到 供液系统的液压动力影响[6,15-17]。 应考虑供液动力 对支架运动能力的约束[18-19],深入研究供液动力与 支架群组动作协同控制决策机理。 笔者提出稳压 供液原理[20],揭示了不同动作负载特征与最佳供液 流量的映射关系,并进一步研究提出自适应支架动 作时序的稳压供液控制方法[21],提出了供液与支架 交叠协同控制逻辑,构建了支架同步动作执行时间 与供液流量的映射模型,阐明了基于常规支架控制 流程的最优供液动力调控决策机制。 在上述研究 基础上,为适应非同步的、多种时序组合的支架动 作控制流程,笔者将拓展研究支架组合动作执行时 间与供液流量的映射关系,并进一步研究基于动态 支架动作时序的供液动力与支架动作协同最优控 制序的决策机理。 6602 中国煤炭行业知识服务平台 w w w . c h in a c a j . n et 第 6 期付 翔等液压支架群组跟机推进行为的智能决策模型 1 基于双层规划的支架群组跟机推进行为智 能决策模型 支架行为的运动变量是支架动作类型和动作速 度,动作类型排序决定支架动作时序,动作速度受到 供液动力影响,两个变量的决策原理可归结为支架群 组动作排序和供液动力响应调控协同的双层规划问 题。 解决该问题的思路为以支架适应采煤机速 度适速、动作精确压力稳定精稳为多决策目标, 对任意可行的支架跟机动作时序逐个进行供液动力 调控策略规划,进而搜寻全局最优的供液动力与支架 动作协同控制序。 基于此,设计基于双层规划的支架 群组跟机推进行为智能决策模型以下简称“决策模 型”,如图 1 所示。 图 1 支架群组跟机推进行为智能决策模型 Fig． 1 Intelligent decision model of supports group following action 模型的运行机制为以一次支架跟机循环动作周 期为时间单位,以动作周期内采煤机速度期望值和液 压系统压力稳定为决策目标,依次决策循环运行;以 支架群组推进行为的动作时序可行集作为上层决策 空间,以多泵变频供液系统动力调控能力为下层决 策空间,上下层形成递阶结构,以支架动作类型序列 和供液流量序列为决策变量,决策得出供液动力与支 架动作协同全局最优控制序。 模型的关键模块功能设计如下 1决策空间。 上层决策空间采用支架群组跟机推进动作时序 规划方法具体见第 2 节,得出一次支架动作循环 周期内动作类型的执行时序可行集,作为支架动作控 制序决策变量的搜索空间。 采用穷举法,将每个可行 的支架动作时序作为下层规划输入参数。 下层决策空间供液系统采用多泵变频驱动方 式[22],根据泵组数量和变频参数等配置,设定供液流 量调节范围和精度,作为供液动力调控序的决策空 间。 以供液流量为决策变量,采用粒子群优化PSO 算法,规划求解适配该支架动作时序的供液动力最优 调控策略。 2供液与支架交叠协同逻辑。 定义具有相交时间关系的若干动作为一套支架 组合动作,包含不同类型动作相交执行、相同类型动 作同步执行等。 设任意一个支架行为可行时序中共 有 m 组支架组合动作, 第 x 个支架组合动作记 为 SZx。 供液流量调控与支架组合动作设计为交叠 协同逻辑[21],SGx为支架组合动作 SZx的适配供液流 量调控动作,两者时间关系为交叠,Qx为 SZx的适配 供液流量。 3支架平均跟机速度预测。 支架跟机速度是指沿采煤机割煤方向的支架群 7602 中国煤炭行业知识服务平台 w w w . c h in a c a j . n et 煤 炭 学 报 2020 年第 45 卷 组推进速度,则一次循环周期内支架平均跟机速度 vz 为 vz NyH ∑ m x 1 tx Δtx-1,x 1 式中,H 为液压支架架间距;Ny为此次循环周期的支 架同步跟机移架支护的数量;Δtx-1,x为 SZx-1与 SZx 的间隔时间,可取值为 0;tx为 SZx的执行时间,同一 支架组合动作主要由供液流量决定,具体计算模型见 第 3 节。 4压力整体稳定程度预测。 供液流量大小决定了支架某种动作类型执行时 的压力状态稳压流量使压力限定范围内变化,支架 动作快速稳定;流量过小引起压力不足,可能造成液 压缸推动力不足,无法克服负载;流量过大引起压力 波动,造成动作不精准、能量浪费、机械故障隐患 等[20]。 因此,将支架动作过程压力状态分为 3 种辨 识类型压力不足、稳压状态、压力波动,设定压力状 态的级分集 SC s CA,sCB,sCC,其中 sCA,sCB,sCC分别 为压 力 不 足、 稳 压 状 态、 压 力 波 动 的 级 分, 取 值[-100,100]。 考虑到支架动作应满足推动力,尽 量减少波动,以稳压状态为目标,因此 sCA可取值为- 20,sCB取值 100,sCC取值-10。 根据式2计算得出 此循环周期的压力状态评价分数 pz。 pz 1 m∑ m x 1 Zx S T C 2 式中,Zx为据支架组合动作压力状态的模糊综合评 价向量,由压力状态模糊辨识模型计算得出具体建模 方法具体见第 3 节。 5满意度目标函数生成。 根据支架跟机适速、精稳多决策目标,满意度函 数法DFA [23-24] 将多目标问题转化成单目标问题。 通过上述模块处理得到支架跟机速度和压力状态评 价分数两项量化指标,分别赋予望目特性采煤机速 度为目标和望大特性稳压状态为目标,生成满意 度函数,具体为 支架跟机速度望目特性满意度函数 dv为 dv 0vz Uv 3 式中,vc为该循环周期内采煤机平均速度;vz越接近 vc,dv越接近 1;Uv,Lv为支架跟机速度的上、下限规 格,由支架跟随采煤机速度匹配限制决定;e1,e2分别 为下、上接近目标程度,0e1,更快接近目 标,取值应充分考虑支架跟机速度,应尽可能上接近 采煤机速度。 压力状态评价分数望大特性满意度函数 dp为 dp 0pz Up 4 式中,pz越大,dp越接近 1;Up,Lp为压力状态评价分 数的上、下限规格,取值主要考虑压力波动和稳压状 态期望界限。 进一步,利用加权总体满意度函数[23],生成循环 周期内支架适速精稳跟机总体满意度 D 为 D dω1 v dω2 p 1 ω1 ω 25 其中,ω1,ω2分别为速度和压力响应指标的权重因 子,取 值 [0,1] 且 满 足 ω1 ω 2 1。可 见, 式 1 5将速度、压力多目标转化成总体满意度单 目标,总体满意度取值 0≤D≤1,越接近 1,越满足支 架跟机适速精稳目标。 综上,模型的各模块相互链接,不同层次地轮巡 计算,形成上下层递阶结构的运行机制。 下层规划以 供液流量序列为决策变量,采用 PSO 算法在下层决 策空间搜索满意度最大的供液流量序列,然后上层决 策空间输入新的支架动作时序,下层再一次进行规 划。 全部支架动作可行时序计算完毕后,取最大满意 度的支架动作时序及其适配的供液流量序列,决策得 出供液动力与支架动作协同全局最优控制序。 2 支架群组跟机推进动作时序规划 针对支架群组多个类型动作的逻辑排序问题,设 计支架群组跟机推进动作时序规划方法,具体流程如 图 2 所示。 2． 1 液压支架群组跟机推进的动作事件定义 将一次跟机循环内参与推进行为的各个类型支 架动作定义为支架群组跟机推进的动作事件,设一次 跟机循环支架动作事件集 S{S1,S2,,Sn}共 n 个 支架动作事件。 S 中第 i 个支架动作事件 Si用时间 点表示动作执行时间区间,即 Si[ai,bi],且 aibi, ai为支架动作执行的起始时间点;bi为支架动作执行 的结束时间点。 2． 2 液压支架动作的点逻辑时间关系矩阵建立 基于时间世界模型Temporal World Model [25-26] 的 13 种时间元关系定义,根据工作面割煤工艺、支架 8602 中国煤炭行业知识服务平台 w w w . c h in a c a j . n et 第 6 期付 翔等液压支架群组跟机推进行为的智能决策模型 图 2 支架群组跟机推进动作时序规划方法的流程 Fig． 2 Flow chart of the sequential planning for the following action of the supports group 间空间位置关系等约束,设定两两支架动作事件之间 的可能时间关系,并用时间点逻辑法描述时间关系约 束条件,即利用 3 种时间点关系描述 13 种 时间元关系,转换方法如图 3 所示。 图 3 13 种时间元关系转换 Fig． 3 Transation of 13 kinds of time element relation 图 3 中,ai和 bi分别为支架动作事件 Si发生的 开始和结束时间点,用一个 22 阶的矩阵表示任意 两个支架动作事件 Si和 Sj之间的时间关系,记为 Ri,j A1i,jA2i,j B1i,jB2i,j 6 其中, A1i,j为 aj落到 ai的区间,取值-1,0,1,依次 表示-∞,ai,[ai],ai, ∞三个区间;A 2i,j为 bj 落到 ai的区间;B1i,j为 aj落到 bi的区间;B2i,j 为 bj落到 bi的区间,取值同理。 则支架动作事件 集 S 的时间点关系约束矩阵可由 n2个22 阶矩阵嵌 套而得 2n2n 阶矩阵表示,记为 M R1,1R1,2R1,n R2,1R2,2R2,n ︙︙︙ Rn,1Rn,2Rn,n 7 2． 3 支架动作时序规划计算 定义 S 的时间点集 T{t1,t2,,t2n},共有2n 个 时间点,令 E{e1,e2,,em}是 T 的一个有序划分, 则 xyE表示 x∈ei,y∈ej,xy⇔ij;x yE表示 x,y∈ei,且满足 ∀x,y ∈ T,x yE⇒ - 1 ∈ mx,y ∀x,y ∈ T,x yE⇒0 ∈ mx,y 8 则称有序划分 E 是 M 的基本划分,将 T 的元素 按 E 的序安排在时间轴上,即将 x yE的 x,y 放在 同一个点上,即可得到一个满足关系约束矩阵 M 的 支架动作起始和终止的时间点排序支架动作时 序。 通过 M 矩阵简化、非正行向量判断、求解相容 子集等数学计算,即可规划得到满足 M 的全部支架 群组推进行为的可行动作时序,记为支架动作时序可 行集。 3 支架组合动作的执行时间预测和压力状态 模糊辨识 3． 1 支架组合动作执行时间的数学模型 前期研究[21]已建立相同类型支架动作同步执行 时间的数学模型,本节主要构建不同类型支架动作相 交执行时间的数学模型。 考虑同种类型动作为关 系,不同类型动作为 si 或 s 关系,设支架组合动 作 SZx中包含 Ni个支架同步动作 Si和 Nj个支架动 作 Sj,两者时间关系为 si。 供液流量调控与支架组合 动作设计为交叠协同逻辑,根据供液动力对支架动作 的液压作用机理,将支架组合动作的液压过程分为 2 个线程,3 个工况,2 个阶段,如图 4 所示。 图 4 中,红色曲线表征供液流量变化,蓝色曲线 表征液压系统压力变化。 Ni个 Si和 Nj个 Sj相交时 段为阶段Ⅰ,Nj个 Sj完成剩余动作时段为阶段 Ⅱ;tx t Ⅰ x t Ⅱ x ,tⅠ x 为阶段Ⅰ执行时间,tⅡ x 为阶 段Ⅱ执行时间。 tx-1,x指供液流量调控 SGx执行时 间,当 tⅠ x ≥tx-1,x -Δt x-1,x时为 α 线程,t Ⅰ x tx-1,x- Δtx-1,x 时为 β 线程;Q∗ i ,Q∗ j ,Q∗ ij 分别为 Si,Sj,Si 9602 中国煤炭行业知识服务平台 w w w . c h in a c a j . n et 煤 炭 学 报 2020 年第 45 卷 和 Sj同时动作时期的稳压供液流量,当 Qx≤Q∗ ij ≤ Q∗ j 时为工况 1,Q∗ j ≤Qx≤Q∗ ij 时为工况 2,Q∗ j ≤Q∗ ij ≤Qx时为工况 3;pu,pl分别为供液系统卸载、加载压 力设定。 图 4 支架组合动作液压过程 Fig． 4 Hydraulic process while supports combined acting 已证明稳压供液流量是压力限定范围内支架动 作所需的最大有效流量[20],因此图 4 中竖线阴影面 积为阶段Ⅰ压力液进入液压缸体积,斜线阴影面积为 阶段Ⅱ压力液进入液压缸体积。 根据液压缸活塞移 动满足体积平衡,分别推导 3 种工况的支架动作执行 时间如下。 3． 1． 1 工况 1 由于 Qx≤Q∗ ij ≤Q∗ j ,供液流量全部进入 Si和 Sj 动作液压缸,线程 α 和 β 满足同一体积平衡表达式为 阶段Ⅰ满足 NiAiLi N jAjL Ⅰ j Q xt Ⅰ x - kxtx-1,x- Δtx-1,x2 2 9 式中, Ai, Aj分别为 Si, Sj的液压缸进液作用面 积;Li,Lj分别为 Si,Sj的液压缸活塞移动距离,即动 作行程,右上角标括号表示某阶段的动作行程;kx 为 SGx变频调控流量变化率带符号,其计算式为 kx sgn Qx Qe { } - Qx-1 Qe {} Qe Tf 10 式中,sgn指取括号内符号;{}指取括号内数值的 小数部分;Qe为乳化液泵额定流量;Tf为变频从 0 加 速到额定转速的设定时间。 阶段Ⅱ满足 NjAjLⅡ j Q xt Ⅱ x 11 综上,工况 1 的支架组合动作时间 t1 x 推导可得 t1 x NiAiLi N jAjLj k xtx-1,x - Δtx-1,x 2 /2 Qx 12 3． 1． 2 工况 2 由于 Q∗ j ≤Qx≤Q∗ ij,阶段Ⅰ时全部供液流量以一 定比例分别进入 Si和 Sj动作液压缸。 当压力一定 时,不同动作类型的稳压供液流量之比代表动作速 度或进液流量之比,可认为压力在低于卸载压力 且高于外部负载范围内变化时,该比例保持不变[27]。 则阶段Ⅰ进入 Si,Sj动作液压缸进液流量分别为 Qxi,Qxj,则满足 Qxi Qxj Q∗ i Q∗ j 13 0702 中国煤炭行业知识服务平台 w w w . c h in a c a j . n et 第 6 期付 翔等液压支架群组跟机推进行为的智能决策模型 式中,Qx Q xiQxj,且满足 Q ∗ ij Q ∗ i Q ∗ j 。 线程 α 阶段Ⅰ满足 NiAiLi Q∗ x Q∗ ij QxtⅠ x - kxtx-1,x- Δtx-1,x2 2 14 NjAjLⅠ j Q∗ j Q∗ ij QxtⅠ x - kxtx-1,x- Δtx-1,x2 2 15 推导可得工况2 线程 α 的阶段Ⅰ执行时间 t2αⅠ x 计算方程为 t2αⅠ x NiAiLiQ∗ ij / Q∗ i k xtx-1,x - Δtx-1,x 2 /2 Qx 16 进一步,线程 β 阶段Ⅰ满足 NiAiLi Q∗ i tⅠ x Q∗ ij Q′ x k x Δtx-1,x tⅠ x 2 17 NjAjLⅠ j Q∗ j tⅠ x Q∗ ij Q′ x k x Δtx-1,x tⅠ x 2 18 推导可得工况 2 线程 β 的阶段Ⅰ执行时间 t2βⅠ x 计算方程为 t2βⅠ x Q′ xΔtx-1,x - 2NiAiLiQ ∗ ij / kxQ∗ i - Q′ xΔtx-1,x 19 式中,Q′ x为多泵变频供液系统工频动作后变频调控 开始时的供液流量图 4,计算如下 Q′ x Q x-1 Q e Qx Qe - Qx-1 Qe 20 式中,[]为取括号内数值的整数部分。 阶段Ⅱ线程 α 和 β 满足同一体积平衡表达式 NjAjLⅡ j Q ∗ j tⅡ x 21 推导可得工况 2 的阶段Ⅱ执行时间 t2Ⅱ x 计算方 程为 t2Ⅱ x NjAjLj - N iAiLiQ ∗ ij / Q∗ i Q∗ j 22 综上,工况 2 的支架组合动作时间 t2 x 推导可得 t2 x t2αⅠ x t 2Ⅱ x t2αⅠ x ≥ tx-1,x- Δtx-1,x t2βⅠ x t 2Ⅱ x t2βⅠ x tx-1,x- Δtx-1,x { 23 3． 1． 3 工况 3 由于 Q∗ j ≤Q∗ ij ≤Qx,供液流量部分被卸载,进 入 Si和 Sj动作液压缸的流量部分等效于稳压供液流 量,线程 α 和 β 满足同一体积平衡表达式如下 阶段Ⅰ满足 NiAiLi Q ∗ i tⅠ x 24 NjAjLⅠ J Q ∗ j tⅠ x 25 阶段Ⅱ的体积平衡表达式同工况 2 阶段Ⅱ,同 式21。 综上,工况 3 的支架组合动作时间 t3 x 推导可 得 t3 x NjAjLj Q∗ j 26 综上所述,可推到得到支架组合动作 SZx执行时 间 tx的的数学表达式为 tx t1 x Qx≤ Q∗ j ≤ Q∗ ij t2 x Q∗ j ≤ Qx≤ Q∗ ij t3 x Q∗ j ≤ Q∗ ij ≤ Qx 27 式27是以 Qx-1,Qx为 2 个自变量的数学函数, 可记为 tx f tQx-1,Qx,揭示了供液流量与支架组合 动作执行时间的映射关系,为决策模型的支架跟机速 度指标预测提供了关键模型基础。 3． 2 支架动作执行时的压力状态模糊辨识模型 考虑到压力不足、稳压状态、压力波动 3 者差 异的中间过渡“分明不绝对性”,采用模糊数学方 法辨识压力状态。 以支架组合动作阶段为因素 集,压力 3 种类型为评价集,组合形成模糊综合评 价体系,见表 1。 表 1 压力状态模糊综合评价 Table 1 Fuzzy comprehensive uation of pressure state 支架动 作阶段 压力状态评价 压力不足稳压状态压力波动 阶段ⅠμⅠ A μⅠ B μⅠ C 阶段ⅡμⅡ A μⅡ B μⅡ C 表 1 中,μ 为压力状态的隶属度,利用当前支架 组合动作的供液流量计算得出,其隶属度函数如图 5,表 2 所示。 图 5 和表 2 中,Q1 Q4为压力状态辨识界 限值,根据对应的稳压供液流量和实际经验取值,不 同组合动作的不同阶段取值均不同。 通过隶属度计 算,可生成 SZx压力状态的23 模糊评判矩阵 Mx,即 Mx μⅠ xA μⅠ xB μⅠ xC μⅡ xA μⅡ xB μⅡ xC 28 进一步,根据重要性、精确度要求、现场经验等设 定支架组合动作各阶段的权重因子,确定 SZx的因素 权向量 εx,记为 1702 中国煤炭行业知识服务平台 w w w . c h in a c a j . n et 煤 炭 学 报 2020 年第 45 卷 图 5 供液流量与压力状态隶属度关系 Fig． 5 Membership relationship between fluid feeding flow and pressure state 表 2 压力状态的隶属度函数 Table 2 Membership function of pressure state 压力状态隶属度函数 压力不足 μA 1Qx≤ Q1 Q2 - Qx Q2 - Q1 Q1 Qx Q2 0Q2 ≤ Qx 稳压状态μB 0Qx≤ Q1,Q4 ≤ Qx Qx- Q1 Q2 - Q1 Q1 Qx Q2 1Q2 ≤ Qx≤ Q3 Q4 - Qx Q4 - Q3 Q3 Qx Q4 压力波动μC 0Qx≤ Q3 Qx- Q3 Q4 - Q3 Q3 Qx Q4 1Q4 ≤ Qx εx εⅠ x ,εⅡ x 29 其中,εⅠ x ,εⅡ x 分别为阶段Ⅰ,Ⅱ的权重因子,取值 [0,1]且满足 εⅠ x ε Ⅱ x 1。 进一步,合成模糊评 判矩阵 Mx与权向量 εx,生成模糊综合评价向量 Zx, 计算如下 Zx M x ε x z xA,zxB,zxC 30 其中,zxA,zxB,zxC分别为压力不足、稳压状态、压力波 动 3 种辨识类型的模糊综合指标,取值[0,1]且满足 zxA z xB z xC 1。 值得注意的是,式30同样适用 于支架同种类型同步动作,只需该类型动作权重因子 取值 1 即可。 式30是以 Qx为自变量的模糊数学函数,可记 为 Zx f zQx,揭示了供液流量与支架组合动作压力 状态的映射关系,为决策模型的压力整体稳定程度指 标预测提供了关键模型基础。 4 示例仿真分析 4． 1 支架动作时序规划计算 以降柱、移架、升柱、成组推溜 4 种支架基本动作 类型为例,将支架完成 2 架跟机移架和 2 次成组推溜 设定为一次循环动作周期,定义支架动作事件集 S 见 表 3。 表 3 支架动作事件集 Table 3 Supports acting event set 事件动作类型 S1采煤机后第 1 台支架降柱 S2采煤机后第 1 台支架移架 S3采煤机后第 1 台支架升柱 S4采煤机后第 2 台支架降柱 S5采煤机后第 2 台支架移架 S6采煤机后第 2 台支架升柱 S7采煤机后第 4 11 台支架成组推溜 S8采煤机后第 3 10 台支架成组推溜 根据支架跟机工艺要求和现场经验,事件集 S 两 两动作时间关系设定原则为为减少顶板暴露时间, 降-移-升动作类型应顺序执行;成组移架工艺时, 降、移、升相同动作类型可同步执行;考虑到支架动作 过程的空间位置关系、推溜与升柱供液流量可能会超 出供液系统最大能力、支架控制程序设计可行性等因 素,则推溜与降、移可同时开始动作,推溜与升柱执行 不得相交,4 11 台推溜动作与 3 10 台推溜动作为 前后关系。 基于上述原则,设定事件集