基于模糊RBF神经网络的采煤机控制方法的研究

李鹏飞

（晋能控股煤业集团马脊梁矿综采队，山西 大同 037001）

引言

采煤机作为井下综采系统的关键设备，是实现煤矿高效安全运转、改善井下人员工作环境的重要组成部分。在当前技术状态下，采煤机的控制方式仍然采用人工实时操作或进行截割滚筒的路径预设值方式进行，人工实时操作主要依靠司机视力观察或操作过程中截割滚筒反馈的各项振动、噪声等因素对采煤机调高系统进行控制，而截割滚筒路径预设值控制方法是采煤机依据预设路径进行截割煤岩，同时对自身位移、牵引功率等信息进行记录，据此判断下一工作段的滚筒高度调节及目标路径的修正[1]。随着煤矿对高效生产的标准日益提高，采煤机自动化程度提高成为工作的重点，特别是采煤机滚筒的自动化、智能化控制成为采煤机自动控制研究的关键课题。

1 截割滚筒负载特性的分析

截割滚筒的工作对象为煤或煤岩混合物质，而不同截割对象的物理属性，包括密度、湿度、导电性等均有较大区别，截割滚筒的负载特性即在截割滚筒作用于不同对象时，其各项响应信号的特征，对这些信号特征的采集是神经网络自适应学习判断的依据。

采煤机截割滚筒的主要负载为截割阻力、推进阻力及截割阻力矩。通过截割驱动电机的电流变化可以用来研究截割阻力和截割阻力矩，牵引电机转矩可以用来推算出推进阻力，因此，负载特性分析主要通过对截割电流及牵引转矩的信号采集和分析来实现[2]。……