CN115788477B - 掘进机自适应截割控制***及方法 - Google Patents
掘进机自适应截割控制***及方法 Download PDFInfo
- Publication number
- CN115788477B CN115788477B CN202310067306.8A CN202310067306A CN115788477B CN 115788477 B CN115788477 B CN 115788477B CN 202310067306 A CN202310067306 A CN 202310067306A CN 115788477 B CN115788477 B CN 115788477B
- Authority
- CN
- China
- Prior art keywords
- data
- cutting
- heading machine
- current
- oil cylinder
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Automatic Control Of Machine Tools (AREA)
- Operation Control Of Excavators (AREA)
Abstract
本发明涉及一种掘进机自适应截割控制***及方法，属于智能化掘进设备技术领域。包括传感器模块、边缘计算机和数据采集单元，传感器模块包括压力传感器、行程位移传感器和振动传感器；传感器模块用于采集掘进机截割过程中的油缸压力数据、油缸位移数据和截割臂振动数据，并通过数据采集单元发送至边缘计算机；边缘计算机用于对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，并根据处理结果对掘进机的截割臂摆速进行自适应控制。本发明提供了一种基于掘进机截割过程中的多种类型参数对掘进机的截割臂摆速进行自适应控制的方法，相对先前单一的电流判据，更符合实际工况，从而能够提高掘进机的截割效率。
Description
技术领域
本发明涉及智能化掘进设备技术领域，尤其涉及一种掘进机自适应截割控制***及方法。
背景技术
悬臂式掘进机作为煤矿井下综掘工作面最重要的设备，广泛应用于巷道和隧道掘进，其自动化、智能化水平是实现无人智能掘进、提高掘进效率的关键。
综掘工作面工作环境恶劣，高性能的自动控制***就显得尤为重要，控制方面主要包括悬臂式掘进机电控部分与液压部分，控制目的是实现掘进机根据煤岩硬度自适应调整摆速以实现高效截割与提升截割部寿命的目的。
现有技术对于掘进机的截割控制主要以某个单一的参数作为依据，这种单维度不适用于实际工作场景，例如以截割电流作为判据的方案，掘进机在截割不均匀分布岩石或人工手动操作不熟练的时候，电流值频繁地大幅度变化，截割臂摆速也随之变化，频繁地变化截割臂摆速反而会使截割效率降低。
发明内容
为解决上述技术问题，本发明提供一种掘进机自适应截割控制***及方法。本发明的技术方案如下：
第一方面，提供一种掘进机自适应截割控制***，其包括传感器模块、边缘计算机和数据采集单元，所述边缘计算机和数据采集单元安装于掘进机电控箱上；所述传感器模块包括分别安装于掘进机左回转油缸、右回转油缸、左升降油缸和右升降油缸上的压力传感器，安装于左回转油缸和右回转油缸上的行程位移传感器，安装于截割臂上靠近截割头部分的振动传感器；所述传感器模块的信号输出端与数据采集单元的信号输入端连接，数据采集单元的信号输出端与边缘计算机的信号输入端连接；
所述传感器模块用于采集掘进机截割过程中的油缸压力数据、油缸位移数据和截割臂振动数据，并通过数据采集单元发送至边缘计算机；
所述边缘计算机用于对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，并根据处理结果对掘进机的截割臂摆速进行自适应控制。
可选地，所述边缘计算机在对油缸压力数据、油缸位移数据、截割臂振动数据、电流数据和电压数据进行处理时，包括：对任一采样时刻采集的油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据中的每种样本数据均进行异常数据处理和标准化数据处理。
可选地，所述异常数据处理的具体方法为：
若任一种样本数据的残余误差的绝对值>3σ，即将分布在（μ-3σ,μ+3σ)中的样本数据确定为异常值，并对其加以剔除；
其中，σ代表的是任一种样本数据的标准差，N为样本总数，μ为样本数据的平均值，xi代表的是其中一个样本数据。
可选地，所述标准化数据处理的具体方法为：
对任一采样时刻采集的样本数据集Xi=[I，V，P1…P4，ACC1，S1，S2，t]，其中I代表截割电流数据，V代表截割电压数据、P1至P4分别为压力传感器采集的油缸压力数据、ACC1为振动传感器采集的截割臂振动数据，S1和S2为两个行程位移传感器采集的油缸位移数据，t为采样时刻；
标准化数据处理公式为：
其中，X为Xi中除采样时刻外的任一样本数据的测量值，
为该样本数据的
最大值，
为该样本数据的最小值，X’表示该样本数据标准化数据处理后的值。
可选地，所述边缘计算机在根据处理结果对掘进机的截割臂摆速进行自适应控制时，包括：
将处理结果输入预先训练好的工况预测分类模型；
根据所述工况预测分类模型的输出确定掘进机当前的截割工况；
根据掘进机当前的截割工况和预先确定的截割工况与期望摆速之间的对应关系确定掘进机当前的期望摆速；
获取掘进机当前的实际摆速，并通过PID闭环控制算法将掘进机当前的实际摆速调节至掘进机当前的期望摆速。
可选地，所述边缘计算机在根据处理结果对掘进机的截割臂摆速进行自适应控制时，还包括：
实时根据行程位移传感器的测量值及掘进机当前的掘进路径确定掘进机截割头是否运行到当前的掘进路径所限定的极限位置；
若掘进机截割头运行到当前的掘进路径所限定的极限位置，则获取掘进机的下一掘进路径并继续进行截割臂摆速进行自适应控制。
第二方面，提供一种掘进机自适应截割控制方法，其包括如下步骤：
传感器模块采集掘进机截割过程中的油缸压力数据、油缸位移数据和截割臂振动数据，并通过数据采集单元发送至边缘计算机；
边缘计算机对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，并根据处理结果对掘进机的截割臂摆速进行自适应控制。
可选地，所述边缘计算机对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，包括：对任一采样时刻采集的油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据中的每种数据均进行异常数据处理和标准化数据处理；
所述异常数据处理的具体方法为：
若任一种样本数据的残余误差的绝对值>3σ，即将分布在（μ-3σ,μ+3σ)中的样本数据确定为异常值，并对其加以剔除；
其中，σ代表的是任一种样本数据的标准差，N为样本总数，μ为样本数据的平均值，xi代表的是其中一个样本数据；
所述标准化数据处理的具体方法为：
对任一采样时刻采集的样本数据集Xi=[I，V，P1…P4，ACC1，S1，S2，t]，其中I代表截割电流数据，V代表截割电压数据、P1至P4分别为压力传感器采集的油缸压力数据、ACC1为振动传感器采集的截割臂振动数据，S1和S2为两个行程位移传感器采集的油缸位移数据，t为采样时刻；
标准化数据处理公式为：
其中，X为Xi中除采样时刻外的任一样本数据的测量值，
为该样本数据的
最大值，
为该样本数据的最小值，X’表示该样本数据标准化数据处理后的值。
可选地，所述根据处理结果对掘进机的截割臂摆速进行自适应控制，包括：
将处理结果输入预先训练好的工况预测分类模型；
根据所述工况预测分类模型的输出确定掘进机当前的截割工况；
根据掘进机当前的截割工况和预先确定的截割工况与期望摆速之间的对应关系确定掘进机当前的期望摆速；
获取掘进机当前的实际摆速，并通过PID闭环控制算法将掘进机当前的实际摆速调节至掘进机当前的期望摆速。
可选地，所述根据处理结果对掘进机的截割臂摆速进行自适应控制时，还包括：
实时根据行程位移传感器的测量值及掘进机当前的掘进路径确定掘进机截割头是否运行到当前的掘进路径所限定的极限位置；
若掘进机截割头运行到当前的掘进路径所限定的极限位置，则获取掘进机的下一掘进路径并继续进行截割臂摆速进行自适应控制。
上述所有可选地技术方案均可任意组合，本发明不对一一组合后的结构进行详细说明。
借由上述方案，本发明的有益效果如下：
通过设置传感器模块、边缘计算机和数据采集单元，并设置传感器模块包括压力传感器、行程位移传感器和振动传感器；传感器模块用于采集掘进机截割过程中的油缸压力数据、油缸位移数据和截割臂振动数据，并通过数据采集单元发送至边缘计算机；边缘计算机用于对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，并根据处理结果对掘进机的截割臂摆速进行自适应控制，提供了一种基于掘进机截割过程中的多种类型参数对掘进机的截割臂摆速进行自适应控制的方法，相对先前单一的电流判据，更符合实际工况，能够在井下多种恶劣条件对截割进行自适应控制，从而能够提高掘进机的截割效率。另外，通过采用边缘计算机与数据采集单元相结合的方式，提升了数据处理的时效性与准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是本发明提供的掘进机的立体图。
图2是图1的主视图。
图3是图1的俯视图。
图4是本发明实施例中各种类型的传感器与数据采集单元和边缘计算机的连接关系示意图。
图5是本发明实施例的整体控制流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1至图3所示，本发明提供的掘进机自适应截割控制***，其包括传感器模块、边缘计算机9和数据采集单元10，所述边缘计算机9和数据采集单元10安装于掘进机电控箱11上；所述传感器模块包括分别安装于掘进机左回转油缸1、右回转油缸2、左升降油缸3和右升降油缸4上的压力传感器5，安装于左回转油缸1和右回转油缸2上的行程位移传感器6，安装于截割臂7上靠近截割头部分的振动传感器8；所述传感器模块的信号输出端与数据采集单元10的信号输入端连接，数据采集单元10的信号输出端与边缘计算机9的信号输入端连接；所述传感器模块用于采集掘进机截割过程中的油缸压力数据、油缸位移数据和截割臂振动数据，并通过数据采集单元10发送至边缘计算机9；所述边缘计算机9用于对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，并根据处理结果对掘进机的截割臂摆速进行自适应控制。
另外，边缘计算机9还用于实时显示掘进机的相关电气参数何截割相关功能参数界面等。相关电气参数包括截割电流数据和截割电压数据等。
在本发明实施例中，压力传感器5可以选择威斯特中航的CYB-20S-Z05溅射微型压力变送器，这款可以提供高性能与长期稳定性的压力测量，输出及电气和压力连接采用标准接口适用于绝大多数应用场合，其紧凑式结构也特别适用安装空间要求高的装置。根据查阅资料与相关资询，掘进机截割过程中压力变化在0~20mpa左右，因此，本发明实施例具体选择了量程0-40mpa，精度0.5%的二线制压力传感器。振动传感器8可以选择的量程0~20mm/s，接线方式二线制航空插头压力变送器。行程位移传感器6选择量程0~1500mm，接线方式为四线制。
对各种类型的传感器完成选型后，将各种类型的传感器通过数据采集单元10连接到边缘计算机9上，如图4所示，其为本发明中各种类型的传感器与数据采集单元10和边缘计算机9的连接关系示意图。具体地，二线制传感器一根是电源线一根是回路线，四线制则是分成了电源正，电源负，信号正与信号负，按照传感器说明书将各种传感器完成接线工作。边缘计算机9中，计算、存储、网络资源均采用虚拟化技术，将硬件资源池化，并用软件进行智能化调度，极大程度上方便了移动边缘计算机实现统一资源管理，同时网络虚拟化技术提升了数据传输的智能化程度，减少传输时间。
可选地，所述边缘计算机9在对油缸压力数据、油缸位移数据、截割臂振动数据、电流数据和电压数据进行处理时，包括：对任一采样时刻采集的油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据中的每种样本数据均进行异常数据处理和标准化数据处理。
其中，所述异常数据处理的具体方法为：
若任一种样本数据的残余误差的绝对值>3σ，即将分布在（μ-3σ,μ+3σ)中的样本数据确定为异常值，并对其加以剔除；
其中，σ代表的是任一种样本数据的标准差，N为样本总数，μ为样本数据的平均值，xi代表的是其中一个样本数据。样本数据为截割电流数据、截割电压数据、油缸压力数据、截割臂振动数据和油缸位移数据中任一类型的数据。
本发明实施例经过验证表明，样本数据分布在（μ-3σ,μ+3σ)中的概率为0.9974，也就是说超出这个范围的可能性不到0.3%。因此，根据3σ原则进行一场数据的剔除，可以剔除样本数据中的噪声数据，从而减少边缘计算机的计算量。
进一步地，所述标准化数据处理的具体方法为：
对任一采样时刻采集的样本数据集Xi=[I，V，P1…P4，ACC1，S1，S2，t]，其中I代表截割电流数据，V代表截割电压数据，P1至P4分别为压力传感器5采集的油缸压力数据，ACC1为振动传感器8采集的截割臂振动数据，S1和S2为两个行程位移传感器6采集的油缸位移数据，t为采样时刻；
标准化数据处理公式为：
其中，X为Xi中除采样时刻外的任一样本数据的测量值，
为该样本数据的
最大值，
为该样本数据的最小值，X’表示该样本数据标准化数据处理后的值。
对样本数据集中的截割电流数据、截割电压数据、油缸压力数据、截割臂振动数据和油缸位移数据均通过上述公式进行标准化数据处理后，可以将不同类型的数据归一处理，便于后续边缘计算机9进行截割工况识别。
可选地，所述边缘计算机9在根据处理结果对掘进机的截割臂摆速进行自适应控制时，可以包括：将处理结果输入预先训练好的工况预测分类模型；根据所述工况预测分类模型的输出确定掘进机当前的截割工况；根据掘进机当前的截割工况和预先确定的截割工况与期望摆速之间的对应关系确定掘进机当前的期望摆速；获取掘进机当前的实际摆速，并通过PID闭环控制算法将掘进机当前的实际摆速调节至掘进机当前的期望摆速。
其中，工况预测分类模型包括但不限于为SVM（支持向量机）。
井下大致工况分为以下几大类：割煤工况、煤岩交杂工况、割岩工况，根据硬度系数的不同，煤从软到硬可分为软煤、中硬煤和硬煤，岩从软到硬可分为软岩、中硬岩和硬岩，因此，本发明中掘进机的截割工况包括软煤割煤工况、中硬煤割煤工况、硬煤割煤工况、软岩割岩工况、中硬岩割岩工况、硬岩割岩工况、软煤软岩煤岩交杂工况、软煤中硬岩煤岩交杂工况、软煤硬岩煤岩交杂工况、中硬煤软岩煤岩交杂工况、中硬煤中硬岩煤岩交杂工况、中硬煤硬岩煤岩交杂工况、硬煤软岩煤岩交杂工况、硬煤中硬岩煤岩交杂工况和硬煤硬岩煤岩交杂工况这。
进一步地，工况预测分类模型的输出为各种不同工况的概率，概率值最大的工况即为掘进机当前的截割工况。
更进一步地，本发明实施例会通过专家***确定各种井下工况所对应的煤岩硬度范围，设定摆速与煤岩硬度成反比，即煤岩硬度越大则摆速越慢，通过大量现场实验测试截割过程中的截割功率，寻找到不同煤岩硬度对应的期望摆速，即建立截割工况与期望摆速之间的对应关系。在此基础上，在确定掘进机当前的截割工况后即可根据该对应关系确定掘进机当前的期望摆速。
具体在通过PID闭环控制算法将掘进机当前的实际摆速调节至掘进机当前的期望摆速时，可以通过观察掘进机的功率变化情况来实现，当功率变化趋于稳定的时候，确定掘进机当前的实际摆速接近期望摆速。
综合上述内容，如图5所示，其为本发明实施例的整体控制流程图。
可选地，本发明实施例中所述边缘计算机9在根据处理结果对掘进机的截割臂摆速进行自适应控制时，还可以：实时根据行程位移传感器6的测量值及掘进机当前的掘进路径确定掘进机截割头是否运行到当前的掘进路径所限定的极限位置（左右极限值与上下极限值）；若掘进机截割头运行到当前的掘进路径所限定的极限位置，则获取掘进机的下一掘进路径并继续进行截割臂摆速进行自适应控制。
本发明实施例通过该种方式在对掘进机的截割臂摆速进行自适应控制的同时，还与掘进机的自定义截割相结合，从而实现了掘进机截割的自动化与智能化。
本发明实施例还提供一种掘进机自适应截割控制方法，其包括如下步骤：
S1，传感器模块采集掘进机截割过程中的油缸压力数据、油缸位移数据和截割臂振动数据，并通过数据采集单元10发送至边缘计算机9；
S2，边缘计算机9对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，并根据处理结果对掘进机的截割臂摆速进行自适应控制。
其中，所述边缘计算机9对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，包括：对任一采样时刻采集的油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据中的每种数据均进行异常数据处理和标准化数据处理；
所述异常数据处理的具体方法为：
若任一种样本数据的残余误差的绝对值>3σ，即将分布在（μ-3σ,μ+3σ)中的样本数据确定为异常值，并对其加以剔除；
其中，σ代表的是任一种样本数据的标准差，N为样本总数，μ为样本数据的平均值，xi 代表的是其中一个样本数据；
所述标准化数据处理的具体方法为：
对任一采样时刻采集的样本数据集Xi=[I，V，P1…P4，ACC1，S1，S2，t]，其中I代表截割电流数据，V代表截割电压数据、P1至P4分别为压力传感器5采集的油缸压力数据、ACC1为振动传感器8采集的截割臂振动数据，S1和S2为两个行程位移传感器6采集的油缸位移数据，t为采样时刻；
标准化数据处理公式为：
其中，X为Xi中除采样时刻外的任一样本数据的测量值，
为该样本数据的
最大值，
为该样本数据的最小值，X’表示该样本数据标准化数据处理后的值。
可选地，所述根据处理结果对掘进机的截割臂摆速进行自适应控制，包括：
将处理结果输入预先训练好的工况预测分类模型；
根据所述工况预测分类模型的输出确定掘进机当前的截割工况；
根据掘进机当前的截割工况和预先确定的截割工况与期望摆速之间的对应关系确定掘进机当前的期望摆速；
获取掘进机当前的实际摆速，并通过PID闭环控制算法将掘进机当前的实际摆速调节至掘进机当前的期望摆速。
进一步地，所述根据处理结果对掘进机的截割臂摆速进行自适应控制时，还包括：实时根据行程位移传感器6的测量值及掘进机当前的掘进路径确定掘进机截割头是否运行到当前的掘进路径所限定的极限位置；若掘进机截割头运行到当前的掘进路径所限定的极限位置，则获取掘进机的下一掘进路径并继续进行截割臂摆速进行自适应控制。
关于上述方法实施例的具体实现方式，与上述***实施例中的原理相同，具体可参见上述***实施例中的内容，本发明实施例不再进行赘述。
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
Claims (6)
1.一种掘进机自适应截割控制***，其特征在于，包括传感器模块、边缘计算机（9）和数据采集单元（10），所述边缘计算机（9）和数据采集单元（10）安装于掘进机电控箱（11）上；所述传感器模块包括分别安装于掘进机左回转油缸（1）、右回转油缸（2）、左升降油缸（3）和右升降油缸（4）上的压力传感器（5），安装于左回转油缸（1）和右回转油缸（2）上的行程位移传感器（6），安装于截割臂（7）上靠近截割头部分的振动传感器（8）；所述传感器模块的信号输出端与数据采集单元（10）的信号输入端连接，数据采集单元（10）的信号输出端与边缘计算机（9）的信号输入端连接；
所述传感器模块用于采集掘进机截割过程中的油缸压力数据、油缸位移数据和截割臂振动数据，并通过数据采集单元（10）发送至边缘计算机（9）；
所述边缘计算机（9）用于对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，并根据处理结果对掘进机的截割臂摆速进行自适应控制；
所述边缘计算机（9）在根据处理结果对掘进机的截割臂摆速进行自适应控制时，包括：
将处理结果输入预先训练好的工况预测分类模型；
根据所述工况预测分类模型的输出确定掘进机当前的截割工况；
根据掘进机当前的截割工况和预先确定的截割工况与期望摆速之间的对应关系确定掘进机当前的期望摆速；
获取掘进机当前的实际摆速，并通过PID闭环控制算法将掘进机当前的实际摆速调节至掘进机当前的期望摆速；
所述边缘计算机（9）在根据处理结果对掘进机的截割臂摆速进行自适应控制时，还包括：
实时根据行程位移传感器（6）的测量值及掘进机当前的掘进路径确定掘进机截割头是否运行到当前的掘进路径所限定的极限位置；
若掘进机截割头运行到当前的掘进路径所限定的极限位置，则获取掘进机的下一掘进路径并继续进行截割臂摆速进行自适应控制。
2.根据权利要求1所述的掘进机自适应截割控制***，其特征在于，所述边缘计算机（9）在对油缸压力数据、油缸位移数据、截割臂振动数据、电流数据和电压数据进行处理时，包括：对任一采样时刻采集的油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据中的每种样本数据均进行异常数据处理和标准化数据处理。
3.根据权利要求2所述的掘进机自适应截割控制***，其特征在于，所述异常数据处理的具体方法为：
若任一种样本数据的残余误差的绝对值>3σ，即将分布在（μ-3σ,μ+3σ)中的样本数据确定为异常值，并对其加以剔除；
其中，σ代表的是任一种样本数据的标准差，N为样本总数，μ为样本数据的平均值，xi代表的是其中一个样本数据。
4.根据权利要求2所述的掘进机自适应截割控制***，其特征在于，所述标准化数据处理的具体方法为：
对任一采样时刻采集的样本数据集Xi=[I，V，P1…P4，ACC1，S1，S2，t]，其中I代表截割电流数据，V代表截割电压数据、P1至P4分别为压力传感器（5）采集的油缸压力数据、ACC1为振动传感器（8）采集的截割臂振动数据，S1和S2为两个行程位移传感器（6）采集的油缸位移数据，t为采样时刻；
标准化数据处理公式为：
；其中，X为Xi中除采样时刻外的任一样本数据的测量值，/>
为该样本数据的最大值，/>
为该样本数据的最小值，X’表示该样本数据标准化数据处理后的值。
5.一种掘进机自适应截割控制方法，其特征在于，包括如下步骤：
传感器模块采集掘进机截割过程中的油缸压力数据、油缸位移数据和截割臂振动数据，并通过数据采集单元（10）发送至边缘计算机（9）；
边缘计算机（9）对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，并根据处理结果对掘进机的截割臂摆速进行自适应控制；
所述根据处理结果对掘进机的截割臂摆速进行自适应控制，包括：
将处理结果输入预先训练好的工况预测分类模型；
根据所述工况预测分类模型的输出确定掘进机当前的截割工况；
根据掘进机当前的截割工况和预先确定的截割工况与期望摆速之间的对应关系确定掘进机当前的期望摆速；
获取掘进机当前的实际摆速，并通过PID闭环控制算法将掘进机当前的实际摆速调节至掘进机当前的期望摆速；
所述根据处理结果对掘进机的截割臂摆速进行自适应控制时，还包括：
实时根据行程位移传感器（6）的测量值及掘进机当前的掘进路径确定掘进机截割头是否运行到当前的掘进路径所限定的极限位置；
若掘进机截割头运行到当前的掘进路径所限定的极限位置，则获取掘进机的下一掘进路径并继续进行截割臂摆速进行自适应控制。
6.根据权利要求5所述的掘进机自适应截割控制方法，其特征在于，所述边缘计算机（9）对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理，包括：对任一采样时刻采集的油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据中的每种数据均进行异常数据处理和标准化数据处理；
所述异常数据处理的具体方法为：
若任一种样本数据的残余误差的绝对值>3σ，即将分布在（μ-3σ,μ+3σ)中的样本数据确定为异常值，并对其加以剔除；
其中，σ代表的是任一种样本数据的标准差，N为样本总数，μ为样本数据的平均值，xi代表的是其中一个样本数据；
所述标准化数据处理的具体方法为：
对任一采样时刻采集的样本数据集Xi=[I，V，P1…P4，ACC1，S1，S2，t]，其中I代表截割电流数据，V代表截割电压数据、P1至P4分别为压力传感器（5）采集的油缸压力数据、ACC1为振动传感器（8）采集的截割臂振动数据，S1和S2为两个行程位移传感器（6）采集的油缸位移数据，t为采样时刻；
标准化数据处理公式为：
；其中，X为Xi中除采样时刻外的任一样本数据的测量值，/>
为该样本数据的最大值，/>
为该样本数据的最小值，X’表示该样本数据标准化数据处理后的值。/>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310067306.8A CN115788477B (zh) | 2023-02-06 | 2023-02-06 | 掘进机自适应截割控制***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310067306.8A CN115788477B (zh) | 2023-02-06 | 2023-02-06 | 掘进机自适应截割控制***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115788477A CN115788477A (zh) | 2023-03-14 |
| CN115788477B true CN115788477B (zh) | 2023-05-30 |
Family
ID=85429953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310067306.8A Active CN115788477B (zh) | 2023-02-06 | 2023-02-06 | 掘进机自适应截割控制***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115788477B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116956165B (zh) * | 2023-09-21 | 2023-12-15 | 中国船舶集团有限公司第七〇七研究所 | 一种多掘进机截割部运行状态分类方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0492082A (ja) * | 1990-08-03 | 1992-03-25 | Komatsu Ltd | シールド掘削機の自動方向制御方法 |
| CN103827398A (zh) * | 2011-08-03 | 2014-05-28 | 乔伊·姆·特拉华公司 | 采掘机的自动化操作 |
| CN113006793A (zh) * | 2021-04-28 | 2021-06-22 | 北京坤世拓智能科技有限公司 | 一种悬臂式掘进机智能截割联合控制***及方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0492081A (ja) * | 1990-08-03 | 1992-03-25 | Komatsu Ltd | シールド掘削機の自動方向制御方法 |
| JP2960815B2 (ja) * | 1992-05-25 | 1999-10-12 | 前田建設工業株式会社 | シールド掘進機の姿勢制御方法 |
| CN102854838B (zh) * | 2012-08-29 | 2016-01-06 | 内蒙古北方重工业集团有限公司 | 掘进机巷道自适应截割***及自适应遥控方法 |
| CN103147756B (zh) * | 2013-03-20 | 2017-03-29 | 中国矿业大学(北京) | 一种掘进机记忆截割控制***及其方法 |
| CN107269275B (zh) * | 2017-06-15 | 2019-02-12 | 中国矿业大学(北京) | 一种悬臂式掘进机截割臂摆速自适应控制***及方法 |
| CN109931072B (zh) * | 2019-03-14 | 2023-11-14 | 中铁工程装备集团隧道设备制造有限公司 | 掘进机截割控制装置、方法及悬臂掘进机 |
| CN210134942U (zh) * | 2019-03-14 | 2020-03-10 | 中铁工程装备集团隧道设备制造有限公司 | 掘进机截割控制装置及悬臂掘进机 |
| CN114233312B (zh) * | 2021-11-17 | 2024-03-22 | 中铁工程装备集团隧道设备制造有限公司 | 一种悬臂掘进机自由断面截割控制***及控制方法 |
| CN115628930B (zh) * | 2022-12-16 | 2023-03-10 | 太原理工大学 | 一种基于rbf神经网络的掘进机井下截割工况预测方法 |
-
2023
- 2023-02-06 CN CN202310067306.8A patent/CN115788477B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0492082A (ja) * | 1990-08-03 | 1992-03-25 | Komatsu Ltd | シールド掘削機の自動方向制御方法 |
| CN103827398A (zh) * | 2011-08-03 | 2014-05-28 | 乔伊·姆·特拉华公司 | 采掘机的自动化操作 |
| CN113006793A (zh) * | 2021-04-28 | 2021-06-22 | 北京坤世拓智能科技有限公司 | 一种悬臂式掘进机智能截割联合控制***及方法 |
Non-Patent Citations (3)
| Title |
|---|
| EBZ260悬臂式掘进机自动化改造;许秀芳;王亮;安栋;;煤矿机械(第02期);全文 * |
| 基于PCC的掘进机监控***硬件设计;郑建义;;工业设计(第08期);全文 * |
| 改进的PSO算法在掘进机掘进***中的应用;李文;杨振南;;控制工程(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115788477A (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115788477B (zh) | 掘进机自适应截割控制***及方法 | |
| CN105422088B (zh) | 一种煤矿巷道地质参数在线监测*** | |
| CN1706130A (zh) | 提供虚拟无线的方法和*** | |
| CN115628930B (zh) | 一种基于rbf神经网络的掘进机井下截割工况预测方法 | |
| CN114660254A (zh) | 场地地下水污染分层原位在线监测***及预测方法 | |
| CN111561543B (zh) | 一种掘进机惯导组合定位装置减振***及其使用方法 | |
| CN115941529B (zh) | 一种基于机器人的电缆隧道检测方法和*** | |
| CN112906202A (zh) | 基于地理信息的开采方法和装置、存储介质及电子装置 | |
| GB2623284A (en) | Adaptive trajectory control for automated directional drilling | |
| CN116820029A (zh) | 一种信息物理***下的数控机床工艺参数实时动态多目标优化方法 | |
| CN116934162A (zh) | 一种基于数据分析的农机设备运行管控*** | |
| CN208296971U (zh) | 一种远程振动分析*** | |
| CN114638507A (zh) | 一种智能海洋平台检测***及方法 | |
| CN117291316A (zh) | 基于激光扫描仪的卸船机用船舱定位*** | |
| CN1533522A (zh) | 在操作及监控程序与现场设备之间进行数据交换的方法 | |
| CN116720442A (zh) | 一种基于改进傅里叶神经算子的磨损预测方法 | |
| EP3889362A1 (en) | Damage estimation device and machine learning device | |
| CN114089727A (zh) | 一种深海智能移动作业平台的中控方法和*** | |
| CN114370284A (zh) | 盾构开挖面地层性质实时感知与掘进参数调整方法及*** | |
| CN1773243A (zh) | 碳酸盐含量分析仪 | |
| Wu et al. | Research on measurement and control system of common parameters of agricultural equipment based on wireless transmission | |
| CN115097798A (zh) | 一种基于岩石构成的tbm自适应加工参数的调整***及方法 | |
| CN115508511B (zh) | 基于网格化设备全参数特征分析的传感器自适应校准方法 | |
| CN213104923U (zh) | 数控管螺纹加工车床专用精确进管定位装置 | |
| CN100430845C (zh) | 技术设备的运行方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |