CN117967307B - 一种用于远程控制采煤机旋转调采的数据处理方法 - Google Patents

Abstract

本发明涉及采煤机调采姿态控制技术领域，具体涉及一种用于远程控制采煤机旋转调采的数据处理方法。本发明获取采煤机截割头的状态测量数据与距离测量数据；并根据其数据分布特征获得煤壁界面复杂度；通过煤壁界面复杂度与截割头状态数据的相关性获得状态测量数据的时滞程度；通过截割头状态测量数据与距离测量数据之间的数据差异，以及时滞程度获得逻辑耗费因子；根据截割头的速度变化获得调控惯性因子，进而得到截割头的速度调节系数，进而获得采煤机的前置速度调节器中的速度调节量。本发明通过前置速度调节器缩小采煤机的调采姿态调控范围，降低PLC***中的逻辑指令输出量，提高了采煤机截割头的调控效率。

Description

一种用于远程控制采煤机旋转调采的数据处理方法

技术领域

本发明涉及采煤机调采姿态控制技术领域，具体涉及一种用于远程控制采煤机旋转调采的数据处理方法。

背景技术

采煤工作面设计因受断层、保护煤柱等方面影响，为达到最大煤炭回收率，工作面两巷往往出现不规则布置，需要对采煤机机头（或机尾）进行大比例旋转调采。采煤机搭载的煤机智能化截割***，可以远程控制采煤机进行煤壁截割和牵引行走，在采煤机自动截割模式下，自动截割***软件自动采集筛选并在***存储器中保存生产过程中的所有相关运行数据及状态变量，并通过远程控制***调节采煤机的调采姿态。

现有技术中常使用PLC***对采煤机进行控制，但由于地下矿井环境中环境复杂，采煤机的状态变量与运行数据均会出现较大变化，此时采煤机的调采姿态控制对PLC***的逻辑输出指令的数量要求更高，会造成CPU耗费巨大，从而导致采煤机截割头的调控效率降低。

发明内容

为了解决由于地下矿井环境中环境复杂，采煤机的状态变量与运行数据均会出现较大变化，此时采煤机调采姿态控制对PLC***的逻辑输出指令的数量要求更高，会造成CPU耗费巨大，从而导致采煤机截割头的调控效率降低的技术问题，本发明的目的在于提供一种用于远程控制采煤机旋转调采的数据处理方法，所采用的技术方案具体如下：

一种用于远程控制采煤机旋转调采的数据处理方法，所述方法包括：

在采煤机预热作业期间，获取每个预设单位时间内采煤机截割头所有种类的状态测量数据，以及采煤机截割头与煤壁之间的所有距离测量数据；每种状态测量数据是由采煤机截割头不同位置上对应种类的传感器数据组成的序列；

根据采煤机截割头在预热作业期间的所有所述状态测量数据与所有所述距离测量数据的数据分布特征，获得每个预设单位时间煤壁的煤壁界面复杂度；根据预热作业期间内所有所述煤壁界面复杂度与每种所述状态测量数据之间的数据相关程度，获得每种状态测量数据的时滞程度；

根据采煤机截割头在预热作业期间内每种所述状态测量数据与所述距离测量数据之间的数据差异程度，以及每种状态测量数据的时滞程度，获得采煤机PLC***中的逻辑耗费因子；根据采煤机截割头在预热作业期间内的速度变化程度，获得采煤机截割头的调控惯性因子；

根据所述逻辑耗费因子与所述调控惯性因子获得采煤机截割头的速度调节系数；根据所述速度调节系数获得采煤机的前置速度调节器中的速度调节量。

进一步地，所述煤壁界面复杂度的计算公式如下所示：

；式中，/>表示第/>个预设单位时间煤壁的煤壁界面复杂度；/>表示采煤机截割头的状态测量数据种类数量；/>表示第/>个预设单位时间中第/>种状态测量数据中所有传感器数据的方差；/>表示第/>个预设单位时间中所有距离测量数据的方差；/>表示第/>个预设单位时间中所有距离测量数据的平均值；表示归一化函数。

进一步地，所述数据相关程度的获取方法包括：

将采煤机预热作业期间所有单位时间内的煤壁界面复杂度拟合为复杂度曲线；

将每个预设单位时间的每种状态测量数据中的传感器数据的平均值作为每个预设单位时间下对应种类的状态测量数据的独立状态数据；

将采煤机预热作业期间所有预设单位时间下每种状态测量数据的独立状态数据拟合为每个状态数据曲线；

计算所述复杂度曲线与所述状态数据曲线之间的互相关函数作为预热作业期间内所有煤壁界面复杂度与每种状态测量数据之间的数据相关程度。

进一步地，所述时滞程度的获取方法包括：

将每个状态数据曲线内每个独立状态数据的获取时间进行相同时间的延迟，获得每种状态数据曲线的不同延迟时间的初始延迟状态曲线；

当所述初始延迟状态曲线与所述复杂度曲线之间的数据相关程度达到最大值时，将该初始延迟状态曲线对应的延迟时间作为每种状态测量数据的时滞程度。

进一步地，所述数据差异程度的获取方法包括：

获得采煤机预热作业期间所有距离测量数据的概率密度分布函数作为距离概率密度函数；

获取采煤机预热作业期间每一种类状态测量数据中的所有传感器数据平均值的概率密度分布函数作为每个状态概率密度函数；

将所述距离概率密度函数与所述状态概率密度函数进行对齐，获得所有对齐项；

根据数据差异程度计算公式获取所述数据差异程度，所述数据差异程度计算公式如下所示：

；式中，/>表示第/>种状态测量数据与所有距离测量数据之间的数据差异程度；/>表示距离概率密度函数与每个状态概率密度函数的对齐项数量；/>表示第/>种状态测量数据对应的状态概率密度函数中第/>个对齐项的概率密度；表示距离概率密度函数中第/>个对齐项的概率密度。

进一步地，所述逻辑耗费因子的获取方法包括：

将每一种类状态测量数据与所述距离测量数据之间的数据差异程度，以及每一种类状态测量数据的时滞程度之间的乘积进行归一化并求平均，获得采煤机PLC***中的逻辑耗费因子。

进一步地，所述速度变化程度的获取方法包括：

获取采煤机截割头在预热作业期间的行进速度变化曲线；

获得所述行进速度变化曲线的频谱图；所述频谱图的横轴为行进速度变化频率，纵轴为行进速度变化持续时间；

将所述行进速度变化持续时间进行归一化，获得速度持续时间；

计算所有速度持续时间的平均值作为第一平均值；

计算每个行进速度变化频率对应速度持续时间的平方作为频率重要程度；

获取速度变化程度，所述速度变化程度与所述频率重要程度呈正相关关系，与所述第一平均值呈负相关关系。

进一步地，所述调控惯性因子的获取方法包括：

将行进速度持续时间不为0的所有行进速度变化频率作为有效速度变化频率；将所有所述有效速度变化频率对应的所述速度变化程度累加求和，获得整体速度变化程度；

将行进速度持续时间不为0的最小行进速度变化频率与最大行进速度变化频率之间的频率范围，作为整体频率差异；

将所述整体速度变化程度与所述整体频率差异的比值，作为采煤机截割头的调控惯性因子。

进一步地，所述速度调节系数的获取方法包括：

将所述逻辑耗费因子与所述调控惯性因子的比值作为采煤机的所述速度调节系数。

进一步地，根据调节系数获得采煤机的前置速度调节器中的速度调节量，包括：

将采煤机截割头每个预设单位时间的默认行进速度与实际行进速度之间的差值作为每个预设单位时间的速度误差量；

将所述速度调节系数与所述速度误差量之间的乘积作为采煤机截割头的速度调节量。

本发明具有如下有益效果：

本发明获取采煤机截割头的状态测量数据，以及采煤机截割头与煤壁之间的距离测量数据；由于煤壁界面的复杂程度与截割头自身状态和煤壁表面的凹凸程度有关，所以根据采煤机截割头在预热作业期间的所有状态测量数据与所有距离测量数据的数据分布特征，获得每个预设单位时间煤壁的煤壁界面复杂度；由于实际情况中从碰到煤壁到截割头状态发生改变是有一定时间延迟的，所以需要获取煤壁界面复杂度最相关的状态测量数据，进而求出状态测量数据的时滞程度；因为截割头的距离测量数据与各种状态测量数据能够反映出截割头调采煤壁时的煤壁界面复杂度，而越复杂的煤壁界面越需要PLC***输出更多的逻辑指令去调节截割头，所以为了后续降低PLC***的逻辑指令输出，需要分析PLC***的逻辑耗费，所以根据采煤机截割头在预热作业期间内状态测量数据与距离测量数据之间的数据差异程度，以及每个状态测量数据的时滞程度，获得采煤机PLC***中的逻辑耗费因子；由于PLC***在调节截割头行进速度时存在调控惯性，会出现调控误差，为了缩小调控误差，根据采煤机截割头在预热作业期间内的速度变化程度，获得采煤机截割头的调控惯性因子；根据逻辑耗费因子与调控惯性因子获得采煤机截割头的速度调节系数；根据调节系数获得采煤机的前置速度调节器中的速度调节量。本发明能够通过前置速度调节器缩小采煤机的调采姿态调控范围，降低PLC***中的逻辑指令输出量，提高了采煤机截割头的调控效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种用于远程控制采煤机旋转调采的数据处理方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于远程控制采煤机旋转调采的数据处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种用于远程控制采煤机旋转调采的数据处理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种用于远程控制采煤机旋转调采的数据处理方法流程图，该方法包括：

步骤S1：在采煤机预热作业期间，获取每个预设单位时间内采煤机截割头所有种类的状态测量数据，以及采煤机截割头与煤壁之间的距离测量数据；每种状态测量数据是由采煤机截割头不同位置上对应种类的传感器数据组成的序列。

本发明实施例提供了一种用于远程控制采煤机旋转调采的数据处理方法，针对于采煤机的调采姿态进行控制，由于采煤机主要工作部件为采煤机截割头，所以首先获取采煤机截割头的状态数据与煤壁任意位置的凹凸情况并进行分析，当采煤机截割头的状态发生改变，或者煤壁任意位置的凹凸情况发生改变时，采煤机的调采参数也会随之发生变化。在本发明实施例中，调采参数表示为采煤机截割头的行进速度。在采煤机预热作业期间，采煤机会按照默认调采参数对煤壁进行调采，此时采煤机截割头与煤壁均处于初始状态，即采煤机截割头的状态数据与煤壁在调采过程中的凹凸情况更具代表性。所以本发明实施例中，在采煤机预热作业期间，获取每个预设单位时间内采煤机截割头的状态测量数据，以及采煤机截割头与煤壁之间的距离测量数据。由于截割头上每种传感器的数量都具有多个，所以每种状态测量数据是由采煤机截割头不同位置上对应种类的传感器数据组成的序列。

本发明一个实施例中，预热作业时间设置为10分钟，预设单位时间设置为1秒。需要说明的是，在本发明其他实施例中，预热作业时间和单位时间均可以由实施人员自行设置，在此不做限定。

本发明一个实施例中，在采煤机截割头上装载振动传感器、位移传感器、功率传感器、温度传感器等传感器设备对采煤机截割头的状态进行测量，通过自动截割***软件自动采集筛选并在***存储器中保存生产过程中的所有相关运行数据及状态变量，获取预热作业过程中截割头的所有振动信号、截割头的功率信号、位移数据、温度信号等连续变量，分别进行模电转化、放大以及去噪处理；由于传感器数据均为时序上的连续变量信号，同样以激光雷达的平均发射频率作为传感器信号的采样频率，每一秒的传感器信号中存在若干帧的测量值，从而获取每种传感器的状态测量数据，其中，每种状态测量数据包括多个同一种类的传感器数据。

在采煤机截割头上装载测距雷达，并利用测距雷达的点阵结构，获取煤壁上任意位置距离截割头的距离测量数据。为了后续对采煤机的调采进行控制，将获取的状态测量数据与距离测量数据传输至采煤机的远程PLC控制***。

本发明一个实施例中，在PLC***进行逻辑调节之前，设置一个前置调节器进行优先调节，降低PLC***的行进速度待调节量，缩小采煤机调采姿态的调控范围，降低PLC的控制逻辑编写数量、判定次数、调控频率、CPU耗费，使PLC***每次调控采煤机截割头的行进速度时，仅需要在较小的误差范围内进行调控。

步骤S2：根据采煤机截割头在预热作业期间的所有状态测量数据与所有距离测量数据的数据分布特征，获得每个预设单位时间煤壁的煤壁界面复杂度；根据预热作业期间内所有煤壁界面复杂度与每种状态测量数据之间的数据相关程度，获得每种状态测量数据的时滞程度。

采煤机截割头在预热工作期间的状态会导致多种传感器产生不同的响应表现，如果采煤机截割头碰到质地坚硬、凹凸不平、复杂度越高的煤壁，会导致截割头行进速度降低，此时PLC***需要对采煤机截割头的行进速度进行调节，而调节过程一般是截割头表面上的状态测量数据输入至PLC***进行分析，并且煤壁表面的凹凸度可以由距离测量数据获得。所以本发明实施例中，根据采煤机截割头在预热作业期间的所有状态测量数据与所有距离测量数据的数据分布特征，获得每个预设单位时间煤壁的煤壁界面复杂度。

优选地，本发明一个实施例中，煤壁界面复杂度的计算公式如下所示：

式中，表示第/>秒煤壁的煤壁界面复杂度；/>表示采煤机截割头的状态测量数据种类数量；/>表示第/>秒中第/>种状态测量数据中所有传感器数据的方差；/>表示第/>秒中所有距离测量数据的方差；/>表示第/>秒中所有距离测量数据的平均值；/>表示归一化函数。

在煤壁界面复杂度计算公式中，越大，说明第/>秒的第/>种状态测量数据内的传感器数据分布越离散，此时截割头面对煤壁的阻力越大；/>越小，说明截割头与煤壁之间的距离越均匀，即煤壁表面的凹凸度越低；在/>中，分子越大且分母越小，表示在煤壁表面凹凸度越低的情况下截割头面对煤壁的阻力越大，说明此时煤壁的硬度越大，煤壁界面复杂度越高；/>越高，说明在第/>秒时截割头整体与煤壁之间的距离越大，煤壁表面的凹凸度越低，此时如果第/>秒的第/>种状态测量数据分布越离散，说明煤壁界面内的复杂程度越高，越难采集；将所有种类的状态测量数据对于煤壁界面复杂程度的表现累加求和，获得的煤壁界面复杂度能够从截割头的各项状态数据中进行确认，具备较高的可信度。

在截割头碰到复杂度较高的煤壁界面时会出现行进速度降低的情况，此时PLC控制器会增大电机功率，将行进速度向默认行进速度进行调整。在碰到复杂度较高的煤壁后，截割头的的各项状态数据均会发生改变，但需要一定时间的延迟，截割头上的传感器才会出现响应，然后再利用PLC控制器对截割头的行进速度进行控制。所以本发明实施例中，根据预热作业期间内每个预设单位时间的煤壁界面复杂度与对应状态测量数据之间的数据相关程度，获得每种状态测量数据的时滞程度。

优选地，本发明一个实施例中，数据相关程度的获取方法包括：

由于截割头与煤壁界面存在一定的距离，预热作业期间每个单位时间的煤壁界面复杂度会在一定延迟后使截割头的各类状态测量数据发生相应改变，所以可以将采煤机预热作业期间所有单位时间内的煤壁界面复杂度拟合为复杂度曲线；将每个预设单位时间的每种状态测量数据中的传感器数据的平均值作为每个预设单位时间下对应种类的状态测量数据的独立状态数据；将采煤机预热作业期间所有预设单位时间下每种状态测量数据的独立状态数据拟合为每个状态数据曲线；计算复杂度曲线与状态数据曲线之间的互相关函数作为预热作业期间内所有煤壁界面复杂度与每种状态测量数据之间的数据相关程度。本发明一个实施例中，复杂度曲线与状态数据曲线之间的互相关函数计算公式如下所示：

式中，表示第/>个状态数据曲线与复杂度曲线之间的数据相关程度；/>表示预热作业期间的时间长度；/>表示输入为/>的复杂度曲线；/>表示输入为/>的第个状态数据曲线。

优选地，本发明一个实施例中，时滞程度的获取方法包括：

将每种状态数据曲线内每个独立状态数据的获取时间进行相同时间的延迟，获得每种状态数据曲线的不同延迟时间的初始延迟状态曲线；当初始延迟状态曲线与复杂度曲线之间的数据相关程度达到最大值时，将该初始延迟状态曲线对应的延迟时间作为每种状态测量数据的时滞程度。本发明一个实施例中，对于复杂度曲线与状态数据曲线之间的互相关函数计算公式而言，当达到最大时，/>表示第/>种状态测量数据的时滞程度。需要说明的是，由于实际情况中传感器获取状态测量数据发生在截割头与煤壁界面接触后，所以时滞程度不小于0。

至此，获得每种状态测量数据的时滞程度。

步骤S3：根据采煤机截割头在预热作业期间内每种状态测量数据与距离测量数据之间的数据差异程度，以及每种状态测量数据的时滞程度，获得采煤机PLC***中的逻辑耗费因子；根据采煤机截割头在预热作业期间内的速度变化程度，获得采煤机截割头的调控惯性因子。

由于传统PLC控制器会根据一系列二值化逻辑处理输入信号，在采煤机截割头的状态测量数据与距离测量数据发生较大变化时，采煤机的调采参数也会发生较大改变，此时PLC控制器需要更多次逻辑判定来调控采煤机，在采煤机截割头作业期间，PLC控制器需要频繁输出多条控制指令，造成大量CPU浪费，需要降低采煤机截割头的待控制指令数量以避免产生冗余的CPU耗费。由于截割头的距离测量数据与各类状态测量数据能够反映出截割头调采煤壁时的煤壁界面复杂度，而越复杂的煤壁界面越需要PLC***输出更多的逻辑指令去调节截割头，所以为了后续降低PLC***的逻辑指令输出，需要分析PLC***的逻辑耗费。所以本发明实施例中，根据采煤机截割头在预热作业期间内状态测量数据与距离测量数据之间的数据差异程度，以及每个状态测量数据的时滞程度，获得采煤机PLC***中的逻辑耗费因子。

优选地，本发明一个实施例中，数据差异程度的获取方法包括：

因为概率密度函数能够反映出数据的特征分布和变化趋势，所以获得采煤机预热作业期间所有距离测量数据的概率密度函数作为距离概率密度函数；获取采煤机预热作业期间每一种类状态测量数据中的所有传感器数据平均值的概率密度函数作为每个状态概率密度函数；将距离概率密度函数与状态概率密度函数进行对齐，获得所有对齐项；根据数据差异程度计算公式获取数据差异程度，数据差异程度计算公式如下所示：

式中，表示第/>种状态测量数据与所有距离测量数据之间的数据差异程度；/>表示距离概率密度函数与每个状态概率密度函数的对齐项数量；/>表示第/>种状态测量数据对应的状态概率密度函数中第/>个对齐项的概率密度；/>表示距离概率密度函数中第/>个对齐项的概率密度。

在数据差异程度计算公式中，代表第/>个状态概率密度函数中第/>个对齐项所含信息，/>表示距离概率密度函数中第/>个对齐项所含信息，当距离测量数据的概率密度与第/>类状态测量数据的概率密度进行替换时，产生的信息差越大则第/>类状态测量数据与所有距离测量数据所有对齐项之间的相对熵越大，此时数据差异程度越大，从第/>类状态测量数据中获取逻辑的额外耗费量越高。

由于每种状态测量数据的时滞程度也会造成额外的逻辑损耗，所以本发明实施例中，根据采煤机截割头在预热作业期间内的速度变化程度，获得采煤机截割头的调控惯性因子。

优选地，本发明一个实施例中，逻辑耗费因子的获取方法包括：

将每一种类状态测量数据与距离测量数据之间的数据差异程度，以及每一种类状态测量数据的时滞程度之间的乘积进行归一化并求平均，获得采煤机PLC***中的逻辑耗费因子。本发明一个实施例中，逻辑耗费因子计算公式如下所示：

式中，表示采煤机PLC***中的逻辑耗费因子；/>表示采煤机截割头的状态测量数据种类数量；/>表示第/>种状态测量数据的时滞程度；/>表示第/>种状态测量数据与所有距离测量数据之间的数据差异程度；/>表示双曲正切函数，用于归一化括号里的内容。

在逻辑耗费因子计算公式中，将第种状态测量数据的时滞程度与第/>类状态测量数据与所有距离测量数据之间的数据差异程度的乘积作为第/>种状态测量数据的逻辑耗费量；第/>种状态测量数据的时滞程度越大，对PLC***造成额外的逻辑损耗越大，此时采煤机PLC***中的逻辑耗费因子越大；第/>种状态测量数据与所有距离测量数据之间的数据差异程度越大，第/>种状态测量数据与距离测量数据之间的信息差越大，此时第/>种状态测量数据造成额外的逻辑损耗越大；将每一种类的状态测量数据的逻辑耗费量求平均，平均值越大，PLC***中的逻辑耗费因子越大。

至此，获得采煤机PLC***中的逻辑耗费因子。

当截割头行进过程中遇到切削阻力时，行进速度下降，因此PLC***会直接增大电机功率，将行进速度向默认速度调整，但由于惯性影响，每次调整时可能并不会将行进速度完全补偿为默认行进速度，而是会在默认行进速度上下浮动，即产生了调控误差，该误差可以反应采煤机截割头受到的惯性影响，需要在PLC调控时提前补偿惯性影响，以缩小调控误差。所以本发明实施例中，根据采煤机截割头在预热作业期间内的速度变化程度，获得采煤机截割头的调控惯性因子。

优选地，本发明一个实施例中，速度变化程度的获取方法包括：

获取采煤机截割头在预热作业期间的行进速度变化曲线，采煤机截割头的行进速度受到PLC***的频繁调控，具有密集的转折点；为了直观表示不同行进速度变化持续的时间，所以利用傅里叶变换获得行进速度变化曲线的频谱图；频谱图的横轴为行进速度变化频率，纵轴的相位值为行进速度变化持续时间；将行进速度变化持续时间进行归一化，获得速度持续时间；计算所有速度持续时间的平均值作为第一平均值；计算每个行进速度变化频率对应速度持续时间的平方作为频率重要程度，频率重要程度越大，说明该频率对应的行进速度变化持续时间越长；获取速度变化程度，速度变化程度与频率重要程度呈正相关关系，与第一平均值呈负相关关系。

优选地，本发明一个实施例中，调控惯性因子的获取方法包括：

将行进速度持续时间不为0的所有行进速度变化频率作为有效速度变化频率；将所有有效速度变化频率对应的速度变化程度累加求和，获得整体速度变化程度；将行进速度持续时间不为0的最小行进速度变化频率与最大行进速度变化频率之间的频率范围，作为整体频率差异；将整体速度变化程度与整体频率差异的比值，作为采煤机截割头的调控惯性因子。本发明一个实施例中，调控惯性因子计算公式获取过程如下所示：

式中，表示采煤机截割头的调控惯性因子；/>表示第/>个有效速度变化频率对应的速度持续时间；/>表示所有速度持续时间的平均值；/>表示行进速度变化曲线中的整体频率差异；/>表示有效速度变化频率数量；/>表示行进速度变化曲线中的有效速度变化频率序号。

式中，表示第/>个有效速度变化频率对应的速度持续时间；/>表示第/>个有效速度变化频率的相位值；本式通过余弦函数将每个有效速度变化频率对应的相位值调整至0-1之间。

在调控惯性因子计算公式中，表示第/>个有效速度变化频率对应的速度变化程度，其中，/>越大，说明截割头在该行进速度的持续时长越长，该行进速度出现的频率越大，第/>个有效速度变化频率的频率重要程度越大，此时第/>个有效速度变化频率对应的速度变化程度越大，在该行进速度下的调节惯性越大；整体速度变化程度与整体频率差异之间的比值能够反映出不同行进速度的分布密度，将分布密度作为预热作业期间截割头整体行进速度的调控惯性因子。

步骤S4：根据逻辑耗费因子与调控惯性因子获得采煤机截割头的速度调节系数；根据调节系数获得采煤机的前置速度调节器中的速度调节量。

优选地，本发明一个实施例中，将逻辑耗费因子与调控惯性因子的比值作为采煤机的速度调节系数，其中，逻辑耗费因子越大，说明PLC***输出指令数量越多，行进速度调节量越多；调控惯性因子越大，说明调节惯性越大，越需要约束PLC***，使其不能输出较大的行进速度调节量。

优选地，本发明一个实施例中，根据调节系数获得采煤机的前置速度调节器中的速度调节量，包括：

将采煤机截割头每一秒的默认行进速度与实际行进速度之间的差值作为每秒的速度误差量；将速度调节系数与速度误差量之间的乘积作为采煤机截割头的速度调节量；本发明一个实施例中，速度调节量计算公式如下所示：

式中，表示前置调节器的速度调节量；/>表示采煤机PLC***的逻辑耗费因子；表示采煤机截割头的调控惯性因子；/>表示采煤机截割头的默认行进速度；/>表示采煤机截割头的实际行进速度；/>表示采煤机截割头的速度调节系数。

至此，获得采煤机的前置速度调节器中的速度调节量。

综上，本发明获取采煤机截割头的状态测量数据，以及采煤机截割头与煤壁之间的距离测量数据；根据采煤机截割头在预热作业期间的所有状态测量数据与所有距离测量数据的数据分布特征，获得每个预设单位时间煤壁的煤壁界面复杂度；获取与每个单位时间的煤壁界面复杂度最相关的状态测量数据，进而求出状态测量数据的时滞程度；根据采煤机截割头在预热作业期间内状态测量数据与距离测量数据之间的数据差异程度，以及每个状态测量数据的时滞程度，获得采煤机PLC***中的逻辑耗费因子；根据采煤机截割头在预热作业期间内的速度变化程度，获得采煤机截割头的调控惯性因子；根据逻辑耗费因子与调控惯性因子获得采煤机截割头的速度调节系数；根据调节系数获得采煤机的前置速度调节器中的速度调节量。本发明能够通过前置速度调节器缩小采煤机的调采姿态调控范围，降低PLC***中的逻辑指令输出量，提高了采煤机截割头的调控效率。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (3)

1.一种用于远程控制采煤机旋转调采的数据处理方法，其特征在于，所述方法包括：

在采煤机预热作业期间，获取每个预设单位时间内采煤机截割头所有种类的状态测量数据，以及采煤机截割头与煤壁之间的所有距离测量数据；每种状态测量数据是由采煤机截割头不同位置上对应种类的传感器数据组成的序列；

根据采煤机截割头在预热作业期间的所有所述状态测量数据与所有所述距离测量数据的数据分布特征，获得每个预设单位时间煤壁的煤壁界面复杂度；根据预热作业期间内所有所述煤壁界面复杂度与每种所述状态测量数据之间的数据相关程度，获得每种状态测量数据的时滞程度；

根据采煤机截割头在预热作业期间内每种所述状态测量数据与所述距离测量数据之间的数据差异程度，以及每种状态测量数据的时滞程度，获得采煤机PLC***中的逻辑耗费因子；根据采煤机截割头在预热作业期间内的速度变化程度，获得采煤机截割头的调控惯性因子；

根据所述逻辑耗费因子与所述调控惯性因子获得采煤机截割头的速度调节系数；根据所述速度调节系数获得采煤机的前置速度调节器中的速度调节量；

所述煤壁界面复杂度的计算公式如下所示：

；式中，/>表示第/>个预设单位时间煤壁的煤壁界面复杂度；/>表示采煤机截割头的状态测量数据种类数量；/>表示第/>个预设单位时间中第/>种状态测量数据中所有传感器数据的方差；/>表示第/>个预设单位时间中所有距离测量数据的方差；/>表示第/>个预设单位时间中所有距离测量数据的平均值；/>表示归一化函数；

所述数据相关程度的获取方法包括：

将采煤机预热作业期间所有单位时间内的煤壁界面复杂度拟合为复杂度曲线；

将每个预设单位时间的每种状态测量数据中的传感器数据的平均值作为每个预设单位时间下对应种类的状态测量数据的独立状态数据；

将采煤机预热作业期间所有预设单位时间下每种状态测量数据的独立状态数据拟合为每个状态数据曲线；

计算所述复杂度曲线与所述状态数据曲线之间的互相关函数作为预热作业期间内所有煤壁界面复杂度与每种状态测量数据之间的数据相关程度；

所述时滞程度的获取方法包括：

将每个状态数据曲线内每个独立状态数据的获取时间进行相同时间的延迟，获得每种状态数据曲线的不同延迟时间的初始延迟状态曲线；

当所述初始延迟状态曲线与所述复杂度曲线之间的数据相关程度达到最大值时，将该初始延迟状态曲线对应的延迟时间作为每种状态测量数据的时滞程度；

所述数据差异程度的获取方法包括：

获得采煤机预热作业期间所有距离测量数据的概率密度分布函数作为距离概率密度函数；

获取采煤机预热作业期间每一种类状态测量数据中的所有传感器数据平均值的概率密度分布函数作为每个状态概率密度函数；

将所述距离概率密度函数与所述状态概率密度函数进行对齐，获得所有对齐项；

根据数据差异程度计算公式获取所述数据差异程度，所述数据差异程度计算公式如下所示：

；式中，/>表示第/>种状态测量数据与所有距离测量数据之间的数据差异程度；/>表示距离概率密度函数与每个状态概率密度函数的对齐项数量；/>表示第/>种状态测量数据对应的状态概率密度函数中第/>个对齐项的概率密度；/>表示距离概率密度函数中第/>个对齐项的概率密度；

所述逻辑耗费因子的获取方法包括：

将每一种类状态测量数据与所述距离测量数据之间的数据差异程度，以及每一种类状态测量数据的时滞程度之间的乘积进行归一化并求平均，获得采煤机PLC***中的逻辑耗费因子；

所述速度变化程度的获取方法包括：

获取采煤机截割头在预热作业期间的行进速度变化曲线；

获得所述行进速度变化曲线的频谱图；所述频谱图的横轴为行进速度变化频率，纵轴为行进速度变化持续时间；

将所述行进速度变化持续时间进行归一化，获得速度持续时间；

计算所有速度持续时间的平均值作为第一平均值；

计算每个行进速度变化频率对应速度持续时间的平方作为频率重要程度；

获取速度变化程度，所述速度变化程度与所述频率重要程度呈正相关关系，与所述第一平均值呈负相关关系；

所述调控惯性因子的获取方法包括：

将行进速度持续时间不为0的所有行进速度变化频率作为有效速度变化频率；将所有所述有效速度变化频率对应的所述速度变化程度累加求和，获得整体速度变化程度；

将行进速度持续时间不为0的最小行进速度变化频率与最大行进速度变化频率之间的频率范围，作为整体频率差异；

将所述整体速度变化程度与所述整体频率差异的比值，作为采煤机截割头的调控惯性因子。

2.根据权利要求1所述的一种用于远程控制采煤机旋转调采的数据处理方法，其特征在于，所述速度调节系数的获取方法包括：

将所述逻辑耗费因子与所述调控惯性因子的比值作为采煤机的所述速度调节系数。

3.根据权利要求1所述的一种用于远程控制采煤机旋转调采的数据处理方法，其特征在于，根据调节系数获得采煤机的前置速度调节器中的速度调节量，包括：

将采煤机截割头每个预设单位时间的默认行进速度与实际行进速度之间的差值作为每个预设单位时间的速度误差量；

将所述速度调节系数与所述速度误差量之间的乘积作为采煤机截割头的速度调节量。