基于BP神经网络模型的液压支架电液自适应控制系统技术方案

本发明专利技术提供一种基于BP神经网络模型的液压支架电液自适应控制系统，传感器检测液压支架的工作状态参数和工作面的环境状态参数；BP神经网络模型接收液压支架的工作状态参数和工作面的环境状态参数、采煤机运行参数和泵站供液参数，确定理想控制目标参数并输出；自适应调节器获取理想控制目标参数和液压支架的工作状态参数之间的误差值；支架控制器获取误差值，采煤机运行参数和泵站供液参数确定液压支架的动作参数以控制液压支架动作。以上方案，通过分析工作面影响液压支架控制的主要因素，构建液压支架控制系统的BP神经网络模型，结合自适应调节器，实现液压支架电液控制系统的在线寻优，最大限度的提高液压支架电液控制系统的适应性能。

Hydraulic Support Electro-hydraulic Adaptive Control System Based on BP Neural Network Model

The invention provides an electro-hydraulic adaptive control system of hydraulic support based on BP neural network model, which detects the working state parameters of hydraulic support and the environmental state parameters of working face by sensors; BP neural network model receives the working state parameters of hydraulic support and the environmental state parameters of working face, the operation parameters of shearer and the liquid supply parameters of pumping station, and determines the ideal control target parameters. Output; adaptive regulator obtains the error value between ideal control target parameters and working state parameters of hydraulic support; support controller obtains the error value; shearer operation parameters and pump station fluid supply parameters determine the action parameters of hydraulic support to control the action of hydraulic support. By analyzing the main factors affecting the hydraulic support control in the working face, the BP neural network model of the hydraulic support control system is constructed. Combining with the adaptive regulator, the online optimization of the hydraulic support electro-hydraulic control system is realized, and the adaptive performance of the hydraulic support electro-hydraulic control system is improved to the maximum extent.

【技术实现步骤摘要】
基于BP神经网络模型的液压支架电液自适应控制系统
本专利技术涉及煤矿综放工作面液压支架电液控制的
，具体涉及一种基于BP神经网络模型的液压支架电液自适应控制系统。
技术介绍
液压支架电液控制系统在我国煤矿已经得到了广泛的应用，每年都会新增100多套支架电液控制系统投入使用，然而液压支架电液控制系统在不同的矿区使用效果相差很大，究其原因主要是液压支架电液控制系统在自适应能力设计方面存在不足。综采工作面是一个近似矩形的采场，在这个采场中，采煤机割煤、破煤以开拓新的作业空间；液压支架支撑这个采场，为工作面设备和生产维修人员提供可靠的作业空间，同时负责采场设备的迁移；刮板输送机负责把煤炭运送出去。煤炭是经过数亿年的演变而形成，在这个演变过程中没有规律可以遵循，从而使得在煤炭开采过程中工作面生产环境条件不断变化，难以对未来的开采条件进行预判。由于工作面复杂的构造，顶底板条件不同，在工作面条件不好的条件下，液压支架控制系统的自动化功能使用起来效果就不好，主要表现出来的就是工作面液压支架降不下来，支架推移参差不齐，移架不到位，尤其是在液压支架的动作数量多的时候，这种问题更为严重，自动化功能效果不佳，其主要原因是液压支架电液控制系统程序、参数、控制流程与软件架构均为静态的，而开采环境、设备条件和运行系统均为动态的，存在着静态的控制系统与动态的开采运行环境之间的矛盾，液压支架电液控制系统适应性成为综采工作面智能化技术发展瓶颈：为解决上述问题，本领域提出了多种液压支架自适应控制方法，也有一些公开的专利申请文献等，专利技术人对这些已有现有技术进行分析后，发现当前的液压支架控制系统的研究只是在液压支架放煤控制、液压支架的受力状态视角等方面进行了研究分析，没有对液压支架的基本工作过程如迁移、支护方面自适应方面进行研究，而这才是液压支架最基本的职能，也是液压支架实现自动化的最基本要求，更是实现综采工作面自动化的必备条件，现有技术中没有对这方面的技术实现过程，是无法解决工作面液压支架推移过程中所存在的问题的。
技术实现思路
本专利技术要解决的技术问题是现有液压支架控制系统适应环境能力差，从而提供一种基于BP神经网络模型的液压支架电液自适应控制系统。为此，本专利技术提供一种基于BP神经网络模型的液压支架电液自适应控制系统，包括支架控制器、传感器、BP神经网络模型和自适应调节器，其中：所述传感器，用于检测液压支架的工作状态参数和工作面的环境状态参数；所述BP神经网络模型接收所述传感器发送的液压支架的工作状态参数和工作面的环境状态参数、采煤机运行参数和泵站供液参数作为输入信号，根据所述输入信号确定理想控制目标参数并将所述理想控制目标参数作为输出信号输出；所述自适应调节器接收所述BP神经网络模型发送的理想控制目标参数和所述传感器发送的液压支架的工作状态参数，获取理想控制目标参数和液压支架的工作状态参数之间的误差值；所述支架控制器获取所述自适应调节器发送的误差值，获取采煤机运行参数和泵站供液参数，根据所述误差值、所述采煤机运行参数和所述泵站供液参数确定液压支架的动作参数以控制所述液压支架动作。可选地，上述的基于BP神经网络模型的液压支架电液自适应控制系统，所述传感器检测的液压支架的工作状态参数包括：液压支架的升架支撑力、移架行程、推溜行程和护帮板对煤壁的压力；所述传感器检测的环境状态参数包括：工作面的倾角参数和俯仰角参数。可选地，上述的基于BP神经网络模型的液压支架电液自适应控制系统，所述传感器检测的液压支架的工作状态参数还包括：降柱压力、降柱时间、移架时间、推溜时间、护帮板行程、升架初撑力和升架时间。可选地，上述的基于BP神经网络模型的液压支架电液自适应控制系统，所述BP神经网络模型包括输入模块、隐层模块和输出模块；所述输入模块接收所述传感器发送的液压支架的工作状态参数、环境状态参数，所述采煤机运行参数和所述泵站供液参数作为输入信号；所述输出模块将所述理想控制目标参数作为输出信号；所述隐层模块中包括液压支架自动控制的不同阶段的标准动作参数，其中每一阶段的标准动作参数与前一阶段的标准动作参数间通过权重值相关联，所述权重值根据所述输出信号与所述输入信号进行配置。可选地，上述的基于BP神经网络模型的液压支架电液自适应控制系统，所述BP神经网络模型还用于接收所述自适应调节器输出的所述误差值，根据所述误差值对所述权重值进行调整。可选地，上述的基于BP神经网络模型的液压支架电液自适应控制系统，所述输出模块输出的所述理想控制目标参数包括：液压支架的目标升架支撑力、移架目标行程、推溜目标行程和护帮板对煤壁的目标压力。可选地，上述的基于BP神经网络模型的液压支架电液自适应控制系统，所述隐层模块中，液压支架自动控制的不同阶段包括：液压支架的降架阶段、液压支架的移架阶段和液压支架的升架阶段。可选地，上述的基于BP神经网络模型的液压支架电液自适应控制系统，所述隐层模块中的液压支架自动控制的不同阶段的标准动作参数包括：移驾过程为卡的判定参数、移驾过程为别的判定参数、移驾速度为慢的判定参数、降柱泄压速度为慢的判定参数、升柱初撑力为低的判定参数以及护帮板压力为低的判定参数。本专利技术提供的上述技术方案与现有技术相比，至少具有如下有益效果：本专利技术提供的基于BP神经网络模型的液压支架电液自适应控制系统，包括支架控制器、传感器、BP神经网络模型和自适应调节器，支架控制器用来控制液压支架动作，传感器用来感知液压支架运动过程中的工作状态和工作面环境状态。以液压支架的理想工作状态为控制目标，通过分析工作面影响液压支架控制的外部环境和内部环境的主要因素，构建液压支架控制系统的BP神经网络模型，结合自适应调节器，实现了液压支架电液控制系统的在线寻优，最大限度的提高液压支架电液控制系统的适应性能。附图说明图1为本专利技术一个实施例所述基于BP神经网络模型的液压支架电液自适应控制系统的原理框图；图2为本专利技术一个实施例所述BP神经网络模型的原理示意图；图3为本专利技术一个具体示例所述液压支架电液控制BP神经网络控制模型的原理图。具体实施方式为了使本专利技术的上述目的、特征和优点能够更为明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在本专利技术的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。本专利技术实施例提供一种基于BP神经网络模型的液压支架电液自适应控制系统，如图1所示，包括支架控制器1、传感器2、BP神经网络模型3和自适应调节器4，其中：所述传感器2用于检测液压支架5的工作状态参数和工作面的环境状态参数；所述BP神经网络模型3接收所述传感器2发送的液压支架5的工作状态参数和工作面的环境状态参数、采煤机运行参数和泵站供液参数作为输入信号，根据所述输入信号确定理想控制目标参数并将所述理想控制目标参数作为输出信号输出；所述自适应调节器4接收所述BP神经网络模型3发送的理想控制目标参数和所述传感器发送的液压支架5的工作状态参数，获取理想控制目标参数和液压支架5的工作状态参数之间的误差值；所述支架控制器1本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络模型的液压支架电液自适应控制系统，其特征在于，包括支架控制器、传感器、BP神经网络模型和自适应调节器，其中：所述传感器，用于检测液压支架的工作状态参数和工作面的环境状态参数；所述BP神经网络模型接收所述传感器发送的液压支架的工作状态参数和工作面的环境状态参数、采煤机运行参数和泵站供液参数作为输入信号，根据所述输入信号确定理想控制目标参数并将所述理想控制目标参数作为输出信号输出；所述自适应调节器接收所述BP神经网络模型发送的理想控制目标参数和所述传感器发送的液压支架的工作状态参数，获取理想控制目标参数和液压支架的工作状态参数之间的误差值；所述支架控制器获取所述自适应调节器发送的误差值，获取采煤机运行参数和泵站供液参数，根据所述误差值、所述采煤机运行参数和所述泵站供液参数确定液压支架的动作参数以控制所述液压支架动作。

【技术特征摘要】
1.一种基于BP神经网络模型的液压支架电液自适应控制系统，其特征在于，包括支架控制器、传感器、BP神经网络模型和自适应调节器，其中：所述传感器，用于检测液压支架的工作状态参数和工作面的环境状态参数；所述BP神经网络模型接收所述传感器发送的液压支架的工作状态参数和工作面的环境状态参数、采煤机运行参数和泵站供液参数作为输入信号，根据所述输入信号确定理想控制目标参数并将所述理想控制目标参数作为输出信号输出；所述自适应调节器接收所述BP神经网络模型发送的理想控制目标参数和所述传感器发送的液压支架的工作状态参数，获取理想控制目标参数和液压支架的工作状态参数之间的误差值；所述支架控制器获取所述自适应调节器发送的误差值，获取采煤机运行参数和泵站供液参数，根据所述误差值、所述采煤机运行参数和所述泵站供液参数确定液压支架的动作参数以控制所述液压支架动作。2.根据权利要求1所述的基于BP神经网络模型的液压支架电液自适应控制系统，其特征在于：所述传感器检测的液压支架的工作状态参数包括：液压支架的升架支撑力、移架行程、推溜行程和护帮板对煤壁的压力；所述传感器检测的环境状态参数包括：工作面的倾角参数和俯仰角参数。3.根据权利要求2所述的基于BP神经网络模型的液压支架电液自适应控制系统，其特征在于：所述传感器检测的液压支架的工作状态参数还包括：降柱压力、降柱时间、移架时间、推溜时间、护帮板行程、升架初撑力和升架时间。4.根据权利要求1-3任一项所述的基于BP神经网络模型的液压支架电液自适应控制系统，其特征...

【专利技术属性】
技术研发人员：牛剑峰，李首滨，韦文术，魏文艳，李俊士，付振，吴桐，姚钰鹏，林恩强，
申请(专利权)人：北京天地玛珂电液控制系统有限公司，北京煤科天玛自动化科技有限公司，
类型：发明
国别省市：北京,11