【技术实现步骤摘要】
一种基于煤岩感知的液压坑道钻机给进回转控制方法
[0001]本专利技术属于煤矿井下坑道钻探
，涉及液压坑道钻机给进回转控制，具体涉及一种基于煤岩感知的液压坑道钻机给进回转控制方法。
技术介绍
[0002]液压坑道钻机广泛用于煤矿井下瓦斯抽采，冲击地压防治，顶底板探放水，掘进巷道超前探测，隐蔽致灾因素探查等方面。但在液压坑道钻机的钻进过程中，煤层的地质力学环境复杂，断层、陷落柱、构造带、地质异常体等非线性、强耦合、强干扰特征突出，导致液压坑道钻机给进系统的给进阻力和回转系统的负载扭矩复杂多样。这就要求钻机的给进回转系统能够适应煤层的变化，否则会降低钻机的钻进效率，影响工作周期，同时不恰当的钻压和转速甚至会造成卡钻、断钻等事故。
[0003]目前液压坑道钻机的钻压和转速不能根据工况自动调整，需要施工人员根据观察到的几个主要参数，如钻压、回转压力、转速以及返渣返水等情况人工调整，不能实时全面收集各种不同工况参数及控制参数，也难以及时准确对各类数据进行判断和决策，钻进施工过程中完全依赖施工人员的经验对钻进参数进行调节，...
【技术保护点】
【技术特征摘要】
1.一种基于煤岩感知的液压坑道钻机给进回转控制方法，其特征在于，该方法包括以下步骤：步骤一，特征获取：选取钻机的钻压和回转压力作为煤层硬度识别的输入信号，采用小波包分解将钻压和回转压力进行分解，得到特征向量；步骤二，特征筛选：将步骤一中得到的特征向量E中的每一个分量与煤层硬度进行相关性分析，得到与煤层硬度相关性强的分量组成的强相关特征向量；对强相关特征向量进行归一化，得到归一化特征向量；步骤三，煤层硬度识别模型搭建：基于BP神经网络，以归一化特征向量作为BP神经网络的输入量，对BP神经网络进行训练，经过训练后获得煤层硬度识别模型；步骤四，推荐钻速和推荐转速获取：以步骤二中得到的归一化特征向量作为步骤三中搭建的煤层硬度识别模型的输入量，通过煤层硬度识别模型获得煤层硬度，根据煤层硬度得到当前工况下推荐钻速和推荐转速如下：如下：式中：θ为当前工况下推荐转速；V为当前工况下推荐钻速；D为钻具的有效直径；f为煤岩的硬度；k1，k2为比例系数；θ0，V0分别为钻机长期工作时转速和钻速的均值；步骤五，输入信号预处理：将步骤四得到的推荐钻速和推荐转速进行预处理，得到预处理后的推荐钻速和推荐转速；所述的预处理的具体过程为：首先进行限幅滤波，消除信号中的尖峰；然后进行递推平均滤波，减小输入信号的波动幅度；步骤六，给进回转控制系统构建：所述的给进回转控制系统包括PID1、PID2和钻速微调模块；所述的PID1和PID2均采用积分分离PI控制器；所述的钻速微调模块为：积分分离PI控制器；所述的钻速微调模块为：
式中：Feedspeed
set
为设定钻速；Feedspeed0为推荐钻速；Speed0为转速可降低的阈值；Rspeed
now
为转速的测量值；Rspeed
set
为转速的设定值；k为积分系数；1/s为积分运算；ε为启动信号。所述的PID1的输入端输入钻机在煤层负载中的扭矩信号，PID1的输出端输出钻压信号；所述的PID2的输入端输入钻机在煤层负载中的钻速信号和步骤五获得的预处理后的推荐钻速信号，所述的PID2的输出端输出扭矩信号至所述的PID1的输入端；所述的钻速微调模块的输入端输入回转系统的转速信号和钻机在煤层负载中的转速信号，所述的钻速微调模块的输出端输出钻速微调量信号至所述的PID2的输入端；步骤七，恒扭矩控制：将步骤五中得到的预处理后的推荐转速输入到钻机的回转系统中进行转速控制；在步骤六搭建的给进回转控制系统中，给PID1的输入端输入设定的恒定的目标扭矩信号，与PID1的输入端输入的钻机在煤层负载中的扭矩信号进行比较，PID1的输出端输出的钻压信号控制钻机的给进系统的钻压，实现恒扭矩控制；步骤八，恒钻速控制：在步骤七的基础上，将步骤五中得到的预处理后的推荐钻速作为恒定的输入信号输入到PID2，在PID2中，预处理后的推荐钻速信号与钻机在煤层负载中的钻速信号进行比较，PID2输出的扭矩信号作为新的目标扭矩信号输PID1，再进行与步骤七中的恒扭矩控制相同的控制方法，控制钻机的给进系统的钻压，实现恒钻速控制；步骤九，钻速微调控...
【专利技术属性】
技术研发人员：李旺年，张幼振，姚克，刘桂芹，张宁，钟自成，刘祺，王松，
申请(专利权)人：中煤科工集团西安研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。