基于神经网络PID综掘巷道超前支架支撑力自适应控制.docx

基于神经网络PID综掘巷道超前支架支撑力自适应控制
综采巷道超前支架是保障煤矿生产安全的重要工具之一，为了保证矿工的生命财产安全，支架的支撑力需适应巷道变形情况变化。传统的PID控制策略在支柱支撑超前方面存在着一定的缺陷，为此本文提出了一种基于神经网络的PID综采巷道超前支架支撑力自适应控制方法，该方法能够根据巷道变形情况，自适应调节支架的支撑力，进一步提高了综采巷道的掘进效率和安全性。
一、综采巷道支架支撑力自适应控制研究现状
传统的PID控制策略在综采巷道支架支撑方面存在着一定的缺陷，主要表现在以下两个方面：
1.不够智能化
传统的PID控制方法虽然可以有效地控制支架的支撑力，但其控制过程缺乏智能化，无法根据巷道变形情况来自适应地调节。巷道的变形情况受到众多因素的影响，如软弱地质、坚硬岩体、水文地质、多层断层及构造破碎带等，不同的巷道变形情况需要不同的支撑力应对，而传统的PID控制难以完成此项任务。
2.无法精确掌控支架支撑力
传统的PID控制策略存在着对走向、倾角等因素的巨大判断误差，并且由于测量精度的限制，无法准确掌控支架的支撑力，经常出现上支力过大或不足的现象，从而影响支架的使用寿命以及增加不必要的危险性。
二、基于神经网络的PID综采巷道超前支架支撑力自适应控制方法
2.1神经网络在巷道支架支撑力控制中的应用
神经网络由于其良好的非线性映射能力，已经成为巷道支架支撑力控制中的一种很好的手段。神经网络将巷道的变形情况、巷道大小、巷道状态以及支架支撑力多方面因素进行有机汇聚，建立适当的数学模型，并利用反向传播（BackPropagation，BP）算法对该模型进行训练，使得支架支撑力在一定时间内可以自适应地跟随巷道的变形情况，实现了真正意义上的支撑力自适应控制。
2.2PID控制算法的改进
PID控制策略作为巷道支架支撑力自适应控制领域的重要算法，在本文的方法中也得到了应用。在传统的PID控制算法基础上，我们加入了神经网络控制策略，利用模糊规则对巷道变形情况进行分类，并把分类结果转化成与支架支撑力相关的PID参数，进一步提高了巷道支架支撑力控制的精度和稳定性。
2.3基于神经网络的PID综采巷道超前支架支撑力自适应控制步骤
（1）预处理：使用数据采集器采集巷道的变形情况、巷道大小、巷道状态以及支架支撑力等相关数据，并通过预处理程序对数据进行合理化处理和归一化处理，减少数据集的大小和复杂度。
（2）建立神经网络模型：统合巷道的变形情况、巷道大小、巷道状态和支架支撑力等数据信息，建立基于神经网络的支架支撑力自适应控制模型。
（3）数据训练及验证：通过神经网络训练算法，进行多轮数据的训练，优化神经网络的权重和阈值，得到合理的参数设置。训练结束后，通过验证数据进行模型精度的检测。
（4）PID控制算法判断及分类：将巷道参数输入神经网络模型，依据模型输出结果进行分类，即根据巷道变形情况将其分为几个等级，并使用模糊规则把这些变形情况转化为相应的PID参数值。
（5）支架支撑力控制：应用PID控制算法进行支架支撑力的控制。同时，通过神经网络模型不断应用新的数据进行自适应的调整，提高支架支撑力自适应性，进一步优化巷道支架支撑力的控制效果。
三、实验结果与分析
为了验证本文提出的基于神经网络的PID综采巷道超前支架支撑力自适应控制方法的有效性，在实际巷道支架支撑力控制系统中进行了相关的实验研究，实验结果表明，该方法可以成功地实现针对不同巷道变形情况的支架支撑力自适应控制，从而提高煤矿生产效率和安全性。
四、结论与展望
本文提出的基于神经网络的PID综采巷道超前支架支撑力自适应控制方法，可实现对综采巷道超前支架支撑力自适应控制，提高了巷道支架支撑力自适应性，有效地随巷道变形情况进行自适应调节，从而进一步提高了综采巷道的掘进效率和安全性。未来，可以通过进一步的实验和理论研究，提高该算法应用范围和精度，推广该算法在巷道支架支撑力控制领域的应用。