【采煤工作中的联控系统发展研究的国内外文献综述3800字】

采煤工作中的联控系统发展研究的国内外文献综述目前，关于本课题的国内外研究现状主要包括三个方面：一是研究如何预测采煤工作面瓦斯浓度的相关技术；二是研究如何实现采煤机与刮板输送机智能控制的相关技术；三是研究采煤工作组如何智能联动控制的相关算法及其策略。在这三个方面国内外都有的研究。1.1瓦斯浓度研究现状近几年随着我国煤矿开采深度的不断增加，瓦斯涌出量持续增大，瓦斯灾害变得日益严重[11]。周伟等在煤与瓦斯突出防控方面，确定了矿井煤与瓦斯突出的力学作用机理，发明了全过程监测、多元信息融合的突出预警方法[12];罗振敏等创建了多尺度强湍流瓦斯爆炸动态传播和湍流－火焰－超压多场耦合理论，形成了矿井瓦斯封闭抑爆与隔爆协同防控技术体系[13]。YaqinWu等在原始BP神经网络算法中添加自适应学习率，构建了改进的GASA-BP预测模型，应用于煤矿煤与瓦斯突出预测[14]；HengWang等采用组合学习器RS-PNN网络，基于变量相似度聚类技术的集成学习算法将冗余元素删除，并保留基础的学习器作为输入，有效的改善了煤与瓦斯突出预测的精度问题[15]；董丁稳等通过分析瓦斯实测数据的统计特征,以及利用贝叶斯网络方法分析工作面与其关联监测点瓦斯实测数据构成时间序列的关联特征,确定基于实时监测数据的瓦斯预警指标及其预警阈值,进而分析瓦斯浓度异常情况,实现基于监测数据分析的实时、动态量化预警[16];国内外矿井开采研究人员在矿井瓦斯涌出方面也有过相关研究：LiangChen等建立了动态瓦斯涌出量预测模型，综合考虑对瓦斯涌出的影响参数，在有无预防措施和不同涌出速度的情况下，比较了动态与非动态瓦斯涌出预测模型的值[17]。HaiyangWang等为了科学地预测低瓦斯隧道的异常瓦斯涌出量，结合低瓦斯隧道的现场监测数据，提出了基于K线图的低瓦斯隧道异常瓦斯涌出量预测方法[18]。李栋等提出改进混沌粒子群算法的多变量自适应加权最小二乘支持向量机（AWLSSVM）瓦斯预测模型，实现了瓦斯浓度的多步预测[19]。吴海波等通过实时流数据处理框架SparkStreaming构建基于流回归的瓦斯浓度实时预测系统，实时分析瓦斯监测流数据并对瓦斯浓度进行准确预测，实现瓦斯灾害实时预警[20]。BoothPatrick等通过改进空间数据集以及结合基本物理和能量相关原理，解决了当前传统的瓦斯预测和瓦斯管理实践设计方法的可变性和局限性[21]。杨丽基等于惩罚最小二乘法和自回归的思想，提出了新的变量选择和定阶方法——AdjustGroup最小绝对值压缩与选择（LASSO）方法．提高了瓦斯浓度（体积分数）预测的准确性[22]。LiYang基于偏相关分析和支持向量回归（SVR）建立了瓦斯涌出量预测模型，以在小样本情况下准确预测工作面瓦斯涌出量[23]。工作面瓦斯涌出来源，如图1.4所示图1.4瓦斯涌出分析Figure1.4GasEmissionAnalysis除此之外，基于瓦斯浓度的瓦斯突出问题的解决方案也是现在研究的热点。陈鲜展等论证了瓦斯含量法指标预测煤与瓦斯突出的科学性，发展了基于瓦斯含量法预测煤与瓦斯突出的瓦斯含量临界值[24]。ChaolinZhang等提出了一种基于温度监测的突出预测方法，该方法预报过程简单，快捷，不易受到采煤活动的干扰[25]。卢志燕针对传统煤矿瓦斯监控系统的不足，提出了一种采用ZigBee无线传感器网络与虚拟仪器技术相结合的煤矿瓦斯监测方案[26]。董丁稳针对煤矿瓦斯监测数据的特点，基于时间序列数学方法的综合应用所提出的瓦斯浓度预测及预警模型[27]。刘彦伟采用物理模拟试验、孔隙结构实验测定、数学建模、理论分析和数值解算等方法，研究了煤粒瓦斯放散规律及其影响因素、瓦斯放散机理和物理数学模型[28]。刘奕君等利用BP神经网络能以任意精度逼近非线性函数的优点,结合遗传算法的全局搜索能力,优化神经网络权值和阈值,建立GA—BP混合算法模型预测瓦斯浓度[29]。付华等为了准确预测回采工作面的瓦斯浓度,提出云自适应粒子群算法优化Elman神经网络的瓦斯浓度动态预测新方法[30]。HaoWang等利用煤颗粒气的球形扩散方程和煤层气的径向非定常流动方程，对倒塌的煤和煤壁的瓦斯流量进行了分析，建立了包含关键因素的瓦斯涌出动态预测模型[31]。综上所述，对瓦斯预测及瓦斯防治方面研究数量比较多，但是对于瓦斯涌出机理及瓦斯涌出控制的研究还是比较少。如何控制瓦斯涌出从而控制瓦斯浓度，进而防治瓦斯事故是一个还待解决的问题。1.2联动控制系统研究现状联动控制系统的研究，在控制采煤工作组的过程中起到了十分关键的作用。张智喆等准确检测采煤工作面中刮板输送机的布置形状,提出了基于采煤机运动轨迹的刮板输送机布置形态检测方法[32]。贠东风等分析了采煤机和刮板输送机在大倾角煤层综采实践中的应用效果,论述了大倾角采煤机及刮板输送机针对大倾角特殊条件所进行的持续改进情况[33]。王艳萍研究刮板输送机和采煤机的协同调速技术,通过对刮板输送机载煤量变化规律的分析和对负载电流的动态预测,设计协同速度规划策略和调速算法[34]。采煤机调速如图1.5所示：图1.5采煤机调速Figure1.5Peedregulationofcoalminingmachine乔春光分析了采煤机与刮板输送机的协同运动关系,建立采煤机与刮板输送机协同监测方法,利用捷联惯导系统建立采煤机与刮板输送机协同监测的物理传感体系，利用滚动预测方法与两种机器学习算法结合对刮板输送机的工作形态进行预测[35]。ShuaishuaiGe等提出了一种基于采煤机电动机转矩补偿的主动控制策略，以抑制齿轮箱传动系统由于外部负载突变而产生的动态负载[36]。王海瑞对目前综采工作面采煤机、刮板输送机因其协同调节状况缺失而导致刮板输送机在运行时频繁出现损坏的情况进行了分析,提出一种新的采煤机-刮板输送机协同调速系统[37]。葛兆亮以采煤机自适应通过采煤机进刀方向上的断层、褶皱等复杂地质构造为主要研究内容,在分析了以往基于煤岩界面识别和基于记忆截割的采煤机自适应控制技术的基础上提出了基于三维精细化地质模型的采煤机自适应通过复杂地质构造的方法[38]。采煤机模拟控制平台如下图1.6所示图1.6.采煤机模拟控制平台Figure1.6Imulationcontrolplatformforcoalminemachine其中联动控制系统在协同控制以及自适应控制中是目前研究的热点研究对象。王凯以采煤机和刮板输送机的协同控制关键技术为研究目标,在对刮板输送机负载预测的基础上,提出了一种刮板输送机/采煤机协同控制策略,开发了基于刮板输送机负载预测的采煤机调速系统[39]。DziurzynskiWaclaw等通过模拟采矿过程中用于长壁采煤机的控制,提出一种基于瓦斯浓度的采煤机牵引速度控制方案[40]。高小强等基于采煤机采煤量的随机变化,研究了刮板输送机生产过程中的负载特性，通过将模糊集合的概念及PID控制思想应用到刮板输送机的实时调速控制系统[41]。王波等对刮板输送机智能变频调速设计3种调速方案,并进行实际运行效果和能耗对比分析[42]。葛帅帅等基于Matlab/Simulink建立了包括采煤机牵引部、截割部和控制系统的整机耦合控制模型[43]。司垒以电牵引采煤机智能控制关键技术的研究和系统开发为目标,研究了基于截割路径跟踪和运行状态评价的采煤机智能控制方法,以牵引速度调节作为主要控制手段、滚筒截割高度调节作为次要控制手段,实现了采煤机稳定、可靠运行的智能控制[44]。采煤工作组协同控制中心如图1.7所示：图1.7采煤工作组协同控制中心Figure1.7Cooperativecontrolcenterofcoalminingworkinggroup综上所述，联动控制通常以智能截割与智能调速为目标进行研究，但对于以瓦斯浓度为目标的联动控制还较为少见。因此研究基于瓦斯浓度的联动控制方法，将有益于对瓦斯浓度控制的实现，更进一步实现绿色采煤及其安全采煤。1.3联动控制算法研究现状解决联动控制中链接不协调、联动不连续的问题，联动控制算法是其重要方法。钟立雯针对采煤机调高系统的非线性、延时性等特性,进而设计了基于极限学习机PID控制策略,并利用Matlab/Simulink软件对截割轨迹进行跟踪控制,给出误差曲线[45]。ChadO.Hargrave等介绍了无线局域网技术在长壁采煤自动化中的应用，并对其进行了优化[46]。XinZhou以面向“三机”的多级优化协同控制方法，实现了不同状态下综采装备的时间域优化协同控制[47]。薛红梅分析了采煤机在实际工况条件下的工作状态，建立了采煤工作面坐标系，利用采煤机首刀截割参数建立Elman神经网络结构并对其进行网络训练[48]。张飞虎提出了将交叉耦合控制算法与转速给定调节方法相结合的功率平衡控制方法，并建立了双SRM同步控制系统的模型，通过MATLAB/SIMULINK仿真验证了所设计的功率平衡方案的可行性，进一步减小了双牵引电动机的输出功率的差值，延长了牵引电动机的使用寿命[49]。神经网络控制中反馈网络结构如图1.8所示：图1.8反馈神经网络结构Figure1.8Feedbackneuralnetworkstructures为进一步提高联动控制算法的自适应程度，将多种控制方法相结合，是目前联动控制算法的研究趋势。刘侠等根据电牵引采煤机的牵引特性及电磁式调速电动机的速度控制特性,提出了一种基于模糊控制算法的软件控制器[50]。王玉萍等针对采煤机滚筒调高系统的非线性特点,采用了一种基于BP算法的模糊神经网络自适应控制,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力融为一体,形成了对非线性系统的良好控制策略[51]。朱东岳等为了提高滚筒采煤机的自适应控制能力,提出一种基于输出反馈线性化调节的滚筒采煤机改进无模型自适应控制方法[52]。刘川杨提出通过建立几何模型,采用解析方法推导出中部槽定位递推公式,并用欧拉角对中部槽上任意一点的位置坐标进行描述,从而为中部槽实时位姿描述与控制提供了基础[53]。Morid