掘进机自适应截割控制系统及方法

    公开(公告)号:CN115788477A

    公开(公告)日:2023-03-14

    申请号:CN202310067306.8

    申请日:2023-02-06

    摘要: 本发明涉及一种掘进机自适应截割控制系统及方法,属于智能化掘进设备技术领域。包括传感器模块、边缘计算机和数据采集单元,传感器模块包括压力传感器、行程位移传感器和振动传感器;传感器模块用于采集掘进机截割过程中的油缸压力数据、油缸位移数据和截割臂振动数据,并通过数据采集单元发送至边缘计算机;边缘计算机用于对油缸压力数据、油缸位移数据、截割臂振动数据、截割电流数据和截割电压数据进行处理,并根据处理结果对掘进机的截割臂摆速进行自适应控制。本发明提供了一种基于掘进机截割过程中的多种类型参数对掘进机的截割臂摆速进行自适应控制的方法,相对先前单一的电流判据,更符合实际工况,从而能够提高掘进机的截割效率。

    一种基于RBF神经网络的掘进机井下截割工况预测方法

    公开(公告)号:CN115628930B

    公开(公告)日:2023-03-10

    申请号:CN202211620178.7

    申请日:2022-12-16

    摘要: 本发明属于煤矿掘进机截割自动化技术领域,具体是一种基于RBF神经网络的掘进机井下截割工况预测方法。包括以下步骤,S100:掘进机上设置数据采集机构;S200:采集多个样本数据集,每个样本数据集包括当前时刻的掘进机截割电流、截割电压、回转油缸与升降油缸的左右缸压力以及截割臂的振动程度。S300:剔除样本数据集中的异常数据。S400:对样本数据集进行标准化处理。S500:将训练集作为RBF神经网络的输入变量进行训练。S600:完成训练的RBF神经网络对掘进工况的预测,输入当时的截割电机的电流与电压、回转油缸与升降油缸的压力、截割部的振动程度以及摆速传感器测量的摆速这几项参数预测出当前所属工况。本发明对提升截割效率与截割部寿命有一定作用。