基于PSO-BP神经网络的临时支架支撑力自适应控制
田劼
李阳
张磊
刘振
中国矿业大学(北京)机电与信息工程学院,北京 100083;中国矿业大学(北京)煤矿智能化与机器人创新应用应急管理部重点实验室,北京 100083
摘要：为了使临时支架的支撑力更好地与矿压相适应,提高支架的支护能力,以双联自移式临时支架为研究对象,提出了基于粒子群优化(PSO)-BP神经网络的临时支架支撑力自适应控制方法.利用PSO算法的全局搜索能力及快速收敛特性对BP神经网络的初始权值进行优化,提高BP神经网络的收敛速度;再通过优化后的BP神经网络实现PID参数在线自调整,构建PSO-BP神经网络优化PID控制器,使临时支架的支撑力更快速、准确地达到预定值,实现临时支架支撑力自适应控制,避免因支护力和顶板压力不匹配而对顶板造成破坏.用单位阶跃信号模拟临时支护支架的期望初撑力进行实验验证,结果表明,与BP神经网络优化PID控制器及传统PID控制器相比,PSO-BP神经网络优化PID控制器可以更快、更准确地达到预期的初撑力,调整时间仅为 0.5 s且基本不存在超调.根据实际地质条件仿真模拟开挖支护过程中支架受到的顶板压力,研究 3种控制器的支撑力自适应控制效果,结果表明,在PSO-BP神经网络优化PID控制器的控制下,系统误差仅为 0.02 MPa,误差最小,控制效果最好.
关键词：综掘工作面临时支护支撑力自适应控制PSO-BP神经网络PID控制
分类号：TD355.4(矿山压力与支护)
资助基金：国家自然科学基金(51774293)中央高校基本科研业务?重点领域交叉创新项目(2022JCCXJD02)
论文发表日期：2023-07-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 67-74 )
英文信息