矿井下常常存在地下水渗积问题,通过控制主泵出水压力,能够有效地排除积水,保持井下环境相对干燥,增强煤矿地下环境的安全性。但由于矿井下的透水后压力负荷通常是不确定的,单纯以压力为传感信号的主泵排水控制的稳定性会受到较大影响,...矿井下常常存在地下水渗积问题,通过控制主泵出水压力,能够有效地排除积水,保持井下环境相对干燥,增强煤矿地下环境的安全性。但由于矿井下的透水后压力负荷通常是不确定的,单纯以压力为传感信号的主泵排水控制的稳定性会受到较大影响,当前排水多以人工观测为主,排水控制智能化实现难度较大。提出一种扬程特性关联下矿井主泵排水智能控制方法。分析矿井下大功率变频式主泵的扬程特性(H-Q),获取变频式主泵排水压力和扬程特性(H-Q)之间的关系。利用这一关系作为传感信号,采用解耦补偿器和神经网络,利用神经网络在线调整比例、积分和微分(proportional integral derivative,PID)控制参数,组建大功率变频式主泵出水压力智能控制器,实现泵出水压力智能控制。通过实验分析证明,研究方法应用后在22 s左右矿井主泵达到最佳状态,过程中产生的相对误差均在0.5%以下。在多次迭代控制下,所提方法的控制延误始终低于0.1 ms。展开更多
文摘矿井下常常存在地下水渗积问题,通过控制主泵出水压力,能够有效地排除积水,保持井下环境相对干燥,增强煤矿地下环境的安全性。但由于矿井下的透水后压力负荷通常是不确定的,单纯以压力为传感信号的主泵排水控制的稳定性会受到较大影响,当前排水多以人工观测为主,排水控制智能化实现难度较大。提出一种扬程特性关联下矿井主泵排水智能控制方法。分析矿井下大功率变频式主泵的扬程特性(H-Q),获取变频式主泵排水压力和扬程特性(H-Q)之间的关系。利用这一关系作为传感信号,采用解耦补偿器和神经网络,利用神经网络在线调整比例、积分和微分(proportional integral derivative,PID)控制参数,组建大功率变频式主泵出水压力智能控制器,实现泵出水压力智能控制。通过实验分析证明,研究方法应用后在22 s左右矿井主泵达到最佳状态,过程中产生的相对误差均在0.5%以下。在多次迭代控制下,所提方法的控制延误始终低于0.1 ms。
