一种基于遗传算法的工作面调直模型决策方法

技术领域

本发明属于煤矿采煤机行进调直的技术领域，特别涉及一种基于遗传算法的工作面调直模型决策方法。

背景技术

煤矿工作面调直是指对煤矿工作面进行调整和整理，在支架的成组推溜和单台移架过程中，将支架及连接的刮板运输机调节成一条直线，使其符合设计要求和安全要求的过程。煤矿工作面在开采过程中，由于地质条件、采煤机工作等因素的影响，可能会出现工作面偏斜、变形、塌陷等问题。为了保证煤矿工作面的安全和高效开采，需要对工作面进行调直。

煤矿工作面调直是煤矿生产中非常重要的一项工作，它能够保证煤矿工作面的安全和高效开采。通过调整工作面的位置和形状，可以减少工作面的变形和塌陷，提高采煤机的工作效率，减少煤矿事故的发生。因此，煤矿工作面调直是煤矿生产中必不可少的一项工作。综采工作面装备智能化是煤矿智能开采的关键。调直是保证采煤机直线行进的关键，是液压支架对采煤机完全保护的保证。调直由于惯导带来的滞后性，使得调直存在难度和问题，无法实现理想的调直目标。

目前，针对工作面调直算法主要集中在消除工作面的误差影响，设计算法提高调直的准确度。如2015年胡波等人的基于支持向量机和遗传算法的液压支架调直系统研究，分析调直的影响因素，由此建模提高调直精度；2019年杨振的刮板输送机自动调直过程分析，根据SINS与轴编码器组合的方式构建采煤机三维定位位置方程；2020年刘旭等人的刮板输送机调直方法研究，使用组合导航对采煤机轨迹进行求解；2022年邱磊等人的基于惯导系统的采煤机定位及支架自动调直技术应用研究，智能化系统根据惯导与里程计的位姿检测。暂未有关于将遗传算法和工作面调直决策结合的方法。本发明根据惯导和进刀采煤情况建立数学模型和评价指标，将遗传算法引入与其结合，建立工作面调直决策的方法。

在综采工作面中，采煤机、液压支架和刮板输送机的三机协同工作至关重要。液压支架在完成移架之后，进行推溜调直。由于受到坡度和采煤机截割高度等其他因素的影响，在调直过程中很难保持一条直线，致使采煤机的采煤行进过程收到影响。

现有的调直方法因惯导测量技术本身带来的滞后性，导致调直难以完成预期的结果。为此，本发明结合遗传算法，提供一种对工作面的调直建立模型进而决策调直方法。

发明内容

针对推溜调直受到坡度和采煤机截割高度等其他因素的影响，在调直过程中很难保持一条直线，致使采煤机的采煤行进过程收到影响的问题，本发明提供一种对工作面的调直建立模型进而决策调直的基于遗传算法的工作面调直模型决策方法。

本发明解决其技术问题所采用的方案是：一种基于遗传算法的工作面调直模型决策方法，通过建立工作面调直动态模型，并对该工作面调直动态模型进行性能指标优化，所述优化指标包括直线度评价指标和单刀开采量，最终基于遗传算法对该工作面调直动态模型进行调直参数求解，从而获得工作面调直模型最优决策值。

其中所述动态模型建立方法包括以下步骤，设第i台支架在第k刀相对于零点的位移为x

X(k)＝[x

U(k)＝[u

其中N表示支架的数量。

根据采煤机和支架推溜移架关系得到以下公式

x

调节量u

u

式中F[·]为确定调节量的函数，同时，采煤机每次截割过程中，支架移架推溜限制在最小值和最大值范围中，即

d

其中F[·]是关于X(k-1)的线性关系，u

u

式中，第p、q台支架的形状值x

d

最后考虑所有支架构成动态模型

X(k+1)＝X(k)+U(k)

进一步，对动态模型(6)的性能指标进行优化，所述性能指标包括直线度评价指标和单刀开采量，其中第k到调整后的直线度评价指标J

X(k+1)＝[x

采用方差评价的方式对直线度评价指标J

其中亘线度评价指标的数值越小，直线度越好。

所述单刀开采量为第k刀调整后第k+1刀的单刀采煤量J

U(k)＝[u

所述单刀采煤量

则整体优化性能指标为

进一步，在动态模型(6)、推移行程约束条件(5)以及优化性能指标(9)的限制下，动态模型中的参数a

s.t.d

其中参数a

步骤一：对参数a

步骤二：确定求解的参数取值范围，根据公式(5)可知，第k-1刀中形状最大值x

a

则有a

a

步骤三：设置参数取值范围与编码值的对应关系

步骤四：通过遗传算法进行参数求解，获得a

进一步，对参数a

其中通过遗传算法进行参数求解的过程包括以下步骤：

S1：随机生成M个二进制数B

S2：按照二进制编码排列顺序，截取3N个所求参数对应的二进制码

S3：按照公式(14)求出对应的参数值a

S4：根据公式(11)中的约束条件，如果对应a

S5：将M个J按数值大小排序，按30％的比例取值最小的那部分J及对应的二进制编码B进入交叉和变异；

S6：在S5选取编码值B的24N位二进制数中，取10％的随机位置进行变异，即将选中位置上的二进制值取反；

S7：在S5选取编码值B中，两两随机配对Bi和Bj，同时在编码值B的24N位二进制数中随机选取4个连续的3位数，将Bi和Bj这4个位置上的数对换；

S8：重复步骤S4，直到性能指标函数J不变，或者循环轮次达到100轮，得到最优解，如果有多个解，则选取J值最小的解；

S9：将S8中得到的最优解的二进制形式按照公式(14)转换为所需参数形式，从而得到a

进一步，回采过程中最优调直方法包括以下步骤，

1)0刀：检测刀获取第0刀形状，即得到X(0)；0刀控制量

2)1刀：X(1)＝X(0)+U(0)；

3)2刀：

X(2)＝X(1)+U(1)

按照步骤四中的遗传算法求解最优参数，得到U(1)，从而得到X(2)；

4)后续刀按照第2刀参数运行。

本发明的有益效果：在发明对调直过程建立数学建模，根据每刀间的关系，使调直问题转化数学问题，之后考虑调直问题决策时的评价指标为第k刀调整后的直线度评价指标和第k刀调整后，第k+1刀的单刀采煤量，根据上述评价指标，使用遗传算法对提出的调直数学模型进行求解，对调直问题进行决策。

本发明从理论角度建立了工作面调直的动态模型，提出了基于遗传算法的参数最优获取方法，从而实现了调直过程中调直时间最短、采煤量最大的优化目标。

附图说明

图1是工作面调直过程示意图。

图2是工作面直形状曲线。

图3是参数二进制编码与排列顺序表。

具体实施方式

实施例1：本发明通过遗传算法可以进行煤矿工作面调直的模拟，遗传算法是一种基于模拟生物进化过程的优化算法，它模拟自然界中的遗传、变异和选择等过程，通过不断迭代和优化，寻找最优解。

在煤矿工作面调直的模拟中，可以将工作面的调整问题转化为一个优化问题，即找到最优的调整方案，使得工作面达到最佳的直线状态。

具体而言，可以将工作面的调整方案表示为一个基因编码，每个基因代表一种调整措施或参数，如支护材料的种类、支架位置的调整等，通过遗传算法的交叉、变异和选择等操作，不断生成新的调整方案，并根据适应度函数评估每个方案的优劣，最终找到最优的调整方案。

遗传算法可以考虑多个因素，如工作面的长度、宽度、地质条件等，以及安全和效率等指标，通过不断迭代和优化，找到最佳的调整方案。

通过遗传算法进行煤矿工作面调直的模拟，可以帮助矿山工程师预测和优化调整方案，提高工作面的安全性和生产效率。

如图1所示，工作面调直是在支架的成组推溜和单台移架过程中，将支架及连接的刮板运输机调节成一条直线，所述工作面形状如图2所示。

工作面直线度由置于采煤机内部的惯导装置提供。因为支架推溜和移架总是在采煤机运行的后方，因此在当前刀惯导无法提供移架和推溜后的工作面形状。

例如：当前刀是第2刀，采煤机行走时的曲线是第1刀推溜移架形成的形状，此时惯导记录的也是第1刀推溜移架完毕后的工作面形状。在第2刀中，当采煤机走过后，再进行推溜移架，使得工作面在第2刀发生改变，却不能被惯导记录。只有在第3刀时，才能记录到第2刀的形状。此时，如果需要对工作面进行调直，即需要对第3刀的形状进行规划，实质是在第1刀形状基础上，对第3刀进行规划。

针对上述问题，本发明提供一种基于遗传算法的工作面调直模型决策方法，从而实现了调直过程中调直时间最短、采煤量最大的优化目标。

具体实现过程如下：

一、系统建模：设第i台支架在第k刀相对于零点的位移为x

则有

X(k)＝[x

u(k)＝[u

N表示支架的数量。

根据采煤机和支架推溜移架关系可得到如下关系

x

调节量u

u

式中F[·]为确定调节量的函数。

同时，采煤机每次截割过程中，支架移架推溜限制在最小值和最大范围中，即

d

为了简化起见，F[·]可看作关于X(k-1)的线性关系。进一步简化，u

则有：

u

式中，第p、q台支架的形状值x

同时满足推移行程的要求，有：

d

考虑所有支架则有：

X(k+1)＝X(k)+U(k)

则，调直问题转化为一个求解自治系统的最优化参数问题。

二、优化性能指标：优化性能指标包括直线度评价指标和单刀开采量。

(1)第k刀调整后的直线度评价指标J

第k刀调整后形成曲线为：

X(k+1)＝[x

采用方差评价方式

直线度越好，上述值越小。

(2)第k刀调整后，第k+1刀的单刀采煤量J

单刀采煤量取决于采煤机截割深度，该深度由支架移架和推溜决定，即由U(k)＝[u

设定

故整体优化性能指标为

三、基于遗传算法的调直参数求解过程：在系统模型(6)，约束条件(5)和优化性能指标(9)共同作用下，即求解式(6)中的参数a

即在X(k)、X(k-1)已知条件下，求解参数a

s.t.d

具体求解过程如下：

(1)对求解参数a

(2)确定求解参数的取值范围：

根据约束条件式(5)可知，第k-1刀中，形状最大值x

因此设定取值范围为：

a

在条件(12)情况下，为了满足约束条件(5)，则有a

a

(3)设置参量取值范围与编码值的对应关系

(4)参数遗传算法求解：

1)随机生成M个二进制数B

2)按照表1的二进制编码排列顺序，对截取3N个所求参数的二进制码

3)按照式(14)求对应的参数值a

4)根据式(11)中的约束条件，如果对应a

5)M个J按数值大小排序，按30％的比例取值最小的那部分J及对应的二进制编码B进入交叉和变异；

6)从5)中取出的编码值B，24N位二进制数中，取10％的随机位置进行变异，即将选中位置上的二进制值取反；

7)从5)中取出的编码值B中，两两随机配对B

8)重复第4)步，直到性能指标函数J不变，或者循环轮次达到100轮，得到可能的最优解，如果有多个解，则选取J值最小的那一个；

9)将第8)得到的最优解的二进制形式按照式(14)转换为所需参数形式，从而得到a

四、对回采过程中最优调直方法：

1)0刀：检测刀，仅获取第0刀形状，即得到X(0)；0刀控制量

2)1刀：X(1)＝X(0)+U(0)；

3)2刀：

X(2)＝X(1)+U(1)

按照4中的遗传算法求解最优参数，得到U(1)，从而得到X(2)；

4)后续刀按照第2刀原理运行。

本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。