煤礦主通風(fēng)機(jī)風(fēng)量調(diào)節(jié)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、礦井的穩(wěn)定通風(fēng)是保障煤礦企業(yè)安全生產(chǎn)的基礎(chǔ)。第十一個(gè)五年計(jì)劃指出：要在煤炭行業(yè)進(jìn)行電動機(jī)拖動風(fēng)機(jī)優(yōu)化改造。作為量大面廣的高能耗設(shè)備，礦井通風(fēng)機(jī)長期處于“大馬拉小車”的低效運(yùn)行狀態(tài)。為了改變現(xiàn)狀，本文在推導(dǎo)通風(fēng)機(jī)節(jié)能原理，總結(jié)現(xiàn)有風(fēng)量調(diào)節(jié)方案以及理論分析工況變化時(shí)功率的變化情況的基礎(chǔ)上，以礦井通風(fēng)機(jī)變頻調(diào)速模型為研究對象，通過引入智能控制器使風(fēng)量實(shí)現(xiàn)自動調(diào)節(jié)，從而讓風(fēng)機(jī)穩(wěn)定在工況點(diǎn)運(yùn)行，減少不必要的浪費(fèi)。
　　神經(jīng)網(wǎng)絡(luò)有著較強(qiáng)的逼近

2、非線性函數(shù)的能力，還具有自適應(yīng)學(xué)習(xí)、魯棒性以及容錯(cuò)性等特點(diǎn)，為解決未知不確定非線性系統(tǒng)的建模和控制問題提供了一種有效途徑。本文在現(xiàn)有的神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)之上，通過分析比較，選擇了具有最佳逼近特性的RBF神經(jīng)網(wǎng)絡(luò)作為本課題的智能控制器。考慮到煤礦通風(fēng)機(jī)是一個(gè)高度非線性、強(qiáng)耦合、多變量的系統(tǒng)，存在難以建立其精確數(shù)學(xué)模型的問題。為了解決這一問題，本文使用了基于RBF神經(jīng)網(wǎng)絡(luò)的?階逆系統(tǒng)方法，通過RBF神經(jīng)網(wǎng)絡(luò)的離線訓(xùn)練建立通風(fēng)機(jī)變頻調(diào)速模型的

3、逆模型，再利用逆系統(tǒng)理論，將該逆模型補(bǔ)償原系統(tǒng)以實(shí)現(xiàn)原系統(tǒng)的線性化解耦，這樣就能把復(fù)雜非線性問題轉(zhuǎn)化成線性問題來考慮。
　　鑒于 RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需要的實(shí)際現(xiàn)場的樣本數(shù)據(jù)難以獲得，論文將通風(fēng)機(jī)看成理想的三相異步電機(jī)，在 Simulink平臺通過坐標(biāo)變換和電壓空間矢量技術(shù)搭建了矢量控制的異步電機(jī)變頻調(diào)速模型，并通過等效轉(zhuǎn)換模擬獲得了頻率-風(fēng)量樣本數(shù)據(jù)，這些數(shù)據(jù)經(jīng)過處理后即可作為RBF網(wǎng)絡(luò)的訓(xùn)練樣本。將離線訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)結(jié)合若干

4、個(gè)積分環(huán)節(jié)組成逆控制器去補(bǔ)償原系統(tǒng)就能實(shí)現(xiàn)原系統(tǒng)的線性化解耦，再對解耦后的偽線性復(fù)合系統(tǒng)使用線性控制系統(tǒng)理論中的PI調(diào)節(jié)進(jìn)行控制，最終建立風(fēng)量調(diào)節(jié)系統(tǒng)控制模型。對該模型進(jìn)行仿真，并與PID控制方式進(jìn)行對比，結(jié)果表明：相對于PID控制器，神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)可以較好地跟蹤給定信號，并表現(xiàn)出了優(yōu)秀的動靜態(tài)特性。
　　論文的最后，設(shè)計(jì)了一套用于實(shí)際現(xiàn)場的風(fēng)量調(diào)節(jié)系統(tǒng)。首先，利用可編程控制技術(shù)、組態(tài)技術(shù)、傳感器技術(shù)設(shè)計(jì)了一個(gè)用于監(jiān)測監(jiān)控風(fēng)機(jī)運(yùn)行