液壓鑿巖機(jī)鑿巖狀態(tài)辨識(shí)方法研究與實(shí)驗(yàn).pdf

1、目前鑿巖爆破占礦巖開(kāi)挖工程的70％-75%，而且在未來(lái)相當(dāng)長(zhǎng)的一段時(shí)期內(nèi)仍將處于主導(dǎo)地位。液壓鑿巖機(jī)作為鑿巖掘進(jìn)裝備的代表，其鑿巖工作效率越來(lái)越受到關(guān)注。而巖石層的地質(zhì)結(jié)構(gòu)非常復(fù)雜，工程上均是憑借個(gè)人經(jīng)驗(yàn)來(lái)切換液壓鑿巖機(jī)檔位以實(shí)現(xiàn)沖擊能量的調(diào)節(jié)，其導(dǎo)致了鑿巖機(jī)輸出參數(shù)和工作介質(zhì)的耦合性能較差，嚴(yán)重影響了鑿巖工作效率。因此，液壓鑿巖機(jī)在鑿巖過(guò)程中對(duì)巖石特性（也稱鑿巖狀態(tài)）進(jìn)行辨識(shí)非常有必要，其能實(shí)現(xiàn)鑿巖狀態(tài)與鑿巖機(jī)工作參數(shù)的匹配輸出，可有

2、效地提高鑿巖工作效率，促進(jìn)鑿巖機(jī)向自動(dòng)化、智能化發(fā)展。
　　液壓鑿巖機(jī)在鉆鑿巖石過(guò)程中，鑿巖機(jī)與巖石同時(shí)具有作用力與反作用力，考慮通過(guò)鑿巖機(jī)的工作狀態(tài)參數(shù)來(lái)表征鑿巖狀態(tài)。論文對(duì)液壓鑿巖機(jī)工作狀態(tài)參數(shù)進(jìn)行了研究，獲得了與鑿巖狀態(tài)相關(guān)的關(guān)鍵特征參數(shù)。基于沖擊機(jī)械波動(dòng)力學(xué)理論，建立了沖擊系統(tǒng)活塞桿回彈的數(shù)學(xué)模型，并應(yīng)用AMESim和MATLAB進(jìn)行了聯(lián)合仿真與分析；同時(shí)對(duì)回轉(zhuǎn)系統(tǒng)、推進(jìn)系統(tǒng)、緩沖裝置進(jìn)行了動(dòng)力學(xué)建模與分析；最終確定了鑿巖

3、辨識(shí)關(guān)鍵參數(shù)，即沖擊系統(tǒng)工作流量、活塞桿沖擊末速度、回彈速度、液壓馬達(dá)工作壓力、推進(jìn)液壓缸工作壓力、緩沖腔油液峰值壓力。
　　為了給鑿巖狀態(tài)辨識(shí)提供數(shù)據(jù)來(lái)源，論文提出了測(cè)量液壓鑿巖機(jī)鑿巖狀態(tài)辨識(shí)關(guān)鍵參數(shù)的總體方案，設(shè)計(jì)了基于LabVIEW的測(cè)試實(shí)驗(yàn)系統(tǒng)，并搭建了液壓鑿巖機(jī)鑿巖狀態(tài)辨識(shí)系統(tǒng)的實(shí)驗(yàn)平臺(tái)。考慮到測(cè)量的簡(jiǎn)易性和可操作性，引入了“三點(diǎn)法”，實(shí)現(xiàn)了通過(guò)測(cè)量氮?dú)馐业膲毫纯砷g接獲得沖擊活塞桿的速度。沖擊系統(tǒng)在不同工作流量下，對(duì)鉆

4、鑿三種不同特性巖石的鑿巖狀態(tài)辨識(shí)關(guān)鍵參數(shù)進(jìn)行了數(shù)據(jù)采集與實(shí)驗(yàn)研究，研究表明其參數(shù)變化規(guī)律與理論分析結(jié)果基本保持一致。
　　針對(duì)傳統(tǒng)精確的數(shù)學(xué)模型難以對(duì)鑿巖狀態(tài)進(jìn)行辨識(shí)的現(xiàn)狀，引入了人工智能識(shí)別技術(shù)，提出了基于GA-LM的BP神經(jīng)網(wǎng)絡(luò)算法和基于粒子群尋優(yōu)的“一對(duì)一”多分類支持向量機(jī)來(lái)實(shí)現(xiàn)對(duì)鑿巖狀態(tài)進(jìn)行辨識(shí)，并將鑿巖狀態(tài)辨識(shí)關(guān)鍵參數(shù)作為輸入，應(yīng)用上述算法進(jìn)行了仿真研究。仿真結(jié)果表明，與標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法、動(dòng)量BP算法、學(xué)習(xí)率可變算法

5、、LM-BP算法相比，GA-LM的BP神經(jīng)網(wǎng)絡(luò)算法具有更高的鑿巖狀態(tài)辨識(shí)精度；與未尋優(yōu)算法、交叉驗(yàn)證尋優(yōu)算法對(duì)比，基于粒子群尋優(yōu)的“一對(duì)一”多分類支持向量機(jī)具有更高的辨識(shí)精度。此外，為避免“一對(duì)一”多分類支持向量機(jī)會(huì)出現(xiàn)不可分區(qū)域，提出了采用二次分類與歐氏距離結(jié)合的再次細(xì)分判定方法，有效地提高了其分類性能。
　　論文提出了一種改進(jìn)型沖突證據(jù)合成方法，即引入可信度和可信度閾值，以可信度作為證據(jù)權(quán)值進(jìn)行加權(quán)平均，替換小于可信度閾值的證

6、據(jù)，然后利用D-S證據(jù)理論進(jìn)行合成，仿真結(jié)果表明該方法有效地改善了沖突證據(jù)的合成問(wèn)題。以改進(jìn)型沖突證據(jù)合成方法為基礎(chǔ)，提出了基于BP神經(jīng)網(wǎng)絡(luò)（或多分類支持向量機(jī)）與D-S證據(jù)理論的數(shù)據(jù)融合方法，并與基于GA-LM的BP神經(jīng)網(wǎng)絡(luò)算法和基于粒子群尋優(yōu)的“一對(duì)一”多分類支持向量機(jī)進(jìn)行了仿真對(duì)比分析。結(jié)果表明，采用基于BP神經(jīng)網(wǎng)絡(luò)（或多分類支持向量機(jī)）與D-S證據(jù)理論的數(shù)據(jù)融合方法對(duì)鑿巖狀態(tài)進(jìn)行辨識(shí)，具有更好的容錯(cuò)性和更高的辨識(shí)精度，是一種更切