Разработка модели управления режимами работы приводов скребкового конвейера на основе мягких вычислений

Рассмотрен подход к управлению режимами работы приводов скребкового конвейера на основе мягких вычислений для угледобывающей отрасли. Он основан на анализе состояния вопросов механизации и автоматизации в угольной промышленности Республики Вьетнам, в рамках этого подхода была определена важность развития транспортно-технологических комплексов, в первую очередь, забойных скребковых конвейеров, для повышения эффективности угледобычи. В ходе работы были рассмотрены основные проблемы, затрудняющие эффективное управление электроприводом конвейера, в различных условиях плановых нагрузок на транспортно-технологических узлах угольных шахт, представлена схема управления скребкового конвейера, проведено сравнение существующих алгоритмов оптимизации процесса плавного пуска электроприводов скребкового конвейера. Разработан метод управления на основе нечеткой логики для автоматического регулирования натяжения двух тяговых цепей скребкового конвейера (СК). В результате работы представлен механизм управления скоростью синхронного двигателя с постоянными магнитами (СДПМ) с использованием многоцелевых алгоритмов оптимизации, которые включают набор параметров пропорционально-интегральнодифференцирующего регулятора (ПИД): метод роя частиц (МРЧ), оптимизации сбора бактерий (ОСБ) и нечеткой логики (НЛ), которые обеспечивают высокое качество переходных процессов по параметрам регулирования, а проведенный сравнительный анализ этих механизмов дает представление о достоверности результатов исследования.

Ле Динь Хиеу, Агабубаев А. Разработка модели управления режимами работы приводов скребкового конвейера на основе мягких вычислений // Горный информационно-аналитический бюллетень. – 2022. – № 3. – С. 130–142. DOI: 10.25018/0236_1493_2022_3_0_130.

Ле Динь Хиеу¹ — аспирант, e-mail: hieuhuech@gmail.com,
Агабубаев Аслан¹ — старший преподаватель, e-mail: agabubaev.a@misis.ru, 
¹ НИТУ «МИСиС».

Агабубаев А., e-mail: agabubaev.a@misis.ru.

1. Ле Динь Хиеу, Темкин И. О., До Лич Тхань, Агабубаев А. Оптимизация управления режимами пуска скребкового конвейера на основе анализа результатов имитационного моделирования // Прикаспийский журнал: управление и высокие технологии. — 2020. — № 2 (50). — С. 10—21. DOI: 10.21672/2074-1707.2020.50.2.010-021.

2. Angeline P. Evolutionary optimization versus particle swarm optimization: philosophy and performance difference / Proceedings of the 7th Annual Conference on Evolutionary Programming. 1998, pp. 601—610. DOI: 10.1007/BFb0040811.

3. Francesco G., Riccardo Z., Marco M., Davide C. Genetical swarm optimization of multihop routes in wireless sensor networks // Applied Computational Intelligence and Soft Computing. 2010, vol. 2010, pp. 1—14. DOI: 10.1155/2010/523943.

4. Chen J., Mohammad N. O., Morteza A., Xin Y. Knowledge-based particle swarm optimization for PID controller tuning / 2017 IEEE Congress on Evolutionary Computation (CEC). 2017, pp. 1819—1826. DOI: 10.1109/CEC.2017.7969522.

5. Das S., Biswas A., Dasgupta S., Abraham A. Bacterial foraging optimization algorithm: theoretical foundations, analysis and applications // Foundations of computational intelligence. 2009, vol. 3, pp. 23—55. DOI: 10.1007/978-3-642-01085-9_2.

6. Electric W. WEG Electric Innovation the W22 Magnet Drive System. Available at: https:// est-aegis.info/2018/03/weg-electric-innovation-w22-magnet-drive-system/, 2018.

7. Hieu L., Temkin I. Application of adaptive PSO and Adaptive fuzzy logic controllers to speed control PMSM motor servo systems // MATEC Web of Conferences. 2018, vol. 220, no. 5, article 08003. DOI: 10.1051/matecconf/201822008003.

8. Temkin I., Deryabin S., Konov I. Soft computing models in an intellectual open-pit mines transport control system // Procedia Computer Science. 2017, vol. 120, pp. 411—416. DOI: 10.1016/j.procs.2017.11.257.

9. James K., Russell E. Particle swarm optimization // Proceedings of ICNN'95-International Conference on Neural Networks. 1995, vol. 4, pp. 1942—1948. DOI: 10.1109/ ICNN.1995.488968.

10. Majidian A., Saidi M. H. Comparison of fuzzy logic and neural network in life prediction of boiler tubes // International Journal of Fatigue. 2007, vol. 29, no. 3, pp. 489—498. DOI: 10.1016/j.ijfatigue.2006.05.001.

11. Polikarpova M., Lindh P., Tapia J., Pyrhönen J. Application of potting material for a 100 kW radial flux PMSM / 2014 International Conference on Electrical Machines (ICEM). 2014. pp. 2146—2151. DOI: 10.1109/ITEC.2017.7993349.

12. Sivanandam S., Deepa S. Genetic algorithms / Introduction to genetic algorithms. Springer, 2008, pp.15—37.

13. Temkin I., Deryabin S., Konov I., Kim M. Possible architecture and some neuro-fuzzy algorithms of an intelligent control system for open pit mines transport facilities // Frontiers in Artificial Intelligence and Applications. 2019, vol. 320, pp. 412—420. DOI: 10.3233/FAIA190205.

14. Ehsan V., Shahram M., Saeed T. Improved cuckoo search algorithm for feedforward neural network training // International Journal of Artificial Intelligence & Applications. 2011, vol. 2, no. 3, pp. 36—43. DOI: 10.5121/ijaia.2011.2304.

15. Vinacomin Mechanical products: information site: [website]. Available at: http://tapchicongthuong.vn/bai-viet/san-pham-co-khi-cua-vinacomin-34531.htm

16. Yao X., Liu Y., Lin G. Evolutionary programming made faster // IEEE Transactions on Evolutionary computation. 1999, vol. 3, no. 2, pp. 82—102. DOI: 10.1109/4235.771163.

17. Yang X.-S., Deb S. Cuckoo search via Lévy flights / 2009 World congress on nature & biologically inspired computing (NaBIC). 2009, pp. 210—214. DOI: 10.1109/NABIC.2009.5393690.

18. Yang X.-S., Deb S. Multiobjective cuckoo search for design optimization // Computers & Operations Research. 2013, vol. 40, no. 6, pp. 1616—1624. DOI: 10.1016/j.cor.2011.09.026.

19. Ещин Е. К. Моделирование и управление динамическим состоянием скребковых конвейеров // Вестник Кузбасского государственного технического университета. — 2015. — № 2 (108). — С. 118—122.

20. Ещин Е. К. Управление динамической нагруженностью забойных скребковых конвейеров // Записки Горного института. — 2019. — Т. 239. — С. 570—575.

21. Казанин О. И., Ле Ван Хау Состояние и перспективы развития технологий подземной добычи угля в бассейне Куангнинь Вьетнама // Горный информационно-аналитический бюллетень. — 2014. — № 5. — С. 15—20.

22. Кожушко Г. Г., Лукашук О. А. Расчет и проектирование ленточных конвейеров. Учебно-методическое пособие. — Екатеринбург: Изд-во Уральского университета, 2016. — 232 с.