数据驱动的智能综采装备协同控制模型与关键技术

“基于数据驱动的综采装备协同控制系统架构及关键技术” 本文主要研究了如何解决智能化综采工作面的关键技术难题——开采设备的协同控制，提出了一种基于数据驱动的综合机械化采煤（综采）装备仿人智能协同控制模型。在大数据背景下，该模型着重研究了智能综采装备的协同控制知识自学习、开采行为自决策以及分布协同自运行等关键技术。 首先，文章从数据应用角度分析了智能综采系统的数据特性，明确了智能综采的三个核心数据化特征：泛在感知（通过各种传感器获取大量数据）、信息融合（通过数据挖掘整合不同来源的信息）以及智能控制（基于数据分析做出决策）。这些特征构成了智能综采系统的基础。 接着，研究构建了一个面向经验操作员决策过程的综采装备协同控制框架，模拟人类操作员的决策思维，使设备能够根据实时工况进行智能响应。通过引入基于扩展有限状态机的设备运行状态演化方法，可以动态模拟设备的工作状态变化。同时，利用多标记决策信息系统，实现对综采装备运动行为模式的学习，从而自动获取设备的行为决策知识。 为了实现智能综采装备的自主决策，文章提出了行为模态类的决策知识划分方法，结合案例基础推理（CBR）和规则基础推理（RBR）的融合，形成混合推理机制，使得设备可以根据不同的采煤工艺过程执行相应动作。 此外，文章还探讨了人工控制模式下驾驶员的控制策略表征，旨在发展一种具有自学习、自决策和工况自适应能力的“三机”（采煤机、刮板输送机、液压支架）仿人智能协同控制方法。这种方法旨在使设备能够模仿人的控制策略，适应不断变化的矿井环境。 最后，论文介绍了基于平行系统理论的平行综采技术逻辑，为综采装备的协同控制提供了理论依据。平行系统理论允许在实体世界和虚拟世界之间建立对应关系，通过模拟和预测，优化实际设备的协同运行效果。 本文提出的基于数据驱动的综采装备协同控制系统，为大数据背景下的综采生产系统提供了新的协同控制解决方案，有助于提升煤矿智能化水平，提高采煤效率和安全性。