基于模糊免疫PID的煤矿超高水充填料浆控制

王桂梅，宗岩

(河北工程大学机电学院，河北邯郸056038)

超高水充填采煤法要求充填料浆中A料(添加AA小料)与B料(添加BB小料)的配比为严格的1:1。目前超高水充填站只对A/B料浆的流量进行检测与控制，但对料浆的浓度没有监控。当由于称重与计量误差产生料浆浓度变化时，会对充填效果产生不利影响。本文在充填管路上加装料浆浓度传感器并采用一种新型的模糊免疫非线性PID控制算法来控制料浆浓度，使得物料配比更加精细，充填效果更加良好。

1 超高水充填站工艺分析

如图1所示，在超高水充填工艺中，首先A/B料、AA/BB料与水经各自的称量斗称重之后添加至搅拌机搅拌，然后将搅拌后的成品料浆存储在缓冲斗中，缓冲斗中的料浆经过充填管路自流至井下充填工作面［1］。由于物料在存储过程中干湿情况不同，在称重过程中由于螺旋给料机、水泵、卸料蝶阀的响应速度不同，都会造成物料配比的偏差。其偏差往往是随机不确定的［2］。

我们在A料浆与B料浆的两条输送管路上都安装超声波料浆浓度计，安装位置如图2所示，其可以实时在线监测0.2%至60%的污泥和悬浮物浓度的变化并实现相关工艺过程自动控制［3］。此料浆浓度计可以实现现场校准的4～20 mA电流输出，可以用于远程系统控制。

2 优化控制理论

免疫系统是一种在不确定性环境和大量干扰时具有很强自适应性和鲁棒性的系统。当机体内有抗原性异物进入，机体能快速识别“非己”和“自己”，并发生一系列的机体反应以排除抗原性的非己物质［4－6］，如图3所示。本文借鉴生物免疫反馈响应过程的调节作用并结合模糊控制和常规PID控制的优点提出了一种新型的模糊免疫PID控制算法，将其应用于超高水充填A/B料浆控制系统［7－8］。

定义在第k代的抗原数目为ε(k)，由抗原刺激的TH细胞的输出为TH(k)，Ts细胞对B细胞的影响为Ts(k)，则B细胞接收的总刺激为

式中TH(k)=k1ε(k);Ts(k)=k2f［ΔS(k)］ε;f［·］是一个选定的非线性函数。对于控制系统若将抗体的数量ε(k)作为偏差，B细胞接收的总刺激S(k)作为控制器输出μ(k)，则有以下反馈控制规律

显然，构成了一个参数可调的比例调节器。

3 优化方法与实现

在初次搅拌放浆时，设A/B料浆浓度的抗体群数目为一个在解空间Ω中的随机参数［9］。A料浆浓度的抗体的基因为Ab=(KAP，KAi，KAd)，B料浆浓度的抗体基因为Bb=(KBP，KBi，KBd);A/B料浆浓度的抗体满足

式中DAOi－A料浆浓度设定输出;IAOi－A料浆浓度实际输出;DBOi－B料浆浓度设定输出;IBOi－B料浆浓度实际输出。

3.1 抗原

A/B料浆浓度的抗原分别为

3.2 亲和力和相似度

设定A料浆浓度的抗原与抗体亲和力为(QAf)，B料浆浓度的抗原与抗体亲和力(QBf)

式中k－敏感度因子。

3.3 引入模糊控制器

A/B料浆浓度的设定输出值DAOi，DBOi与A料，B料的称重值之间相关。为了保持控制稳定，对A/B料的称重值进行正“P”和负“N”模糊集化［10－11］，如图 4 所示。

3.4 实际测量与研究

观测运用PID控制算法超高水充填料浆控制系统中A/B料浆管路中料浆的浓度变化对比，数据结果见表1。

表1 PID控制料浆浓度检测Tab.1 PID control slurry concentration detection

用MATLAB进行数据拟合，结果如图5所示。

表1显示，放浆初期A/B料浆浓度差为11%，在搅拌8次后A/B料浆浓度差为0%，由图5PID控制料浆浓度拟合图得出调节过程中A/B料浆曲线多次交叉、振荡幅度较大、调节速度较慢、稳定性差。

观测运用模糊免疫PID控制算法超高水充填料浆控制系统中A/B料浆管路中料浆的浓度变化对比，数据结果见表2。

表2模糊免疫PID控制算法料浆浓度检测Tab.2 The slurry concentration detection of fuzzy immune PID control algorithm

用MATLAB进行数据拟合，结果如图6所示。

表2显示，放浆初期 A/B料浆浓度差为11%，在搅拌4次后A/B料浆浓度差为0%，由图6模拟免疫PID控制算法料浆浓度拟合图得出调节过程中A/B料浆曲线交叉次数较少、振荡幅度小、调节速度快、稳定性高。

4 结语

本文给出的浓度控制方法并结合超声波料浆浓度计保障了超高水充填中A/B料浆可以严格为1:1，从而大大提高了充填效果与稳定性。在控制方法上选用模糊免疫PID控制算法显著优于传统PID控制，模糊免疫PID控制算法响应更快、振荡幅度更小、调节速度更快、稳定性更高。

［1］冯光明，孙春东，王成真，等.超高水材料采空区充填方法研究［J］.煤炭学报，2010，35(12):1963－1968.

［2］崔 刚，陈文楷.充填料浆浓度控制方法的选择［J］.有色金属:矿山部分，2004，56(2):7 －9.

［3］刘杰辉，卫峥峥.Optimization design of uncertainty fluid topology in the parallel connection of double pump［J］.World Journal of Engineering，2014，11(3):90 －98.

［4］刘国联，谭冠政，何 燕.基于改进人工免疫算法的PID参数优化研究［J］.计算机工程与应用，2008，44(19):84－86.

［5］陈少白，谭光兴，毛宗源.基于一种人工免疫算法的PID参数优化［J］.武汉科技大学学报:自然科学版，2006，29(3):313 －315.

［6］潘海鹏，王皖慧，高金凤.基于改进人工免疫算法的变参数PID控制研究［A］.Proceeding of the 30th Chinese Control Conference［C］.China Academic Journal Electronic Publishing House，2011:3752 －3755.

［7］柳贺.模糊免疫自适应PID控制在恒张力控制中的应用［D］.合肥:合肥工业大学，2007.

［8］赵君，冯玉昌，赵柏林.模糊免疫PID在电站主汽温控制系统中的应用［J］.东北电力大学学报，2012，32(3):42－54.

［9］李小勇.人工免疫系统原理分析及其应用研究［D］.桂林:广西师范大学，2010.

［10］洪 炎，苏静明，唐超礼.基于模糊－免疫PID的冻结凿井流量智能控制研究［J］.煤矿机械，2012，33(6):227－229.

［11］徐立军，何 颖.模糊PID控制结构分析［J］.河北工程大学学报:自然科学版，2012，29(2):71 －74.