一种液压凿岩机的凿岩状态辨识方法
【专利说明】一种液压凿岩机的凿岩状态辨识方法 技术领域 本发明涉及一种机械工作状态辨识方法，特别是涉及一种液压凿岩机的凿岩状态辨识 方法。 【背景技术】 液压凿岩机是一种将压力能转换为机械能，并通过冲击活塞的往复运动和转钎刀具的 旋转运动来实现岩石冲击破碎的工程机械，其被广泛应用于隧道掘进、矿山开采、道路施工 和水利工程等领域。由于岩石层的地质结构复杂，凿岩过程中凿岩状态（即岩石的特性） 处于不断变化中，对凿岩状态的准确判断存在一定难度。传统的液压凿岩机根据操作者的 经验知识并通过手动方式来进行冲击能量档位的切换，其工作介质和凿岩机输出参数的耦 合性能较差，导致能量利用率不高。虽然目前对液压凿岩机自动控制方面的研究在不断地 深入，但还没有一种精确、有效的方法，来实现液压凿岩机凿岩状态的辨识，这严重制约了 液压凿岩机向自动化、智能化发展的要求。
【发明内容】
针对上述现有技术的不足，本发明的目的是提供一种液压凿岩机的凿岩状态辨识方 法，可通过液压凿岩机的工作状态参数来实现对凿岩状态的辨识。 本发明的技术方案是这样的：一种液压凿岩机的凿岩状态辨识方法，包括以下步骤： 步骤1、确定液压凿岩机凿岩状态辨识关键参数，并建立凿岩状态的标准样本数据； 步骤2、对标准样本数据进行归一化数据预处理； 步骤3、确定BP神经网络结构参数，将归一化后的标准样本数据作为训练样本输入至 BP神经网络进行学习训练，经过网络学习后，建立BP神经网络的输入一输出映射； 步骤4、实时采集液压凿岩机凿岩状态辨识的关键参数，并进行归一化数据处理； 步骤5、将归一化的实时采集的关键参数数据输入至已建立的BP神经网络的输入一输 出映射，获得凿岩状态的初步估计； 步骤6、将凿岩状态的初步估计作为识别框架下的证据，进行归一化处理后作为D-S证 据理论合成规则的基本概率分配； 步骤7、运用D-S证据理论合成规则进行决策层的融合判决； 步骤8、根据融合判决结果获得凿岩状态的最终结果。 优选的，所述关键参数为由氮气室压力转换的冲击活塞运动参数、缓冲装置的油液压 力参数、回转系统转钎的阻力矩参数和推进系统推进力参数。 进一步的，所述冲击活塞运动参数为冲击末速度和回弹速度，所述回转系统转钎的阻 力矩参数为液压马达进出口压力差，所述推进系统推进力参数为推进缸工作压力。 进一步的，所述BP神经网络设有第一 BP神经网络和第二BP神经网络，所述冲击活塞 运动参数、缓冲装置的油液压力参数和凿岩状态构成的标准样本数据进行归一化数据预处 理后输入第一 BP神经网络进行学习训练，所述回转系统转钎的阻力矩参数、推进系统推进 力参数和凿岩状态构成的标准样本数据进行归一化数据预处理后输入第二BP神经网络进 行学习训练。 进一步的，所述归一化数据预处理的公式为：
其中7_和y _分别为设定的归一化数据处理后数值范围的上、下极限值，X _和X _分别 为样本数据的最大值与最小值，X和f分别为归一化数据处理前、后样本数据值。 进一步的，为了加快神经网络的收敛速度，并提高凿岩辨识的精度，所述BP神经 网络进行学习训练采用LM-BP神经网络算法进行，权值向量和阈值向量的修正公式为：
其中W(i)和b(i)分别为经过第i次迭代运算后的权 值向量和阈值向量，Jt为Jacobian矩阵，e为全局网络的误差向量。 更进一步的，为避免神经网络在训练过程中陷入局部最小，采用遗传算法来对BP神经 网络的初始权值和阈值进行全局自寻优，可以有效地提高整个网络的收敛速度，并获得全 局最小。 进一步的，为避免因证据间的冲突而导致融合结果与违背常规逻辑推理，步骤7所述 的合成规则的算法公式为：
其中m(A)为凿岩状态（岩石的种类）的概 率，&为可信度小于可信度阈值的证据数，1为焦元基本概率分配为0的证据替代数，m i (A1) 为识别框架下证据基本概率分配未被替代的焦元概率，IhJA1)为加权平均后的基本概率分 配，K为证据间的冲突程度，其值为
本发明技术方案的有益效果是，通过获取与凿岩状态相关的凿岩辨识关键参数，采用 BP神经网络技术来构建凿岩状态与液压凿岩机工作状态参数的映射关系。由于标准BP神 经网络算法收敛速度较慢、易陷入局部最小，采用LM算法可有效的提高收敛速度和学习精 度，同时引入遗传算法对初始权值和阈值进行全局寻优，可以有效地获得全局极小。为了提 高辨识结果的可靠性，采用了基于D-S证据理论的数据融合技术，可以有效地避免由于某 一凿岩辨识关键参数不准确而导致的辨识结果错误，根据凿岩机系统的组成，使用了 2个 BP神经网络，将其输出结果作为D-S证据理论合成规则的输入。基于改进型BP神经网络 和D-S证据理论的数据融合技术对液压凿岩机凿岩状态的辨识，可以有效地对凿岩状态进 行辨识，并具有较高的辨识精度，具有良好的可行性和工程应用价值。 【附图说明】 图1为液压凿岩机凿岩状态辨识系统的结构框图； 图2为液压凿岩机工作原理示意图； 图3为本发明的凿岩辨识系统数据采集实现方式原理图； 图4为本发明的技术方案； 图5为本发明的获得最优BP神经网络结构的实现方法示意图； 图6为实现本发明的系统流程图。 【具体实施方式】 下面结合实施例对本发明作进一步说明，但不作为对本发明的限定。 液压凿岩系统是一个非线性、大迟滞的系统，同时凿岩碎石过程是一个相当复杂的过 程，采用传统的数学建模方式无法获得凿岩状态（岩石特性）与液压凿岩机工作状态参数 的关系。传统上一般采用经验知识或者某一特征参数（如冲击回弹速度等）来判别凿岩状 态，其精度往往比较低。请参见图1，液压凿岩机凿岩状态辨识系统的结构是这样的，压力 传感器采集模块实时对液压凿岩机各凿岩状态辨识关键参数进行采集，然后将采集数据通 过PCI2366数据采集卡输入至凿岩状态辨识系统进行辨识并显示辨识结果，同时将采集数 据储存至储存模块，以备进行离线凿岩状态辨识和凿岩机出现故障时提供故障诊断参考。 结合图2,液压凿岩机由冲击系统、回转系统和推进系统三部分组成，其工作原理如 下： 冲击系统25主要由冲击器1和钎杆5组成，冲击器1通过活塞杆11撞击钎杆5使得 其破碎岩石。高压油液由进油口 14进入，经过冲击器1相应油路后从出油口 16流出，在液 压流经油路的过程中使冲击活塞分别做回程加速、回程减速和冲程加速。冲程加速阶段，冲 击活塞撞击钎杆5,并将其动能以波的形式传递给钎杆5,从而使钎杆5前端克服岩石阻力 进行冲击碎石。 回转系统27主要由液压马达2、小齿轮3和大齿轮4构成，油液进入液压马达2使其进 行回转运动，然后经由小齿轮3和大齿轮4组成的减速机构使回转速度减小，并将回转动力 矩传递给钎杆，使钎杆前端刀具在回转运动过程中克服岩石阻力对岩石进行切削。 推进系统26主要由导轨6、推进液压缸7、钢丝绳8、托盘9和滑轮10组成，推进液压缸 活塞杆71固定在机座上，滑轮10固连在推进液压缸7上，托盘9安装于导轨6上，钢丝绳 8绕过滑轮10 -端连接于机座，另一端连接于托盘9,托盘9与冲击器1固定连接。推进系 统的工作过程为：油液进入推进液压缸7,在油液作用下推进液压缸体向右运动，经由滑轮 10的作用，钢丝绳8带动托盘9向右运动，此时冲击器也跟随托盘向右运动，从而保证了冲 击破碎岩石过程的连续性，同时为避免凿岩机体产生后退现象，为凿岩机体提供了必要的 轴推力。 请参见图3,液压凿岩机凿岩状态辨识系统的压力传感器采集模块由冲击系统压力变 送器21、推进系统压力变送器22、回转系统压力变送器23和缓冲腔压力变送器24构成。 冲击系统25由冲击器缸体、活塞杆11、氮气室28、钎杆5、前腔蓄能器29和后腔蓄能器 30组成。冲击系统压力变送器21用于测量氮气室压力，为方便压力测量，在氮气室28尾部 设置了一小孔，将冲击系统压力变送器21安装在该小孔处。 推进系统26由推进液压缸7、高速电磁开关阀31和先导式比例减压阀32组成，先导式 比例减压阀32用于控制推进液压缸7的工作压力，高速电磁开关阀31用于实现推进液压 缸7的前进和后退运动，推进系统压力变送器22设置在推进液压缸7油路，用于测量推进 系统的工作压力。 回转系统27由液压马达2、电液换向阀33和单向阀34组成，电液换向阀控制液压马达 的正反转，回转系统压力变送器用于测量液压马达进出口的压差。 缓冲腔设置在冲击器缸体中，缓冲腔压力变送器24设置在缓冲腔上，检测缓冲腔的油 液压力。 进一步地，整个凿岩机采用定量栗35的双栗系统，一个栗为冲击系统25和推进系统26 提供油液，另一个栗为回转系统27提供油液，并在系统进油口旁路均设置了溢流阀36。 再进一步地，我们最终需要获得的是冲击活塞的运动参数，即冲击末速度和回弹速度， 于是需要将测量的氮气室压力参数转换为冲击末速度和回弹速度，其转换过程经放大器、 米集卡输入上位机后，由编与的相关Labview程序完成。 更进一步地，液压马达进出口压力表征转钎的阻力矩参数，推进缸工作压力表征推进 力参数，于是将测量获得的液压马达进出口压力、推进缸工作压力直接输入凿岩状态辨识 系统。 由于测量得到压力信号与PCI数据采集卡38能够接受的电压信号不匹配，于是在压力 传感器检测模块的输出端口均连接了放大器模块37。 将经过处理的采集数据输入凿岩状态辨识系统，通过辨识系统算法的辨识处理即可获 得凿岩状态（即岩石的类别）。 凿岩冲击碎石是一个复杂的系统，涉及到许多液压凿岩机的工作参数，在分析凿岩机 凿岩破碎过程的基础上，确定了与液压凿岩机凿岩状态相关的凿岩辨识关键参数。即冲击 活塞运动参数、缓冲装置的油液压力参数、回转系统转钎的阻力矩参数和推进系统推进力 参数。参见图4,液压凿岩机的凿岩状态辨识方法的具体过程包括如下步骤： 步骤1、采集不同凿岩状态下凿岩状态辨识的关键参数。利用压力传感器来对凿岩状态 辨识的关键参数进行测量，需要说明的是冲击活塞的运动参数是通过测量氮气室压力转换 而来的。 步骤2、将凿岩状态辨识的关键参数分成两组，并建立凿岩辨识的标准样本集。 步骤3、利用两组标准样本集分别对两个BP神经网络进行训练，建立最优的凿岩状态 辨识模型。 步骤4、实时测量凿岩状态辨识的关键参数，并将其分别输入到对应的BP神经网络中。 步骤5、获得BP神经网络的辨识结果，对辨识结果进行数学处