-
题名锚杆钻车钻臂定位控制方法
被引量：2
- 1
-
-
作者
李力恒
宋建成
田慕琴
王相元
-
机构
太原理工大学矿用智能电器技术国家地方联合工程实验室
太原理工大学煤矿电气设备与智能控制山西省重点实验室
山西天巨重工机械有限公司
-
出处
《工矿自动化》
CSCD
北大核心
2023年第3期77-84,123,共9页
-
基金
山西省科技重大专项计划“揭榜挂帅”项目(202101020101021)。
-
文摘
目前常用代数法和几何法实现锚杆钻车钻臂定位控制,存在效率低、有无解或多解情况、通用性差等问题。采用粒子群优化(PSO)算法进行机械臂定位控制具有编程简单、搜索性能强、容错性好等优势,但易陷入局部最优解。目前基于改进PSO算法的机械臂定位控制整体寻优效率较低,寻优时间过长。针对上述问题,在精英反向粒子群优化(EOPSO)算法基础上,引入混沌初始化、交叉操作、变异操作和极值扰动,设计了混沌交叉精英变异反向粒子群优化(CEMOPSO)算法。采用标准测试函数对PSO算法、EOPSO算法、交叉精英反向粒子群优化(CEOPSO)算法、CEMOPSO算法进行测试,结果表明CEMOPSO算法的稳定性、精度、收敛速度最优。建立了锚杆钻车钻臂运动模型,采用CEMOPSO算法进行钻臂定位控制,并在Matlab软件中对控制性能进行仿真研究,结果表明:在相同的迭代次数和误差精度约束条件下,采用CEMOPSO算法时钻臂位置误差和姿态误差从迭代初期即具有极快的收敛速度,且位置误差和姿态误差均小于其他3种算法,误差曲线较平稳,最大位置误差为0.005 m,最大姿态误差为0.005 rad;设定位置误差为1 mm、姿态误差为0.01 rad时,CEMOPSO算法的平均迭代次数为343,位置误差为0.1 mm、姿态误差为0.001 rad时平均迭代次数为473,在相同的定位精度条件下,CEMOPSO算法的收敛速度和稳定性优于其他3种算法,满足工程应用要求,且求解精度越高,其优越性越突出。
-
关键词
锚杆钻车
钻臂定位控制
精英反向粒子群优化算法
混沌初始化
交叉变异
高斯变异
极值扰动
柯西变异
-
Keywords
bolt drilling rig
drilling arm positioning control
excellent opposition-based PSO algorithm
chaos initialization
crossover mutation
Gaussian mutation
extreme perturbation
Cauchy variation
-
分类号
TD421
[矿业工程—矿山机电]
-
