[发明专利]基于液压缸压力信号识别岩石硬度的方法及其识别平台

说明书

本发明涉及基于液压缸压力信号识别岩石硬度的方法及其识别平台，针对掘进机截割岩壁过程中，无法根据截割岩石硬度实时有效地调节截割头转速、摆速或钻进速度，常常导致截割功率超限，截齿会发生磨损、断裂和刀头脱落等现象，极大降低了掘进机的使用寿命。本发明提出一种基于掘进机液压缸压力信号来识别截割岩石硬度的新方法。该方法通过分析不同截割岩石特性下截割头载荷的变化规律，研究截割动载荷与液压缸压力信号之间的传输特性，构建截割液压缸压力与截割岩石硬度系数之间的函数模型；在MATLAB中开发截割岩石硬度在线识别系统。

技术领域

本发明涉及掘进机截割动载荷识别模拟方法，尤其涉及一种基于液压缸压力信号识别岩石硬度的方法及其识别平台。

背景技术

掘进机已经逐渐成为巷道开采的主要设备，在世界范围内广泛应用于隧道、采矿和土木工程中。由于巷道围岩特征的复杂性和不稳定性，巷道的形状不断变化，岩石的硬度也在随机变化。尤其是截割硬度等级很高且变化范围较大的岩石，掘进机截割头的载荷一直在变化。尽管如此，由于掘进机体积庞大，作业环境复杂恶劣，目前都是司机手动操作掘进机工作，在截割过程中截割转速和摆速无法根据截割负载进行实时调整。复杂多变的截割载荷经常会引起掘进机功率超限，截齿磨损、断裂和刀头脱落等现象，从而导致刀头失效和设备损坏，极大的降低了掘进机的使用寿命。

大量的研究学者在掘进机的相关方面进行了大量的研究。Erginand Acaroglu等人建立了纵轴式掘进机截割系统的数学模型，获得掘进机截割头的三向受力计算公式。李晓豁等人利用瑞利分布和χ2分布对掘进机截割头随机载荷进行了模拟研究。杨健健等人提出了一种模糊判据的截割煤岩硬度的识别方法，利用多传感器信息融合改善单一传感器信息不全面的问题。Armin Salsani等人使用人工神经网络(ann)预测掘进机性能。SadiEvren Seker等人使用集成机器学习技术预测掘进机性能。通过对掘进机性能的预测，得到了影响掘进机性能的主要指标，为优化掘进机的截割性能提供了依据。赵丽娟等人基于拉格朗日原理建立了掘进机的整体动力学模型，得到了掘进机的振动频率和振幅响应，研究了整个系统的振动特性。李学义等研究不同煤岩性质下掘进机截割载荷的变化规律。综上所述，对掘进机的性能预测和动态特性进行了大量的研究，意在不断的优化截割头参数，以提高掘进机的截割性能，并取得了一定的成果。然而，很少有学者研究截割过程中截割头的载荷识别，通过对截割载荷的识别调节截割转速、摆速或钻进速度，实现掘进机自动控制方面的研究仍然是一片空白。

为了提高巷道的成形质量和掘进机的截割效率，减少截割头磨损，延长掘进机寿命，掘进的自动化和智能化是未来掘进机的发展方向。掘进机截割头的转速、摆速或者钻进速度必须以截割载荷为依据进行调节，所以截割载荷识别是非常重要的，也是必须的。

由于掘进机工作环境恶劣，切割机构结构复杂，用传感器直接测量掘进机的动态载荷比较困难。而截割载荷除了受截割岩石特性影响外，还与截割工况、截割头入深、截割转速、截割摆速或钻进速度等多参数变量有关；因此，基于多参量影响下通过识别截割岩石硬度反映截割动载荷大小。由于截割头载荷的改变会引起液压缸压力的相应变化，故发明提出了一种基于液压缸压力信号识别截割岩石硬度的新方法。

发明内容

鉴于此，本发明的目的在于，提供一种基于液压缸压力信号识别岩石硬度的方法及其识别平台，旨在解决截割转速或摆速不能及时调整以适应岩石特性的改变，容易造成截齿磨损、断裂和刀头脱落，从而导致刀头失效和设备损坏等缺陷。

为了达到上述目的，进而采取的技术方案如下：

基于液压缸压力信号识别岩石硬度的方法，包括以下步骤

S1：建立截割头动载荷与岩石硬度的函数模型

S1-1：截齿载荷分析

依据截齿的截割状态、齿形进行受力分析，并确定截齿载荷的计算公式：