CN112861320B - 一种提升机节能运行的行程控制方法 - Google Patents

Abstract

本发明公开一种提升机节能运行的行程控制方法，利用模拟退火—遗传算法进行提升机节能运行控制参数的求解，采用五阶段S形速度曲线对矿井提升机进行行程控制，可满足安全、可靠、舒适等运行要求；利用模拟退火‑遗传算法可计算出一次提升能耗的最小值，从而求出能耗最小时的S曲线行程参数；利用一次提升能耗最小时的S曲线行程参数控制提升机，具有显著的节能效果。本发明在S行程控制的基础上，通过分析其能耗，得到能耗的相关量，然后利用模拟退火‑遗传算法对建立的能耗目标函数求全局最优解，从而确定S行程控制中的最大速度和加速度，进而来确定整个S形速度曲线，不仅具有S行程控制的全部优点，又能达到节约能耗的目的。

Description

一种提升机节能运行的行程控制方法

技术领域

本发明属于矿井生产运输领域，具体涉及一种提升机节能运行的行程控制方法。

背景技术

随着现在科技的不断发展，矿井提升机是矿井生产和运输过程中的重要设备，因此矿井提升机的运行要求安全、可靠，停车位置准确。

矿井提升机控制的实质是行程给定的情况下实现运行速度的控制。目前我国矿井提升机多采用S形速度曲线进行行程控制，该方法可满足提升机运行的安全、可靠、高效、舒适等要求。在S形速度曲线中，五阶段速度曲线应用最为广泛，其主要包括加速段、匀速段、减速段、爬行段和停车段。在传统的五阶段速度曲线中，提升容器最大速度、加速度、加加速度都是根据区间和专家经验给出固定值，虽能满足基本运行要求，但其能耗不能达到最小。

针对这一现状，提出一种提升机节能运行控制方法，既具有S行程控制的全部优点，又能达到节约能耗的目的，是符合实际需要的，具有重要的理论和实际意义。

发明内容

针对现有技术的不足，本发明的目的在于提供一种提升机节能运行的行程控制方法，解决了现有技术中矿井提升机采用S形速度曲线进行行程控制时，其中五阶段速度曲线中，提升容器最大速度、加速度、加加速度都是根据区间和专家经验给出固定值，虽能满足基本运行要求，但其能耗不能达到最小，造成能耗浪费的问题。

本发明的目的可以通过以下技术方案实现：

一种提升机节能运行的行程控制方法，适用于提升机节能运行的行程控制方法的S形速度运行矿井提升机控制曲线分为初变加速段oa、等加速段ab、末变加速段bc、匀速段cd、初变减速段de、等减速段ef、末变减速段fg，其中减速段参数与加速段对称；

所述初变加速段oa对应时间0～t₁，所述等加速段ab对应时间t₁～t₂，所述末变加速段bc对应时间t₂～t₃，所述匀速段cd对应时间t₃～t₄，所述初变减速段de对应时间t₄～t₅，所述等减速段ef对应时间t₅～t₆，所述末变减速段fg对应时间t₆～t₇；

0≤t≤t₁时的速度与运行路程为：

t₁≤t≤t₂时的速度与行程为：

t₂≤t≤t₃时的速度与行程为：

t₃≤t≤t₄时的速度与行程为：

t₄≤t≤t₅时的速度与行程为：

t₅≤t≤t₆时的速度与行程为：

t₆≤t≤t₇时的速度与行程为：

总的提升路程为：

s＝s₁+s₂+s₃+s₄+s₅+s₆+s₇＝H (8)；

提升机一次提升所消耗电能为：

各阶段电动机扭转力总和为：

由于t₁＝t₃-t₂＝t₅-t₄＝t₇-t₆，t₂-t₁＝t₆-t₅，公式(10)化简为：

在梯形速度曲线时，各阶段电动机扭转力总和：

各阶段电动机扭转力总和化简为：

由于式(11)和式(13)相同，即在相同的提升周期、最大速度下，S行程曲线和梯形速度曲线的能耗是相同的，由于S曲线过于复杂，参数众多，故利用简化的梯形曲线进行一次能耗求解；

公式(12)和公式(13)中的参数为：

公式(14)中，λ为提升机速度权重，λ∈(0,1)。将λ代入公式(14)后，得到：

得出一次提升载荷Q为：

将公式(15)和公式(16)代入公式(13)，化简得：

公式(9)转化为：

进一步的，所述公式(1)中，v为提升机运行速度，s₁为这一阶段的运行路程，t为运行时间，r为冲动值，r＝a/t₁，a为提升机运行加速度；

所述公式(4)中，v_m为提升曲线最大速度，即匀速段速度；

所述公式(8)中，H为提升机提升高度，实际应用中是定值；

所述公式(9)中，η为电能转换为机械能的效率；T为一次提升周期；F为各阶段拖动力；

所述公式(10)中，K为矿井阻力系数，一般为K＝1.15；Q为一次提升载荷，单位kg；g为重力加速度，单位m/s²；m为变位质量，单位kg；

所述公式(12)中，t₁、t₂和t₃分别是加速段、匀速段和减速段提升机运行的时间；

所述公式(16)中，A为小时产量，θ为一次提升循环中的停歇时间；

所述公式(18)中，A、θ、K、H、g、η均为提升机的固定参数，因此其能耗W主要由λ和a决定，由于公式(18)有两个变量，无法用普通数学求极值的方法求出能耗W的最小值，故使用模拟退火-遗传算法来求能耗的最小值。

进一步的，所述模拟退火-遗传算法流程为：

首先，遗传算法产生初始种群，计算初始种群中各个体的适应度值并将其作为模拟退火算法中的初始解；其次，遗传算法通过选择、交叉和变异产生新种群，计算新种群中各个体的适应度值并将其作为模拟退火算法中的新解；最后，将模拟退火算法的新解与初始解Metropolis规则进行替换旧个体，得到的解所对应的个体集合组成的种群作为遗传算法的下一代初始种群。

进一步的，所述公式(18)所示的能耗表达式建立算法的适应度函数为：

将公式(19)转化为数学表达式为：

这里x＝λ,y＝a，θ和H是提升系统的固有参数，视具体系统而定。

进一步的，基于模拟退火-遗传算法的控制参数求解实现步骤如下：

Step1、初始化控制参数，种群个体大小NIND，最大进化次数MAXGEN，交叉概率px，变异概率pm，退火初始温度T₀，温度冷却系数q，终止温度T_end；

Step2、随机生成初始种群Chrom，利用公式(20)计算每个个体的适应度值f_i(x_i,y_i)；其中i＝1,2,···,NIND；

Step3、设循环计数变量gen＝0；

Step4、对群体Chrom实施选择、交叉和变异等遗传操作，进化得到新种群newChrom，对新产生的个体用公式(20)计算每一个体的适应度值f_i′(x_i,y_i)；

Step5、计算退火增量，Δf＝f_i′(x_i,y_i)-f_i(x_i,y_i)，若Δf＜0，则以新个体替换旧个体；否则以概率

接受新个体，舍弃旧个体；

Step6、若gen<MAXGEN，则gen＝gen+1，转至Step4；否则转至Step7；

Step7、若T_i＜T_end，则算法成功结束，输出最小适应度值f_i(x_i,y_i)对应的全局最优当前解(x_i,y_i)；否则，执行降温操作T_i+1＝kT_i，转至Step3。

本发明的有益效果：

1、本发明提出的提升机节能运行的行程控制方法，在S行程控制的基础上，通过分析其能耗，得到能耗的相关量，然后利用模拟退火-遗传算法对建立的能耗目标函数求全局最优解，从而确定S行程控制中的最大速度和加速度，进而来确定整个S形速度曲线，不仅具有S行程控制的全部优点，又能达到节约能耗的目的。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的矿井提升机S形行程曲线图；

图2是本发明实施例的矿井提升机梯形速度曲线图；

图3是本发明实施例的基于模拟退火-遗传算法的行程控制参数求解流程图；

图4是本发明实施例的适应度函数进化过程示意图；

图5是本发明实施例的适应度值分布图；

图6是本发明实施例的整体流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

目前，为满足人们对矿井提升机运行的安全、可靠、高效和乘坐舒适感等特性的要求，国内提升机多采用S形速度运行曲线进行行程控制，这里设计的矿井提升机控制曲线如图1所示。

由图1可知，对某一提升水平，在一个提升循环中，速度曲线分为初变加速段oa、等加速段ab、末变加速段bc、匀速段cd、初变减速段de、等减速段ef、末变减速段fg，其中减速段参数与加速段对称。

图1各段表达式如下。

0≤t≤t₁时的速度与运行路程为：

公式(1)中，v为提升机运行速度，s₁为这一阶段的运行路程，t为运行时间，r为冲动值，r＝a/t₁，a为提升机运行加速度。

t₁≤t≤t₂时的速度与行程为：

t₂≤t≤t₃时的速度与行程为：

t₃≤t≤t₄时的速度与行程为：

公式(4)中，v_m为提升曲线最大速度，即匀速段速度。

t₄≤t≤t₅时的速度与行程为：

t₅≤t≤t₆时的速度与行程为：

t₆≤t≤t₇时的速度与行程为：

总的提升路程为：

s＝s₁+s₂+s₃+s₄+s₅+s₆+s₇＝H (8)

公式(8)中，H为提升机提升高度，实际应用中是定值。

由于图1曲线的对称性，有t₁＝t₃-t₂＝t₅-t₄＝t₇-t₆，t₂-t₁＝t₆-t₅，故由上述式子可知，只要根据生产状况选择合适的加减速a、冲动值r、最大速度v_m，通过带入公式(1)～(7)可求得t₁～t₇，进而确定整个提升曲线，提升机控制器按照此曲线即可控制提升机的运行。

由提升机动力学和电力学特性可知，提升机一次提升所消耗电能为：

公式(9)中，η为电能转换为机械能的效率；T为一次提升周期；F为各阶段拖动力。

由图1所示曲线可得各阶段电动机扭转力总和为：

公式(10)中，K为矿井阻力系数，一般为K＝1.15；Q为一次提升载荷，单位kg；g为重力加速度，单位m/s²；m为变位质量，单位kg。

由于图1曲线的对称性，t₁＝t₃-t₂＝t₅-t₄＝t₇-t₆，t₂-t₁＝t₆-t₅，上式化简为：

由于图1曲线过于复杂，参数众多，现以图2计算梯形速度的能耗。

由图2的梯形速度曲线可得各阶段电动机扭转力总和：

公式(12)中，t₁、t₂和t₃分别是加速段、匀速段和减速段提升机运行的时间。

由图2曲线的对称性可知：t₁＝t₃，则上式各阶段电动机扭转力总和化简为：

比较公式(11)和公式(13)可知，在相同的提升周期、最大速度下，S行程曲线和梯形速度曲线的能耗是相同的。故接下来的能耗都以梯形速度曲线来分析矿井提升机一次提升的能耗。

根据运动学关系，可得图2中的参数为：

公式(14)中，λ为提升机速度权重，λ∈(0,1)。将λ代入公式(14)后，得到：

得出一次提升载荷Q为：

公式(16)中，A为小时产量，θ为一次提升循环中的停歇时间。

将公式(15)和公式(16)代入公式(13)，化简得：

公式(9)转化为：

公式(18)中，A、θ、K、H、g、η均为提升机的固定参数，因此其能耗W主要由λ和a决定。由于公式(18)有两个变量，无法用普通数学求极值的方法求出能耗W的最小值，故使用模拟退火-遗传算法来求能耗的最小值。

由上述矿井提升机运行能耗分析可知，S行程曲线的能耗主要是由λ和a决定，这里利用模拟退火-遗传算法求这一能耗的最小值，从而得到λ和a，进而得到各段运行时间、提升周期等其他运行参数。

遗传算法使用群体搜索技术，有较强的全局搜索能力，但容易出现“早熟”现象，即算法无法跳不出局部最优解的范围，不能求得全局最优解。模拟退火算法具有很强的局部搜索能力，但对全局的掌握情况不够，且寻优较慢，以至于搜索效率不高。鉴于此，本发明利用模拟退火算法—遗传算法进行提升机节能运行控制参数的求解。

利用模拟退火-遗传算法求解提升机控制参数的流程如图3所示。首先，遗传算法产生初始种群，计算初始种群中各个体的适应度值并将其作为模拟退火算法中的初始解；其次，遗传算法通过选择、交叉和变异产生新种群，计算新种群中各个体的适应度值并将其作为模拟退火算法中的新解；最后，利用Metropolis规则(以概率接受新状态)将模拟退火算法的新解替换旧个体，得到的解所对应的个体集合组成的种群作为遗传算法的下一代初始种群。

模拟退火—遗传算法对问题求解过程中，考察个体的唯一指标就是适应度函数值，所以适应度函数的建立尤为重要。由公式(18)所示的能耗表达式建立算法的适应度函数为：

公式(19)中，λ∈[0,1],a∈[0.6,0.8]。

将公式(19)转化为数学表达式为：

这里x＝λ,y＝a，θ和H是提升系统的固有参数，视具体系统而定。

基于模拟退火-遗传算法的控制参数求解实现步骤如下:

通过本节对模拟退火算法的原理和流程图的分析，现将模拟退火遗传算法运用于提升机一次提升能耗求极值中，其过程如下所示：

Step1、初始化控制参数。种群个体大小NIND，最大进化次数MAXGEN，交叉概率px，变异概率pm，退火初始温度T₀，温度冷却系数q，终止温度T_end。

Step2、随机生成初始种群Chrom，利用公式(20)计算每个个体的适应度值f_i(x_i,y_i)，其中i＝1,2,···,NIND。

Step3、设循环计数变量gen＝0。

Step4、对群体Chrom实施选择、交叉和变异等遗传操作，进化得到新种群newChrom，对新产生的个体用公式(20)计算每一个体的适应度值f_i′(x_i,y_i)。

Step5、计算退火增量。Δf＝f_i′(x_i,y_i)-f_i(x_i,y_i)，若Δf＜0，则以新个体替换旧个体；否则以概率

接受新个体，舍弃旧个体。

Step6、若gen<MAXGEN，则gen＝gen+1，转至Step4；否则转至Step7。

Step7、若T_i＜T_end，则算法成功结束，输出最小适应度值f_i(x_i,y_i)对应的全局最优当前解(x_i,y_i)；否则，执行降温操作T_i+1＝kT_i，转至Step3。

针对上述模拟退火-遗传算法，本发明利用Matlab2016a软件平台进行了仿真，初始系统各参数设置如下:H＝516.5m，θ＝18s。采用种群规模为40，终止代数为200，交叉概率和变异概率分别设为0.7和0.01，退火初始温度100，温度冷却系数0.8，终止温度1。通过仿真得到能耗适应度函数进化过程及其分布图如图4和图5所示。

其寻优结果为X＝λ＝0.52814，Y＝a＝0.8，Z＝min(J)＝101.7137。当λ＝0.5281、a＝0.8m/s2时，一次提升能耗最小，由此可得其他提升机运行参数：提升机运行最大速度

提升机运行周期T＝61.5302s，冲动值r＝0.75m/s³，一次提升消耗电能

现将某矿井提升机S形行程参数的实际值与本文求得的优化值统计如表1所示。

表1某矿井提升机的S形行程参数实际值与优化值

通过表1比较两种行程控制一次提升能耗可知，本文算法得出的行程能耗比原系统行程能耗节能率为：

由此可见，使用本发明提出的行程控制方法节能效果显著。

针对矿井提升机的行程控制，本文提出一种节能运行的控制方法，使得提升机能够安全、可靠、经济运行，其结论如下：

(1)采用五阶段S形速度曲线对矿井提升机进行行程控制，可满足安全、可靠、舒适等运行要求；

(2)矿井提升机一次提升能耗除一些固定参数外，主要由提升机的速度权重和加速度决定；

(3)利用模拟退火-遗传算法可计算出一次提升能耗的最小值，从而求出能耗最小时的S曲线行程参数；

(4)利用一次提升能耗最小时的S曲线行程参数控制提升机，具有显著的节能效果。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (2)

1.一种提升机节能运行的行程控制方法，其特征在于，适用于提升机节能运行的S行程控制曲线分为初变加速段oa、等加速段ab、末变加速段bc、匀速段cd、初变减速段de、等减速段ef、末变减速段fg，其中减速段参数与加速段对称；

所述初变加速段oa对应时间0～t₁，所述等加速段ab对应时间t₁～t₂，所述末变加速段bc对应时间t₂～t₃，所述匀速段cd对应时间t₃～t₄，所述初变减速段de对应时间t₄～t₅，所述等减速段ef对应时间t₅～t₆，所述末变减速段fg对应时间t₆～t₇；

0≤t≤t₁时的速度与运行路程为：

t₁≤t≤t₂时的速度与行程为：

t₂≤t≤t₃时的速度与行程为：

t₃≤t≤t₄时的速度与行程为：

t₄≤t≤t₅时的速度与行程为：

t₅≤t≤t₆时的速度与行程为：

t₆≤t≤t₇时的速度与行程为：

总的提升路程为：

s＝s₁+s₂+s₃+s₄+s₅+s₆+s₇＝H (8)；

提升机一次提升所消耗电能为：

各阶段电动机扭转力总和为：

由于t₁＝t₃-t₂＝t₅-t₄＝t₇-t₆，t₂-t₁＝t₆-t₅，公式(10)化简为：

在梯形速度曲线时，各阶段电动机扭转力总和：

各阶段电动机扭转力总和化简为：

由于式(11)和式(13)相同，即在相同的提升周期、最大速度下，S行程曲线和梯形速度曲线的能耗是相同的，由于S曲线过于复杂，参数众多，故利用简化的梯形曲线进行一次能耗求解；

公式(12)和公式(13)中的参数为：

公式(14)中，λ为提升机速度权重，λ∈(0,1)，将λ代入公式(14)后，得到：

公式(12)—(15)中，t₈为梯形速度曲线中加速段提升机运行的时间，t₉为梯形速度曲线中匀速段提升机运行的时间，t₁₀为梯形速度曲线中减速段提升机运行的时间；

得出一次提升载荷Q为：

将公式(15)和公式(16)代入公式(13)，化简得：

公式(9)转化为：

所述公式(1)中，v为提升机运行速度，s₁为这一阶段的运行路程，t为运行时间，r为冲动值，r＝a/t₁，a为提升机运行加速度；

所述公式(4)中，v_m为提升曲线最大速度，即匀速段速度；

所述公式(8)中，H为提升机提升高度，实际应用中是定值；

所述公式(9)中，η为电能转换为机械能的效率；T为一次提升周期；F为各阶段拖动力；

所述公式(10)中，K为矿井阻力系数，K＝1.15；Q为一次提升载荷，单位kg；g为重力加速度，单位m/s²；m为变位质量，单位kg；

所述公式(16)中，A为小时产量，θ为一次提升循环中的停歇时间；

所述公式(18)中，A、θ、K、H、g、η均为提升机的固定参数，因此其能耗W主要由λ和a决定，由于公式(18)有两个变量，无法用普通数学求极值的方法求出能耗W的最小值，故使用模拟退火-遗传算法来求能耗的最小值；

所述模拟退火-遗传算法流程为：

首先，遗传算法产生初始种群，计算初始种群中各个体的适应度值并将其作为模拟退火算法中的初始解；其次，遗传算法通过选择、交叉和变异产生新种群，计算新种群中各个体的适应度值并将其作为模拟退火算法中的新解；最后，利用Metropolis规则将模拟退火算法的新解替换旧个体，得到的解所对应的个体集合组成的种群作为遗传算法的下一代初始种群；

所述公式(18)所示的能耗表达式建立算法的适应度函数为：

将公式(19)转化为数学表达式为：

这里x＝λ,y＝a，θ和H是提升系统的固有参数，视具体系统而定。

2.根据权利要求1所述的一种提升机节能运行的行程控制方法，其特征在于，基于模拟退火-遗传算法的控制参数求解实现步骤如下：

Step1、初始化控制参数，种群个体大小NIND，最大进化次数MAXGEN，交叉概率px，变异概率pm，退火初始温度T₀，温度冷却系数q，终止温度T_end；

Step2、随机生成初始种群Chrom，利用公式(20)计算每个个体的适应度值f_i(x_i,y_i)，其中i＝1,2,···,NIND；

Step3、设循环计数变量gen＝0；

Step4、对群体Chrom实施选择、交叉和变异等遗传操作，进化得到新种群newChrom，对新产生的个体用公式(20)计算每一个体的适应度值f_i′(x_i,y_i)；

Step5、计算退火增量，Δf＝f_i′(x_i,y_i)-f_i(x_i,y_i)，若Δf＜0，则以新个体替换旧个体；否则以概率

接受新个体，舍弃旧个体；

Step6、若gen<MAXGEN，则gen＝gen+1，转至Step4；否则转至Step7；

Step7、若T_i＜T_end，则算法成功结束，输出最小适应度值f_i(x_i,y_i)对应的全局最优当前解(x_i,y_i)；否则，执行降温操作T_i+1＝kT_i，转至Step3。

Images