Новый подход к решению задачи оптимального управления воздухораспределением угольной шахты на базе нейронных сетей Текст научной статьи по специальности «Энергетика и рациональное природопользование»

© Н.И. Федунец, Д.А. Стадник, 2004

УДК 697.94

Н.И. Федунец, Д.А. Стадник

НОВЫЙ ПОДХОД К РЕШЕНИЮ ЗАДАЧИ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ ВОЗДУХОРАСПРЕДЕЛЕНИЕМ УГОЛЬНОЙ ШАХТЫ НА БАЗЕ НЕЙРОННЫХ СЕТЕЙ

Семинар № 10

~П ажнейшим средством, обеспечиваю-

-Я-М щим атмосферные условия в подземных горных выработках, являются шахтные вентиляционные системы [4]. Увеличение глубины шахт, интенсификация очистных и горнопроходческих работ, повышение количества выделяющихся в шахтах вредных газов, пыли и тепла предъявляют повышенные требования к шахтной вентиляции - важному звену технологической системы шахты. От надежной круглосуточной работы и совершенства управления шахтной вентиляционной системой зависят безопасность, производительность, здоровье и санитарно-гигиенические условия труда шахтеров.

В шахтах в процессе эксплуатации может изменяться длина, сечение и число горных выработок, а также утечки воздуха между выработками и естественная тяга. Все это обусловливает изменение сопротивления шахтной сети. Изменяются также производственная мощность шахт, газовыделение из горных пород и температура поступающего в шахту воздуха с изменением времен года. В связи с этим различны требования к количеству воздуха, подаваемого в шахту, а также к распределению этого воздуха в выработках шахты. Кроме того, действительные вентиляционные режимы отличаются от расчетных (проектных) по ряду причин: недостаточная точность расчетов; развитие шахты не в полном соответствии проекту по производственной мощности и по длине горных выработок; изменение числа и сечений горных выработок; изменение утечек воздуха, температуры горных пород и т.д. В силу этих причин действительный вентиляционный режим не в полной мере соответствует проектному. По-

этому шахтная вентиляция требует эффективного и оперативного управления [2].

Многочисленные исследования шахтных вентиляционных сетей как объектов автоматизированного управления проветриванием показывают, что ШВС представляет собой весьма сложный объект управления. Если попытаться уточнить понятие сложности, то здесь необходимо выделить, прежде всего, многомерность, нестационарность, стохастич-ность и значительную пространственную распределенность шахтной вентиляционной сети.

Значительные осложнения при практической реализации систем автоматизированного управления воздухораспределением возникают из-за нестационарности процессов в реальных шахтных вентиляционных сетях. Основные причины нестационарное™ процессов в сетях следующие: изменение аэродинамических сопротивлений выемочных участков по мере продвижения забоев; изменение сечения выработки под воздействием сил горного давления; изменение шероховатости стенок выработки; изменение горно-геологических и горнотехнологических условий. Существенно влияет на процессы в реальных шахтных вентиляционных системах производственная деятельность. Так, на дебиты воздуха в выработках влияют перемещение транспорта, открывание и закрывание вентиляционных дверей, обрушение кровли, потоки угля на конвейере и др. Изменения расходов воздуха из-за производственной деятельности могут быть весьма значительны. Максимальные отклонения потоков воздуха в воздухоподающих стволах и около-ствольных дворах из-за движения клетей достигают 80 %. Значительно изменяются аэродинамические сопротивления основных горных выработок. В процессе эксплуатации они могут

изменяться в 3-5 раз. Еще больше могут изменяться сопротивления вентиляционных выработок. Сопротивления наклонных выработок изменяются в 10-100 раз, а выработки со шлюзами изменяют аэродинамические сопротивления в 20-50 раз и более [1].

Значительные трудности, сдерживающие развитие автоматизированных систем управления, возникают из-за пространственной распределенности шахтной вентиляционной сети, так как полное адекватное описание процессов распределения воздуха в ней требует использования систем дифференциальных уравнений в частных производных и граничных условий, которые в полном объеме и составить-то не удается, не говоря уже о том, чтобы их оперативно решать на управляющей ЭВМ. Если учесть, что к тому же в реальных условиях наряду с аэродинамическими процессами одновременно протекают процессы теплопереноса, химические, диффузные процессы, а также множество одновременно происходящих механических перемещений, то станет очевидным, что любая математическая модель ШВС описывает реальные процессы лишь приблизительно.

Известно, что при приближенном описании сложных или, как их еще называют, плохо организованных систем важнейшим фактором при выборе формы описания являются условия применения модели сложной системы. В задачах управления проветриванием модели предназначены для управления, однако форма, в которой они используются в настоящее время, крайне неудобна для этих целей. Так, для стационарного воздухораспределения ШВС используется система нелинейных уравнений, которая не позволяет однозначно определить расходы воздуха. Кроме того, использование системы нелинейных уравнений для выработки управляющего воздействия требует ее решения каким-либо итерационным методом.

Несоответствие между процессами в реальных шахтных вентиляционных сетях и математическими моделями, используемыми в настоящее время для их описания, затрудняет разработку алгоритмов автоматизированного управления проветриванием. [1]

Одним из важнейших вопросов, связанных с разработкой алгоритма управления проветриванием, является выбор основной

части этого алгоритма, а именно, - определение управляющих воздействий (уставок) на регуляторы расхода воздуха и вентиляторы главного проветривания в зависимости от требуемого воздухораспределения.

Задача выбора оптимальных параметров при управлении РРВ и несколькими ВГП, работающими на общую сеть, является эвристической, так как требуемый эффект при проветривании (общая подача и давление в масштабах шахты, воздухораспределение в выработках шахты и т.д.) может достигаться множеством наборов параметров ВГП и уставок РРВ, постоянно изменяющихся во времени. Следовательно, необходимо осуществить выбор из множества вариантов решений в условиях нечеткой информации. Как показал анализ существующих методов решения подобных задач, наиболее перспективным является применение нейронных сетей.

Особую привлекательность нейросети получили ввиду способности обнаруживать неявные закономерности в различных процессах при отсутствии необходимости в понимании этих закономерностей, а также из-за способности к запоминанию представленных образов.

К основным задачам, решаемым в настоящее время с применением нейросетевых моделей, относятся: распознавание визуальных образов, распознавание и синтез речи, создание экспертных систем, задачи классификации образов и фактов, ассоциативная память, прием и передача сигналов в условиях помех, задачи многомерной оптимизации.

Общая формулировка задач многомерной оптимизации сводится, как правило, к нахождению некоторой функциональной зависимости входов системы от выхода. Именно к этому классу относится задача выбора оптимальных параметров при управлении РРВ и несколькими ВГП, работающими на общую сеть.

Основным принципом информационного моделирования воздухораспределения на базе нейронных сетей является принцип "черного ящика". В противоположность аналитическому подходу, при котором моделируется внутренняя структура ШВС и потоков воздуха в ней, в синтетическом методе "черного ящика" моделируется внешнее функционирование системы, т.е. реагирование воздушных потоков на изменение уставок РРВ и подач ВГП. [3]

Нейронные сети являются естественным инструментом для построения эффективных и гибких информационных моделей воздухорас-пределения. Следовательно, необходимо построить нейронную сеть, на входы которой подается вектор известных и (или) желаемых расходов воздуха в выработках шахты, а также значение критерия оптимальности. На выходе сети необходимо получить значения уставок регуляторов расхода воздуха и подачу вентиляторов главного проветривания, максимально удовлетворяющие заданному воздухораспре-делению и критерию оптимальности (рис.1).

Все выработки шахты, включаемые в модель ШВС, условно разбиваются на добычные участки, подготовительные участки, камеры и т.д. Эти участки образуют первый слой нейронов. Второй слой нейронов образуется из регуляторов расхода воздуха. Третий слой состоит из вентиляторов главного проветривания. При необходимости основную сеть можно дополнить вспомогательными, которые будут реализовывать получение конкретных управляющих воздействий на ВГП по имеющимся интегральным показателям (подача): число оборотов рабочего колеса (двигателя), угол поворота лопаток рабочего колеса или направляющего и спрямляющего аппарата и т.д.

Добычной участок №п

Теперь при достаточно точном обучении

сети можно, подавая на входы сети требуемое Подготовитель возд^оруадаеление, на выходе получить

значени^оуставок РРВ и подачи ВГП, удовлетворяющие заданному критерию оптимально-стип<Дкй'8вМ,ёй5лаемое воздухораспределение, подаиавщввенж входы, может содержать «пробелы», -№Л некоторые значения расходов воздуха можно не указывать - сеть все равно найдет значения уставок РРВ и подач ВГП в условиях неполной информации.

Обучение сети производится при помощи программы расчета естественного воздухорас-

npd^ifflSSMpäffltaTHpoBaHHofi к ШВС конкретный участок №к ной шахты, либо на основе статистики расходов воздуха в выработках. Данные для обучения (обучающая выработка) представлены оп™1аль$^т^ем виде: одномерный вектор расходов воздуха ^ параметры ВГП и РРВ + значение критерия оптимальности.

Критерий оптимальности управления воз-духораспределением (минимум затрачи-ваемой на мощности) имеет вид

m 3

F fo, r2,.., rm, q1, qt ,ß, ß2,...,ß„ ) = min £ rfa |)

¿=1

1?§ИщЩ|е1\й?ачи оптимального управления воздухораспределением угольной шахты с помощью нейронной сети позволит:

Регулятор расхода воздуха №1

Регулятор расхода воздуха №2

Регулятор расхода воздуха №п

Камера №L

1. Построить информационную модель воздухораспределения в выработках шахты. Модель будет реализовывать зависимость положений воздухорегулирующих устройств и подачи вентиляторов главного проветривания от требуемых и (или) известных расходов воздуха в выработках шахты;

2. Настраиваться на специфику воздухораспределения конкретной шахты путем вынесения некоторого количества обучающих примеров на основе последней воздушно-депрессонной съемки и от датчиков контроля расхода воздуха (скорости движения воздуха);

3. Легко корректировать параметры модели с помощью дополнительного обучения в процессе функционирования системы, так как объект управления (ШВС) существенно нестационарен, а для эффективного

1. Бахвалов Л.А., Пучков Л.А. Методы и алгоритмы автоматического управления проветриванием угольных шахт. - М.: Недра, 1992.

2. Темкин И.О. Разработка теории и методов построения интеллектуальных нейросетевых систем управления аэрогазодинамическими процессами в шахтах. Дисс. на соискание д. т. н. 1996.

управления воздухораспределением в шахтной вентиляционной сети модель должна быть постоянно адекватна объекту;

4. Даст возможность работать с неполной или нечеткой информацией, так как в производственных условиях не всегда точно известны реальные расходы воздуха во всех выработках шахты;

5. Сократить размерность моделируемой ШВС за счет исключения из рассмотрения ветвей, изменение расхода воздуха в которых слабо влияет на положение РРВ и подачу ВГП;

6. Снизить затраты на проветривание (потребление электроэнергии) за счет определения оптимального (по энергетическому критерию) положения воздухораспределительных устройств и подачи вентиляторов главного проветривания.

---------------- СПИСОК ЛИТЕРАТУРЫ

3. Терехов С.А. Нейросетевые информационные модели сложных инженерных систем, Лаборатория Искусственных Нейронных Сетей, Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики.

4. Цой С., Рогов Е.И Основы теории вентиляционных сетей. - Алма-Ата, Наука, 1965.

— Коротко об авторах -------------------------------------------------------------------------

Федунец Нина Ивановна - профессор, доктор технических наук,

Стадник Денис Александрович - магистр,

кафедра «Автоматизированные системы управления», Московский государственный горный университет.

ТЕКУЩАЯ ИНФОРМАЦИЯ О ЗАЩИТАХ ДИССЕРТАЦИИ ПО ГОРНОМУ ДЕЛУ И СМЕЖНЫМ ВОПРОСАМ

ДИССЕРТАЦИИ

Автор Название работы Специальность Ученая степень

АКАДЕМИЯ ТРУД ГА И СОЦИАЛЬНЫХ ОТНОШЕНИЙ

ФУРС

Светлана

Анатольевна

Развитие лизинга как механизма обновления основных фондов промышленных предприятий (на примере цементной отрасли)

© Ю.А. Филиппов, Л.А. Внуков, С. С. Кубрин, 2004

УДК 654