一种煤矿变频设备的自适应控制方法及系统与流程

1.本发明涉及设备控制技术领域，具体涉及一种煤矿变频设备的自适应控制方法及系统。


背景技术：

2.现代煤矿设备基于自动化和智能化的原理，具备高效、节能、安全的特点，推动了煤矿工业的发展，随着资源稀缺和环境压力加大，煤矿行业面临提高能源利用效率和减少碳排放的难题，因此对于煤矿设备的控制也带来的新的挑战。
3.而现今常用的煤矿设备的控制方法还存在着一定的弊端，煤矿设备的电控系统运行工况多变，控制机理较为复杂，存在机械执行机构动作不稳定、动作延时不固定、信号反馈滞后严重、依赖对象模型精度等缺陷，造成系统的随机性和时变性，直接影响了控制系统的性能和实施效果。因此，对于煤矿设备的控制还存在着一定的可提升空间。


技术实现要素：

4.本技术通过提供了一种煤矿变频设备的自适应控制方法及系统，旨在解决煤矿设备的电控系统运行工况多变，控制机理较为复杂，存在机械执行机构动作不稳定、动作延时不固定、信号反馈滞后严重、依赖对象模型精度等缺陷，造成系统的随机性和时变性，直接影响了控制系统的性能和实施效果的技术问题。
5.鉴于上述问题，本技术提供了一种煤矿变频设备的自适应控制方法及系统。
6.本技术公开的第一个方面，提供了一种煤矿变频设备的自适应控制方法，所述方法包括：确定待进行变频控制的设备组，遍历所述设备组针对设备规格与基准制动参量进行数据采集，生成设备数据库，所述设备数据库包括设备基础数据子库与电机基础数据子库，所述电机基础数据子库标识有控制基准值；交互控制目标，获取实时制动场景，并基于传感监测装置采集确定制动监测数据；进行所述实时制动场景解析，结合所述制动监测数据输入调频分析模型中，输出多组变频控制参数，所述多组变频控制参数与所述设备组一一对应；以所述控制基准值为约束，以所述控制目标为响应，对所述多组变频控制参数进行寻优，确定目标变频控制参数集；连接可视化仿真平台，基于所述实时制动场景、所述煤矿变频设备与所述设备组搭建拟真制动模型；基于所述拟真制动模型，对所述目标变频控制参数集进行试控分析与调优，确定预变频控制参数集；基于所述预变频控制参数集，匹配并传输至对应的所述煤矿变频设备，进行所述设备组的电机软制动控制。
7.本技术公开的另一个方面，提供了一种煤矿变频设备的自适应控制系统，所述系统用于上述方法，所述系统包括：基本数据采集模块，所述基本数据采集模块用于确定待进行变频控制的设备组，遍历所述设备组针对设备规格与基准制动参量进行数据采集，生成设备数据库，所述设备数据库包括设备基础数据子库与电机基础数据子库，所述电机基础数据子库标识有控制基准值；制动数据获取模块，所述制动数据获取模块用于交互控制目标，获取实时制动场景，并基于传感监测装置采集确定制动监测数据；制动场景解析模块，
所述制动场景解析模块用于进行所述实时制动场景解析，结合所述制动监测数据输入调频分析模型中，输出多组变频控制参数，所述多组变频控制参数与所述设备组一一对应；控制参数寻优模块，所述控制参数寻优模块用于以所述控制基准值为约束，以所述控制目标为响应，对所述多组变频控制参数进行寻优，确定目标变频控制参数集；制动模型搭建模块，所述制动模型搭建模块用于连接可视化仿真平台，基于所述实时制动场景、所述煤矿变频设备与所述设备组搭建拟真制动模型；试控分析调优模块，所述试控分析调优模块用于基于所述拟真制动模型，对所述目标变频控制参数集进行试控分析与调优，确定预变频控制参数集；软制动控制模块，所述软制动控制模块用于基于所述预变频控制参数集，匹配并传输至对应的所述煤矿变频设备，进行所述设备组的电机软制动控制。本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：确定待进行变频控制的设备组，遍历所述设备组针对设备规格与基准制动参量进行数据采集生成设备数据库，交互控制目标获取实时制动场景，采集确定制动监测数据，进行实时制动场景解析，结合制动监测数据输入调频分析模型中，输出多组变频控制参数，对多组变频控制参数进行寻优，确定目标变频控制参数集，建拟真制动模型，进行试控分析与调优确定预变频控制参数集，匹配并传输至对应的煤矿变频设备，进行设备组的电机软制动控制。解决了煤矿设备的电控系统运行工况多变，控制机理较为复杂，存在机械执行机构动作不稳定、动作延时不固定、信号反馈滞后严重、依赖对象模型精度等缺陷，造成系统的随机性和时变性，直接影响了控制系统的性能和实施效果的技术问题，实现了自适应闭环控制，满足不同设备多种工况下的控制性能需要，达到自动控制所需的精度和稳定性要求，进而为煤矿实现全面自动化和智慧化提供有力支持的技术效果。
8.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
9.图1为本技术实施例提供了一种煤矿变频设备的自适应控制方法流程示意图；图2为本技术实施例提供了一种煤矿变频设备的自适应控制方法中进行实时制动场景解析可能的流程示意图；图3为本技术实施例提供了一种煤矿变频设备的自适应控制方法中搭建调频分析模型可能的流程示意图；图4为本技术实施例提供了一种煤矿变频设备的自适应控制系统可能的结构示意图。
10.附图标记说明：基本数据采集模块10，制动数据获取模块20，制动场景解析模块30，控制参数寻优模块40，制动模型搭建模块50，试控分析调优模块60，软制动控制模块70。
具体实施方式
11.本技术实施例通过提供一种煤矿变频设备的自适应控制方法，解决了煤矿设备的电控系统运行工况多变，控制机理较为复杂，存在机械执行机构动作不稳定、动作延时不固定、信号反馈滞后严重、依赖对象模型精度等缺陷，造成系统的随机性和时变性，直接影响
了控制系统的性能和实施效果的技术问题，实现了自适应闭环控制，满足不同设备多种工况下的控制性能需要，达到自动控制所需的精度和稳定性要求，进而为煤矿实现全面自动化和智慧化提供有力支持的技术效果。
12.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非限制性的实施方式。
13.实施例一：
14.如图1所示，本技术实施例提供了一种煤矿变频设备的自适应控制方法，所述方法包括：步骤s100：确定待进行变频控制的设备组，遍历所述设备组针对设备规格与基准制动参量进行数据采集，生成设备数据库，所述设备数据库包括设备基础数据子库与电机基础数据子库，所述电机基础数据子库标识有控制基准值；具体而言，根据煤矿内设备的类型和运行需求，确定需要进行变频控制的设备组，例如乳化液泵、空压机、皮带运输机、绞机等，对选定的设备组进行遍历，针对设备规格与基准制动参量进行数据采集，包括设备的型号、额定功率、工作模式、运行参数等信息，将采集到的设备基本信息进行整理并存储，形成设备数据库，所述设备数据库包括设备基础数据子库与电机基础数据子库，其中，设备基础数据子库包含设备的基本信息，如型号、额定功率、生产厂家等，电机基础数据子库针对每个设备的电机，记录其关键信息，如电机类型、额定电压、额定频率等，并标识有各个设备的控制基准值，所述控制基准值是根据煤矿变频设备的特性和要求，在考虑安全、效率等因素的前提下，预先设定的参数或根据经验总结得出的合理范围。
15.步骤s200：交互控制目标，获取实时制动场景，并基于传感监测装置采集确定制动监测数据；具体而言，根据需要对设备组的不同运行状态和特定场景下的控制目标进行设定，例如，针对启停控制需要进行上电缓冲，针对运行状态需要进行无效做工补偿，存异状态需要进行应急控制等，这些控制目标可以根据煤矿内设备的运行需求和安全要求来确定。通过与设备组进行交互，获取当前实时的制动场景，包括设备组中各设备的运行状态、当前的工作模式等信息，利用设备组中各设备的传感监测装置，采集相应的制动监测数据，这些数据涉及设备的电流、电压、频率、温度等参数，以及其他关键指标。
16.步骤s300：进行所述实时制动场景解析，结合所述制动监测数据输入调频分析模型中，输出多组变频控制参数，所述多组变频控制参数与所述设备组一一对应；进一步而言，如图2所示，本技术步骤s300包括：步骤s310：基于所述实时制动场景，进行目标设备识别确定调频模式，所述调频模式包括独立调频模式与协同调频模式；步骤s320：基于所述实时制动场景，进行设备运行状态识别，确定目标状态，所述目标状态包括启停制动、运行频率、运行时区与波动趋势；步骤s330：基于所述调频模式与所述目标状态，确定场景解析结果，所述场景解析结果为至少一项。
17.具体而言，根据实时制动场景的特征和各个设备的工作状态，通过对实时制动场景的数据分析和判断，进行目标设备的识别，根据目标设备的识别结果，确定调频模式，包
括独立调频模式与协同调频模式，其中，当一个设备被确定为目标设备时，采用独立调频模式，即设备的变频控制不与其他设备的变频控制产生相互影响，各设备单独运行并调整频率，以满足其独立的控制需求；当多个设备被识别为目标设备时，并且它们之间有一定的关联或协同运行需求时，采用协同调频模式，即设备之间进行联动，根据相互之间的关系和约束条件，共同调节频率，以达到更好的协同工作效果。
18.通过分析实时制动场景数据，对设备的运行状态进行识别和分类，根据不同设备的工作特征和传感器监测数据，判断设备是处于启动、停止还是制动状态。在识别了设备的运行状态之后，进一步确定目标状态，所述目标状态包括启停制动、运行频率、运行时区与波动趋势。
19.其中，启停制动状态为判断设备当前是需要启动、停止还是进行制动操作，这可以根据设备的控制需求和实时制动场景中的相关数据来确定；运行频率为确定设备在目标状态下应该运行的变频频率，这可以根据设备类型、运行要求以及实时制动场景的数据，选取适当的运行频率；运行时区为确定设备在特定时间段内应该处于哪个运行时区，这可以考虑到不同时间段对能源消耗和产量要求的差异，根据场景和需求进行分类或区分；波动趋势为根据实时制动场景的数据，分析设备运行时的频率或其他关键参数的波动趋势，可确定合适的控制策略来稳定设备的工作状态。
20.根据设备组的实际运行需求和特定场景要求，将所述调频模式与所述目标状态进行匹配和关联，根据匹配结果，确定场景解析结果，例如，设备运行模式解析，根据目标状态和调频模式，判断设备当前所处的运行模式，如启动模式、停止模式或制动模式等；频率调整解析，根据目标状态和调频模式，确定设备的频率调整方式，如根据目标频率和波动趋势，确定变频控制参数以控制设备的频率输出；运行时区解析，根据目标状态和调频模式，将设备的运行时区确定为特定时间段，以满足能耗管理和生产调度的要求。
21.进一步而言，如图3所示，本技术步骤s300包括：步骤s340：以所述设备组为索引，检索并调用历史变频控制数据；步骤s350：基于所述历史变频控制数据，提取所述设备组中第一设备的历史变频控制数据，进行数据规整确定样本场景解析结果、样本制动监测数据与样本变频控制参数；步骤s360：映射连接所述样本场景解析结果、所述样本制动监测数据与所述样本变频控制参数，确定构建数据并训练生成第一设备调频单元；步骤s370：对所述历史变频控制数据进行筛分与样本规整训练，依次完成第n设备调频单元的构建；步骤s380：对所述第一设备调频单元直至所述第n设备调频单元进行集成，生成所述调频分析模型。
22.具体而言，根据所述设备组作为索引，从历史变频控制数据存储中检索相应的记录，利用设备组的唯一标识符或其他关联信息，筛选出与该设备组相关的历史变频控制数据集合。
23.从历史变频控制数据集合中筛选出与第一设备相关的数据记录，对其进行规整处理，包括时间对齐、数据采样间隔调整、异常值处理等，以便进一步分析和应用。通过分析规整后的历史变频控制数据，根据设备的运行状态、运行模型、频率调整情况等，推导出样本场景解析结果。提取并整理第一设备的制动监测数据和变频控制参数。通过以上步骤，可以
从历史变频控制数据中提取第一设备的数据，进行规整和分析，得到样本场景解析结果、样本制动监测数据和样本变频控制参数，这些样本数据可以为后续的建模和算法优化提供基础与参考。
24.将样本场景解析结果、样本制动监测数据和样本变频控制参数进行映射和连接，形成一个完整的数据集，确保数据之间的对应关系和一致性，利用构建的数据集，进行调频单元的训练，根据输入的样本数据和目标输出，即期望的频率调整效果，经过训练和验证后，生成可用于实际应用的第一设备调频单元，该调频单元能够根据实时制动场景和制动监测数据，自动调整变频控制参数，实现精准的频率调整，优化第一设备的运行效果。
25.从历史变频控制数据集中依次选取与第n设备相关的数据，使用设备的唯一标识符，筛选出对应设备的历史变频控制数据，采用前述完全相同的方法，依次完成第n设备调频单元的构建。
26.将第一设备调频单元至第n设备调频单元进行收集，并确保它们的接口和参数能够互相衔接和协同工作，将收集到的各个设备的调频单元进行集成，形成一个整体的调频分析模型，确保多个调频单元之间的协同与统一操作，该模型能够综合考虑多个设备的运行状态和控制需求，具备对设备组进行协调的变频控制能力，为煤矿变频设备组的精确调频提供有依据的决策和指导。
27.进一步而言，本技术步骤s360包括：步骤s361：对所述构建数据进行时序分割，确定调频分析样本与调频预测样本；步骤s362：基于所述调频分析样本，通过进行神经网络训练生成第一调频分析分支；步骤s363：基于所述调频预测样本，进行异常现象识别与诱因溯源定位标识，训练构建第一调频预测分支；步骤s364：以标识识别为筛选机制，构建参数筛选层；步骤s365：对所述第一调频分析分支、所述第一调频预测分支与所述参数筛选层进行次序连接整合，生成所述第一设备调频单元。
28.具体而言，将构建的数据按照一定的时间窗口或时间段进行分割，例如，使用滑动窗口、固定时间间隔等方法来进行分割，确保样本数据的连续性和相对独立性。从分割后的样本中选取一部分作为调频分析样本，这些样本包含实时制动场景解析结果、制动监测数据和变频控制参数，用于对设备的当前状态进行分析、优化和调整，另外，从分割后的样本中选择一部分作为调频预测样本，这些样本主要包含历史的制动监测数据和变频控制参数，用于训练模型来预测未来的调频需求和运行状态。
29.将所述调频分析样本随机划分为训练数据集和验证数据集，例如划分比例为训练数据集与验证数据集的比例为8:2，利用训练数据集，使用反向传播算法等优化方法，对神经网络进行训练，通过调整网络参数和权重，使神经网络能够实现准确的调频分析功能；利用验证数据集对训练好的神经网络进行验证和评估，根据验证结果，调整网络参数、模型结构和训练策略，以进一步优化调频分析的性能和准确度。
30.经过训练和验证后，得到可用于实际应用的第一调频分析分支，该分支能够接收实时制动场景解析结果、制动监测数据和变频控制参数作为输入，并输出准确的调频分析结果，用于优化设备的运行状态和变频控制策略。
31.将调频预测样本进行预处理和特征提取，得到适用于训练的输入数据，利用训练数据集，对调频预测样本进行训练，训练模型用于识别异常现象，使用适当的机器学习或深度学习算法，例如异常检测、分类器等，对输入的数据进行分析和判断。通过分析异常现象，结合调频预测样本中的相关数据，对异常出现的可能诱因进行溯源和定位，这可以帮助识别造成异常的具体原因，例如设备故障、环境变化等，用于后续的问题解决和预防控制。
32.基于异常现象识别和诱因溯源的结果，训练构建第一调频预测分支，这个分支将能够根据实时数据识别异常现象并找出其诱因，同时预测未来的调频需求，为设备组提供更精确的调频预测和控制策略。
33.使用训练好的模型，对调频预测样本进行异常现象的标识识别，通过分析数据、模式匹配等方法，确定是否存在异常现象，并标识相应的异常事件。基于异常现象的标识结果，构建参数筛选层，根据参数筛选层的设定，将所述调频分析分支和调频预测分支生成的参数输入到参数筛选层进行处理，该层根据异常现象的标识结果，筛选出符合条件的参数，或者调整现有参数的取值。经过参数筛选层的处理，得到优化后的调频控制参数，这些参数能够更好地适应异常现象的影响，从而改善调频控制效果。
34.将第一调频分析分支与参数筛选层进行连接，确保分析分支的输出结果能够经过参数筛选层的处理，将第一调频预测分支与参数筛选层进行连接，确保预测分支的输出结果能够经过参数筛选层的处理，将经过参数筛选层处理后的调频分析结果和调频预测结果进行整合，例如根据设备组的特点和需求，进行权衡和综合处理，以得到最优的调频控制方案。经过连接和整合，生成可用于实际应用的第一设备调频单元，该调频单元能够综合利用调频分析和预测模型的结果，智能地进行调频分析和预测，并经过参数筛选层的调整，提供精确和适应性强的变频控制策略。
35.进一步而言，本技术步骤s300包括：步骤s300-1：将所述场景解析结果与所述制动监测数据输入所述调频分析模型；步骤s300-2：基于所述调频模式与所述目标状态进行单元匹配确定目标设备调频单元并进行调用，构建临时处理模组；步骤s300-3：基于所述临时处理模组，进行所述场景解析结果与所述制动监测数据的自适应分析，输出所述多组变频控制参数；步骤s300-4：其中，若所述调频模式为独立调频模式，基于所述临时处理模组进行独立分析与输出集成；若所述调频模式为协同调频模式，对所述临时处理模组进行独立分析与协同影响分析。
36.具体而言，将获得的场景解析结果和制动监测数据输入到调频分析模型中作为模型的输入，根据确定的调频模式和目标状态，将其进行匹配，通过单元匹配的结果，确定需要被调用的目标设备调频单元，即找到与目标设备相符合的调频单元，并将其调用起来，以实现对目标设备的变频控制。针对设备组的临时处理需求，构建临时处理模块，这个模块包括数据处理、算法运算和决策逻辑等，以满足临时处理需求。
37.将得到的场景解析结果和制动监测数据输入到临时处理模块中，对数据进行自适应分析和处理，根据自适应分析的结果，生成多组变频控制参数，这些参数可根据设备组的需求和场景的变化，实现对不同设备的不同调频方案。
38.其中，如果所述调频模式为独立调频模式，这意味着每个设备都独立进行调频分
析和优化，并生成相应的变频控制参数，临时处理模块会针对每个设备的独立需求进行分析，并输出相应的调频控制参数，以实现每个设备的单独控制；如果所述调频模式为协同调频模式，在此模式下，设备之间会相互影响，需要考虑整个设备组的协同调节，临时处理模块将首先对每个设备进行独立分析，然后通过协同影响分析，考虑设备之间的相互影响，生成适应设备组整体的变频控制参数。总之，根据调频模式的不同，临时处理模块可以进行独立调频分析与输出集成或者进行独立分析与协同影响分析，这样能够根据不同调频模式下的需求，有效地优化设备组的调频控制策略，提高设备组的整体性能和协同效果。
39.步骤s400：以所述控制基准值为约束，以所述控制目标为响应，对所述多组变频控制参数进行寻优，确定目标变频控制参数集；具体而言，利用寻优算法，例如粒子群优化算法，将控制基准值和控制目标作为约束条件，对多组变频控制参数进行搜索和优化，选取最优的变频控制参数组合作为目标变频控制参数集，该参数集经过优化后，能够使设备在满足控制基准值的情况下，实现最佳的控制效果和性能。
40.具体地，在优化过程中，随机生成一定数量的粒子，并为每个粒子随机分配初始位置和速度，每个粒子代表一个可能的解决方案，即一组变频控制参数，对于每个粒子，根据其对应的变频控制参数集，计算适应度值，其中，适应度函数可以根据控制目标和约束条件定义，表示该粒子解决方案与目标之间的拟合程度或优劣程度。记录每个粒子的当前位置和适应度，并更新每个粒子的最佳位置，即个体最优解，从群体中找到适应度最好的粒子，记录其变频控制参数集以及对应的适应度，并更新全局最佳位置，即群体最优解，利用粒子群优化算法，根据粒子的当前位置、个体最优解、群体最优解，更新粒子的速度和位置。如果达到设定的停止条件，例如达到最大迭代次数或满足目标适应度，则结束优化算法，输出全局最佳位置对应的变频控制参数集作为目标变频控制参数集。
41.通过以上步骤，粒子群优化算法可以搜索并寻找最佳的目标变频控制参数集，以获得最优的调频控制效果和性能，通过引入个体最优解和群体最优解的概念，粒子群优化算法能够在多个解决方案中进行搜索，并以全局最优解作为最终结果。
42.步骤s500：连接可视化仿真平台，基于所述实时制动场景、所述煤矿变频设备与所述设备组搭建拟真制动模型；具体而言，根据实际需求和系统要求，选择一个可视化仿真平台，例如通用仿真平台或专门用于电力/能源系统仿真的平台，利用所选平台的建模工具和功能，基于实时制动场景、煤矿变频设备和设备组的数据，构建拟真制动模型，这个模型反映了煤矿内设备的运行情况、控制策略和互动关系等，并可以通过仿真平台进行动态模拟和可视化。在所述可视化仿真平台上，可以对搭建好的拟真制动模型进行仿真分析，模拟设备组的动态运行，为后续的试控分析和调优提供基础，同时，可视化界面能够实时展示设备的变频控制和相应的制动效果，便于工程师进行观察和分析。
43.步骤s600：基于所述拟真制动模型，对所述目标变频控制参数集进行试控分析与调优，确定预变频控制参数集；进一步而言，本技术步骤s600包括：步骤s610：基于所述拟真制动模型，对所述目标变频控制参数进行匹配调控，获取拟真控制信息；
步骤s620：交互所述拟真控制信息，进行控制偏移分析确定变频偏移系数；步骤s630：判断所述变频偏移系数是否满足偏移阈值，若满足，计算所述变频偏移系数与所述偏移阈值的差值，对所述目标变频控制参数集进行反馈补偿，生成所述预变频控制参数集。
44.具体而言，根据目标变频控制参数，将其与拟真制动模型进行匹配，即将目标参数转化为拟真制动模型所需的输入格式和单位，以确保参数的一致性，根据匹配后的控制参数，拟真制动模型会模拟设备的制动响应、参数调整和效果评估，以生成与目标变频控制参数相符合的拟真控制信息，包括实际的频率调整值、制动时间、能耗消耗等制动效果指标，以及其他控制信息。
45.根据获得的拟真控制信息，与预期的控制效果进行对比和分析，包括比较频率调整差异、制动时间和能耗消耗等方面的差距，以确定实际控制与预期控制之间的偏移情况，基于控制偏移分析的结果，推导出变频偏移系数，该系数表示拟真控制与预期控制之间的偏移程度，可用于量化实际控制与预期控制之间的差异。
46.根据实际需求确定偏移阈值，用于确定是否需要进行补偿操作，将已计算得到的变频偏移系数与预先设定的偏移阈值进行比较，根据比较结果，判断变频偏移系数是否满足预设的偏移阈值，如果不满足，则无需进行进一步处理，如果满足，即超出了阈值，则需要进行补偿操作。当超出阈值时，计算变频偏移系数与偏移阈值之间的差值，该差值用于表示实际偏移程度的大小，根据计算得到的差值，对目标变频控制参数集进行反馈补偿操作，包括调整频率调整值、制动时间、能耗消耗等相关参数，以使目标变频控制参数集更接近预期效果。通过进行反馈补偿操作，得到调整后的目标变频控制参数集，即预变频控制参数集，这些参数将更准确地反映出实际应用需求，并能更好地满足预期的变频控制效果。
47.进一步而言，本技术步骤s620包括：步骤s621：基于所述目标变频控制参数集，确定预期控制信息；步骤s622：映射校对所述预期控制信息与所述拟真控制信息，生成多组信息序列；步骤s623：基于变频偏移系数表达式，遍历所述多组信息序列进行计算，获取所述变频偏移系数；步骤s624：所述变频偏移系数表达式如下：，其中，f为任一设备的变频偏移系数，为第i目标变频控制参数的配置权重，为第i目标变频控制参数对应的预期控制信息，为第i目标变频控制参数对应的拟真控制信息，n为目标变频控制参数集的参数数量。
48.具体而言，基于设定的控制目标，将目标变频控制参数集与预期控制要求进行匹配，确保目标参数集中的各项参数与预期控制信息的要求相符合，根据匹配后的结果，确定预期控制信息，包括实际应用场景下所期望的频率调整值、制动时间、能耗消耗等相关指标，以及遵守的限制和要求。
49.从预期控制信息和拟真控制信息中分别提取相关参数，例如频率调整值、制动时间、能耗消耗等，对比预期控制信息和拟真控制信息的每个相应参数，进行映射校对操作，例如通过查找表、线性插值、曲线拟合等方式，确保两者之间的对应关系准确，基于映射校对的结果，生成多组信息序列，这些序列包含了预期控制和拟真控制的每个参数的值，可以
形成完整的控制信息序列，这样可以确保实际控制与目标控制之间的一致性。
50.将准备好的多组信息序列依次选择，并按照顺序将每个信息序列的参数提取出来，进行遍历操作，根据变频偏移系数表达式，利用遍历得到的信息序列，将每组参数代入上述表达式进行计算，在计算完成后，获得每组信息序列对应的变频偏移系数，这些系数用于衡量实际控制与预期控制之间的偏离程度，对于后续的调节和优化具有指导作用。
51.步骤s700：基于所述预变频控制参数集，匹配并传输至对应的所述煤矿变频设备，进行所述设备组的电机软制动控制。
52.具体而言，根据设备组的配置和拓扑结构，将预变频控制参数集与各个设备进行匹配，确保每个设备都能够接收到其相应的控制参数，通过通信连接、网络连接等方法，将匹配好的预变频控制参数传输至对应的煤矿变频设备，煤矿变频设备在接收到预变频控制参数后，根据参数设定对相应的设备进行电机软制动控制，即按照参数指定的频率、电压等控制要求，调整设备电机的运动状态和性能。
53.通过以上步骤，预变频控制参数集成功传输并被应用于对应的煤矿变频设备上，从而实现对设备组的电机软制动控制，这样可以在不损坏设备和提高能效的前提下，有效控制设备的运行状态和性能，满足煤矿的安全和运营要求。
54.综上所述，本技术实施例所提供的一种煤矿变频设备的自适应控制方法及系统具有如下技术效果：确定待进行变频控制的设备组，进行基本数据采集生成设备数据库，交互控制目标获取实时制动场景，采集确定制动监测数据，进行实时制动场景解析，结合制动监测数据输入调频分析模型中，输出多组变频控制参数，对多组变频控制参数进行寻优，确定目标变频控制参数集，建拟真制动模型，进行试控分析与调优确定预变频控制参数集，匹配并传输至对应的煤矿变频设备，进行设备组的电机软制动控制。
55.解决了煤矿设备的电控系统运行工况多变，控制机理较为复杂，存在机械执行机构动作不稳定、动作延时不固定、信号反馈滞后严重、依赖对象模型精度等缺陷，造成系统的随机性和时变性，直接影响了控制系统的性能和实施效果的技术问题，实现了自适应闭环控制，满足不同设备多种工况下的控制性能需要，达到自动控制所需的精度和稳定性要求，进而为煤矿实现全面自动化和智慧化提供有力支持的技术效果。
56.实施例二：
57.基于与前述实施例中一种煤矿变频设备的自适应控制方法相同的发明构思，如图4所示，本技术提供了一种煤矿变频设备的自适应控制系统，所述系统包括：基本数据采集模块10，所述基本数据采集模块10用于确定待进行变频控制的设备组，遍历所述设备组针对设备规格与基准制动参量进行数据采集，生成设备数据库，所述设备数据库包括设备基础数据子库与电机基础数据子库，所述电机基础数据子库标识有控制基准值；制动数据获取模块20，所述制动数据获取模块20用于交互控制目标，获取实时制动场景，并基于传感监测装置采集确定制动监测数据；制动场景解析模块30，所述制动场景解析模块30用于进行所述实时制动场景解析，结合所述制动监测数据输入调频分析模型中，输出多组变频控制参数，所述多组变频控制参数与所述设备组一一对应；
控制参数寻优模块40，所述控制参数寻优模块40用于以所述控制基准值为约束，以所述控制目标为响应，对所述多组变频控制参数进行寻优，确定目标变频控制参数集；制动模型搭建模块50，所述制动模型搭建模块50用于连接可视化仿真平台，基于所述实时制动场景、所述煤矿变频设备与所述设备组搭建拟真制动模型；试控分析调优模块60，所述试控分析调优模块60用于基于所述拟真制动模型，对所述目标变频控制参数集进行试控分析与调优，确定预变频控制参数集；软制动控制模块70，所述软制动控制模块70用于基于所述预变频控制参数集，匹配并传输至对应的所述煤矿变频设备，进行所述设备组的电机软制动控制。
58.进一步而言，所述系统还包括：调频模式确定模块，用于基于所述实时制动场景，进行目标设备识别确定调频模式，所述调频模式包括独立调频模式与协同调频模式；状态识别模块，用于基于所述实时制动场景，进行设备运行状态识别，确定目标状态，所述目标状态包括启停制动、运行频率、运行时区与波动趋势；解析结果确定模块，用于基于所述调频模式与所述目标状态，确定场景解析结果，所述场景解析结果为至少一项。
59.进一步而言，所述系统还包括：历史控制数据获取模块，用于以所述设备组为索引，检索并调用历史变频控制数据；样本信息确定模块，用于基于所述历史变频控制数据，提取所述设备组中第一设备的历史变频控制数据，进行数据规整确定样本场景解析结果、样本制动监测数据与样本变频控制参数；第一单元生成模块，用于映射连接所述样本场景解析结果、所述样本制动监测数据与所述样本变频控制参数，确定构建数据并训练生成第一设备调频单元；第n单元构建模块，用于对所述历史变频控制数据进行筛分与样本规整训练，依次完成第n设备调频单元的构建；单元集成模块，用于对所述第一设备调频单元直至所述第n设备调频单元进行集成，生成所述调频分析模型。
60.进一步而言，所述系统还包括：时序分割模块，用于对所述构建数据进行时序分割，确定调频分析样本与调频预测样本；第一分支训练模块，用于基于所述调频分析样本，通过进行神经网络训练生成第一调频分析分支；定位标识模块，用于基于所述调频预测样本，进行异常现象识别与诱因溯源定位标识，训练构建第一调频预测分支；参数筛选层构建模块，用于以标识识别为筛选机制，构建参数筛选层；分支整合模块，用于对所述第一调频分析分支、所述第一调频预测分支与所述参数筛选层进行次序连接整合，生成所述第一设备调频单元。
61.进一步而言，所述系统还包括：解析结果输入模块，用于将所述场景解析结果与所述制动监测数据输入所述调频
分析模型；调用模块，用于基于所述调频模式与所述目标状态进行单元匹配确定目标设备调频单元并进行调用，构建临时处理模组；自适应分析模块，用于基于所述临时处理模组，进行所述场景解析结果与所述制动监测数据的自适应分析，输出所述多组变频控制参数；独立分析模块，用于其中，若所述调频模式为独立调频模式，基于所述临时处理模组进行独立分析与输出集成；若所述调频模式为协同调频模式，对所述临时处理模组进行独立分析与协同影响分析。
62.进一步而言，所述系统还包括：匹配调控模块，用于基于所述拟真制动模型，对所述目标变频控制参数进行匹配调控，获取拟真控制信息；控制偏移分析模块，用于交互所述拟真控制信息，进行控制偏移分析确定变频偏移系数；偏移系数判断模块，用于判断所述变频偏移系数是否满足偏移阈值，若满足，计算所述变频偏移系数与所述偏移阈值的差值，对所述目标变频控制参数集进行反馈补偿，生成所述预变频控制参数集。
63.进一步而言，所述系统还包括：预期控制信息确定模块，用于基于所述目标变频控制参数集，确定预期控制信息；信息序列生成模块，用于映射校对所述预期控制信息与所述拟真控制信息，生成多组信息序列；遍历模块，用于基于变频偏移系数表达式，遍历所述多组信息序列进行计算，获取所述变频偏移系数；表达式说明模块，用于所述变频偏移系数表达式如下：，其中，f为任一设备的变频偏移系数，为第i目标变频控制参数的配置权重，为第i目标变频控制参数对应的预期控制信息，为第i目标变频控制参数对应的拟真控制信息，n为目标变频控制参数集的参数数量。
64.本说明书通过前述对一种煤矿变频设备的自适应控制方法的详细描述，本领域技术人员可以清楚得知道本实施例中一种煤矿变频设备的自适应控制方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
65.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其他实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种煤矿变频设备的自适应控制方法，其特征在于，所述方法包括：确定待进行变频控制的设备组，遍历所述设备组针对设备规格与基准制动参量进行数据采集，生成设备数据库，所述设备数据库包括设备基础数据子库与电机基础数据子库，所述电机基础数据子库标识有控制基准值；交互控制目标，获取实时制动场景，并基于传感监测装置采集确定制动监测数据；进行所述实时制动场景解析，结合所述制动监测数据输入调频分析模型中，输出多组变频控制参数，所述多组变频控制参数与所述设备组一一对应；以所述控制基准值为约束，以所述控制目标为响应，对所述多组变频控制参数进行寻优，确定目标变频控制参数集；连接可视化仿真平台，基于所述实时制动场景、所述煤矿变频设备与所述设备组搭建拟真制动模型；基于所述拟真制动模型，对所述目标变频控制参数集进行试控分析与调优，确定预变频控制参数集；基于所述预变频控制参数集，匹配并传输至对应的所述煤矿变频设备，进行所述设备组的电机软制动控制。2.如权利要求1所述的方法，其特征在于，所述进行所述实时制动场景解析，所述方法包括：基于所述实时制动场景，进行目标设备识别确定调频模式，所述调频模式包括独立调频模式与协同调频模式；基于所述实时制动场景，进行设备运行状态识别，确定目标状态，所述目标状态包括启停制动、运行频率、运行时区与波动趋势；基于所述调频模式与所述目标状态，确定场景解析结果，所述场景解析结果为至少一项。3.如权利要求2所述的方法，其特征在于，搭建所述调频分析模型，所述方法包括：以所述设备组为索引，检索并调用历史变频控制数据；基于所述历史变频控制数据，提取所述设备组中第一设备的历史变频控制数据，进行数据规整确定样本场景解析结果、样本制动监测数据与样本变频控制参数；映射连接所述样本场景解析结果、所述样本制动监测数据与所述样本变频控制参数，确定构建数据并训练生成第一设备调频单元；对所述历史变频控制数据进行筛分与样本规整训练，依次完成第n设备调频单元的构建；对所述第一设备调频单元直至所述第n设备调频单元进行集成，生成所述调频分析模型。4.如权利要求3所述的方法，其特征在于，所述确定构建数据并训练生成第一设备调频单元，所述方法包括：对所述构建数据进行时序分割，确定调频分析样本与调频预测样本；基于所述调频分析样本，通过进行神经网络训练生成第一调频分析分支；基于所述调频预测样本，进行异常现象识别与诱因溯源定位标识，训练构建第一调频预测分支；
以标识识别为筛选机制，构建参数筛选层；对所述第一调频分析分支、所述第一调频预测分支与所述参数筛选层进行次序连接整合，生成所述第一设备调频单元。5.如权利要求4所述的方法，其特征在于，所述输出多组变频控制参数，所述方法包括：将所述场景解析结果与所述制动监测数据输入所述调频分析模型；基于所述调频模式与所述目标状态进行单元匹配确定目标设备调频单元并进行调用，构建临时处理模组；基于所述临时处理模组，进行所述场景解析结果与所述制动监测数据的自适应分析，输出所述多组变频控制参数；其中，若所述调频模式为独立调频模式，基于所述临时处理模组进行独立分析与输出集成；若所述调频模式为协同调频模式，对所述临时处理模组进行独立分析与协同影响分析。6.如权利要求1所述的方法，其特征在于，所述基于所述拟真制动模型，对所述目标变频控制参数集进行试控分析与调优，所述方法包括：基于所述拟真制动模型，对所述目标变频控制参数进行匹配调控，获取拟真控制信息；交互所述拟真控制信息，进行控制偏移分析确定变频偏移系数；判断所述变频偏移系数是否满足偏移阈值，若满足，计算所述变频偏移系数与所述偏移阈值的差值，对所述目标变频控制参数集进行反馈补偿，生成所述预变频控制参数集。7.如权利要求6所述的方法，其特征在于，所述进行控制偏移分析确定变频偏移系数，所述方法包括：基于所述目标变频控制参数集，确定预期控制信息；映射校对所述预期控制信息与所述拟真控制信息，生成多组信息序列；基于变频偏移系数表达式，遍历所述多组信息序列进行计算，获取所述变频偏移系数；所述变频偏移系数表达式如下：，其中，f为任一设备的变频偏移系数，为第i目标变频控制参数的配置权重，为第i目标变频控制参数对应的预期控制信息，为第i目标变频控制参数对应的拟真控制信息，n为目标变频控制参数集的参数数量。8.一种煤矿变频设备的自适应控制系统，其特征在于，用于实施权利要求1-7任一项所述的一种煤矿变频设备的自适应控制方法，包括：基本数据采集模块，所述基本数据采集模块用于确定待进行变频控制的设备组，遍历所述设备组针对设备规格与基准制动参量进行数据采集，生成设备数据库，所述设备数据库包括设备基础数据子库与电机基础数据子库，所述电机基础数据子库标识有控制基准值；制动数据获取模块，所述制动数据获取模块用于交互控制目标，获取实时制动场景，并基于传感监测装置采集确定制动监测数据；制动场景解析模块，所述制动场景解析模块用于进行所述实时制动场景解析，结合所述制动监测数据输入调频分析模型中，输出多组变频控制参数，所述多组变频控制参数与所述设备组一一对应；
控制参数寻优模块，所述控制参数寻优模块用于以所述控制基准值为约束，以所述控制目标为响应，对所述多组变频控制参数进行寻优，确定目标变频控制参数集；制动模型搭建模块，所述制动模型搭建模块用于连接可视化仿真平台，基于所述实时制动场景、所述煤矿变频设备与所述设备组搭建拟真制动模型；试控分析调优模块，所述试控分析调优模块用于基于所述拟真制动模型，对所述目标变频控制参数集进行试控分析与调优，确定预变频控制参数集；软制动控制模块，所述软制动控制模块用于基于所述预变频控制参数集，匹配并传输至对应的所述煤矿变频设备，进行所述设备组的电机软制动控制。

技术总结
本发明提供了一种煤矿变频设备的自适应控制方法及系统，涉及设备控制技术领域，包括：针对设备规格与基准制动参量进行数据采集，交互控制目标获取实时制动场景，采集确定制动监测数据，进行实时制动场景解析，结合制动监测数据输入调频分析模型中，输出多组变频控制参数，对多组变频控制参数进行寻优，确定目标变频控制参数集，建拟真制动模型，进行试控分析与调优确定预变频控制参数集，匹配并传输至对应的煤矿变频设备，进行设备组的电机软制动控制。本发明解决了煤矿设备的电控系统运行工况多变，存在机械执行机构动作不稳定、动作延时不固定、信号反馈滞后严重、依赖对象模型精度等缺陷，直接影响了控制系统的性能和实施效果的技术问题。的技术问题。的技术问题。


技术研发人员：宋玉斌 安郁熙 艾国昌 张东岳 宋善林 武宗方 左兴喜 崔遵帅 吕有良 王瑞 马凯 王长松 陈柏成
受保护的技术使用者：华夏天信智能物联股份有限公司
技术研发日：2023.09.12
技术公布日：2023/10/20