王利栋，王 政

(1.大同煤矿集团有限责任公司同大科技研究院，山西 大同 037003；2.中国矿业大学机电工程学院，江苏 徐州 221116)

0 引 言

矿井提升机是一个复杂的非线性时变系统，不同的提升载荷对紧急制动下提升机制动性能有着较大的影响，而恒减速制动方式能够很好地保障紧急制动的安全性。当发生紧急情况时，恒减速制动通过改变盘闸压力值，可以使提升机以不变的减速度停车[1]。以上功能的实现，依赖于对控制策略的研究。

当前，提升机恒减速系统的控制策略仍然以PLC内置的PID控制为主[2]，但参数确定后便不可再进行微调，往往无法适应复杂的恒减速制动工况，更无法满足紧急制动情况下响应迅速，制动平稳的要求，在此基础上，有学者提出了模糊PID控制[3]，将离线的模糊规则与PID相结合，使参数可以在一定程度上进行微调，提高了控制精度，但无法针对整个提升过程，尤其是对突发状况做出更加合理的判断，仅仅是控制算法上的优化，且其性能过于依赖模糊规则的设定，因此，有学者提出了BP神经网络PID控制方法，将神经网络结构引入恒减速系统中，通过迭代训练反向优化权值与阈值[4]，从而动态地微调PID参数值，弥补了此前研究的不足。但恒减速控制系统多数以PLC作为控制器，PLC对神经网络的处理能力较弱，同时会占用其他安全策略的反应时间，增加了制动系统不确定风险。

本着使PID参数更加精确的原则，本文引入模糊神经网络PID算法，将离线的模糊规则与可反复迭代优化的BP神经网络相融合，既满足了可根据不同工况微调PID参数值的要求，又解决了PLC处理大量数据能力不足，影响整个安全策略可靠性的问题，并对恒减速装置的控制策略做进一步优化探究。……