煤炭科学技术

作者：刘鹏, 朱延, 马宏伟, 曹现刚, 张旭辉, 段学超, 周昊晨, 乔心州, 夏晶,

关键词：欠约束并联机器人, 临时支护, 运动控制, 优化算法, 神经网络, 模糊系统,

护盾式智能掘进机器人系统有效的解决了煤矿开采中“采掘失衡、采快掘慢”难题。临时支护机器人作为该系统的重要组成部分，尽管在提升作业效率上发挥了重要作用，但由于结构限制，仅能实现竖直方向的升降运动，难以有效应对复杂巷道的临时支护作业。为解决临时支护机器人运动受限难题，设计了一种欠约束临时支护机器人，并提出了一种基于RBF神经网络分块逼近的终端滑模控制方法，以实现欠约束临时支护机器人的高精度运动控制。首先，利用修正的G–K公式对该机器人的自由度进行了分析，针对欠约束临时支护机器人正运动学难以求解问题，建立了几何静力耦合模型，提出了一种改进的蜣螂优化算法，对正/逆几何静力问题进行求解，并对几何静力问题进行了仿真；其次，设计了一种基于RBF神经网络分块逼近的终端滑模控制器。针对末端支护平台参数矩阵的不确定，使用多组RBF神经网络对其逼近，根据自适应律在线调整权值，实现了动力学模型的重构，并设计鲁棒项消除模型重构误差和外部扰动。为缓解控制器存在的抖振问题，设计了模糊系统自适应逼近切换增益来代替鲁棒项，并利用Lyapunov准则证明了控制系统的稳定性。最后，以平面圆轨迹为例进行仿真。结果表明：改进的蜣螂优化算法对正/逆运动学单点验证精度均小于10–20，连续运动学求解结果良好。使用RBF神经网络分块逼近的终端滑模控制方法对预定轨迹的位置跟踪误差为0 ～ 0.011 m，姿态跟踪误差为0 ～ 0.003 1°，与RBF神经网络整体逼近和PD控制相比最大跟踪误差分别减少了99.0%、95.5%，均方根误差分别减少了98.3%、96.5%。证明了基于RBF神经网络分块逼近的终端滑模控制方法能进一步提高欠约束临时支护机器人的运动控制精度，在受到外界干扰的情况下具有更强的鲁棒性。

来源：2025年第8期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2025年第8期