基于惯性测量单元的刮板输送机形态监测

摘要

刮板输送机作为综采工作面的核心运输装备,准确感知其形态是提升其带载能力、缓解传动冲击、改善综采工作面直线度的重要前提。目前常用的刮板输送机形态间接测量方法难以准确表征其形态,导致测量模型误差较大。针对该问题,采用惯性测量单元直接测量刮板输送机中部槽原始位姿信息,实现刮板输送机形态数据的准确获取。采用融合Heursure阈值规则和新阈值函数的小波阈值去噪方法滤除中部槽运动加速度信号中的噪声干扰,在此基础上分析了中部槽运动特征,设计了基于随机森林的中部槽运动状态识别模型,根据运动状态识别结果采用不同的策略更新中部槽位置,减小了随时间累计的IMU数据误差,提升了IMU位置解算精度。设计了改进哈里斯鹰优化(HHO)算法优化无迹卡尔曼滤波(UKF)进行中部槽姿态解算,通过实验验证了该方法解算的姿态角满足中部槽姿态测量要求。搭建了刮板输送机形态监测实验平台,对基于运动状态识别和改进HHO优化UKF的刮板输送机形态解算方法进行实验验证,结果表明:刮板输送机进行单次推溜且步距为250 mm时,由10节中部槽组成的刮板输送机在底板水平工况下,X,Y轴方向上位移的最大累计误差分别为6.4,8.4 mm,Z轴方向上位移始终保持不变,俯仰角、横滚角和航向角的最大累计误差分别为-0.148,-0.035,0.457°;在底板起伏工况下,X,Y,Z轴方向上位移的最大累计误差分别为6.6,11.5,6.9 mm,俯仰角、横滚角和航向角的最大累计误差分别为-0.540,-0.157,0.817°。该方法可有效抑制累计误差,降低测量误差,实现刮板输送机形态的准确感知。