在巷道掘进过程中，由于巷道地应力的作用，顶板会产生塑性变形或松动破坏，巷道掘进后顶板不能得到有效支护，经常会造成顶板掉矸、冒落等事故，威胁工人生命安全。为了对巷道顶板进行有效支护，应防止过支护和欠支护对顶板造成破坏，研究临时支架的支撑力自适应控制，使支护支架的支撑力能够与矿压相适应。目前国内外对临时支架的支撑力自适应控制研究尚处于起步阶段，为了使临时支架的支撑力更好地与矿压相适应，提高支架的支护能力，本文通过PSO-BP神经网络优化PID控制参数，并通过优化后的PID算法对临时支架支撑力系统进行控制。

       临时支架支撑力控制系统主要由支撑液压缸、电液伺服阀、溢流阀、油液压力传感器等组成。在临时支架上安装压力传感器，对巷道顶板压力进行实时检测，通过换算得到液压油所需提供的油液压力。通过油液压力传感器检测油液压力，并与液压油所需提供的油液压力进行比较，获得支撑力和顶板压力偏差的误差信号，控制器接收到误差信号并进行分析处理后，产生控制电压信号。电液伺服阀根据经放大器放大的控制信号调整开口大小，控制油缸内的油压，使支架的支撑力能够跟随矿压变化，实现临时支架的自适应控制。

       利用PSO算法的全局搜索能力及快速收敛特性对BP神经网络的初始权值进行优化，再通过优化后的BP神经网络实现PID参数在线自调整，即构建PSO-BP神经网络优化PID控制器，以有效改善神经网络的收敛速度和训练能力，提高对复杂系统的控制能力。PSO-BP神经网络优化PID控制器的控制算法步骤如下：

       1）确定BP神经网络的结构。

       2）初始化粒子的位置和速度。

       3）计算粒子的适应度值。为使临时支架的支撑力能够跟随巷道顶板来压，以支撑力与顶板来压的误差平方作为适应度函数，以此判断粒子位置优劣。

       4）每个粒子以个体最佳位置及群体最佳位置作为目标进行移动，不断调整粒子的速度和位置，获得经PSO优化后的BP神经网络的初始权值。

       5）BP神经网络根据输入信号及权值信息对输出信号进行计算，得到优化后的PID参数。计算得到PID输出及临时支架液压系统输出的支撑力。

       6）BP神经网络通过反向传播调整各层的权值，实现对PID参数的在线自动更新。

       用单位阶跃信号模拟临时支架的期望初撑力进行实验验证，结果表明，PSO-BP神经网络优化PID控制器能以较快的速度和较高的精度对临时支架这种复杂系统进行控制，调整时间仅为0.5 s且超调量为0，控制效果优于 BP神经网络优化PID控制器及传统PID控制器。

       用单位阶跃信号模拟临时支架的期望初撑力进行实验验证，结果表明，PSO-BP神经网络优化PID控制器能以较快的速度和较高的精度对临时支架这种复杂系统进行控制，调整时间仅为0.5 s且超调量为0，控制效果优于 BP神经网络优化PID控制器及传统PID控制器。

田劼 (1982—)，女，山西太原人，教授，博士，主要研究方向为机器人化矿山综掘智能控制，E-mail：tianj@cumtb.edu.cn。

田劼，李阳，张磊，等. 基于PSO−BP神经网络的临时支架支撑力自适应控制[J]. 工矿自动化，2023，49(7)：67-74.

TIAN Jie, LI Yang, ZHANG Lei, et al. Adaptive control of temporary support force based on PSO-BP neural network[J]. Journal of Mine Automation，2023，49(7)：67-74.