随着智能控制技术的发展,结合煤矿井下开采环境,实现工作面“少人”以及“无人化”开采是井下安全、高效生产的关键,同时也是煤矿智能开采的重要发展方向。刮板输送机作为综采工作面的主要运煤设备,承接采煤机开采过程中的落煤,且负载存在非线性、不稳定的特征,容易使刮板输送机因载荷突变而引起故障等问题。本文对刮板输送机电流进行特征幅值信息提取,引入卷积神经网络预测算法对刮板输送机负载进行预测,并以此作为刮板输送机速度控制的依据,利用模糊PID控制完成刮板输送机的速度调节。具体的研究工作如下:(1)针对煤矿井下采运不平衡问题以及智能化的要求,分析刮板输送机的组成原理以及传动系统的特点,制定基于刮板输送机负载预测的调速控制总体方案;对浅层神经网络算法与深层神经网络算法进行分析,选定本文刮板输送机负载预测的算法。(2)通过分析刮板输送机负载与电流之间的映射关系,以减速器齿轮啮合频率的幅值信息作为刮板输送机负载特性的表征;利用煤矿井下采集的电流数据进行去工频等处理,提取负载的特征幅值数据信息,建立负载幅值数据集,为刮板输送机负载预测模型提供数据支持。(3)对卷积神经网络的网络架构以及特点进行分析,结合刮板输送机的短时特征性质,提出基于一维卷积的刮板输送机负载预测方法;建立基于卷积神经网络的刮板输送机负载预测模型,通过历史数据与预测数据的对比分析,验证模型的有效性,为煤矿井下刮板输送机负载预测研究提供实验室基础。(4)在对刮板输送机负载进行预测的基础上,设计刮板输送机调速控制系统,利用模糊PID控制器幅值反馈的方式,以啮合频率幅值变化作为输入,实现刮板输送机的速度调节;利用Simulink软件仿真的方式对模糊PID控制器性能进行验证,并采用粒子群算法对其控制参数进行优化,使控制更加准确与高效。