翻车机全自动给料控制的实现方法与应用

杨亚峰　唐永健　高　峰

神华天津煤炭码头有限责任公司



翻车机全自动给料控制的实现方法与应用

杨亚峰唐永健高峰

神华天津煤炭码头有限责任公司

鉴于国内采用的C型或O型翻车机全自动给料系统在每列车建立给料模型后，大都需要继续确定合适给料参数，因此存在给料系统建模时间过长、系数变化大、流量控制不稳定等情况，根据翻车机给料系统的组成和工作运行特性，为减少或消除一般全自动给料控制方式中的上述缺陷，提出一种给料参数智能构建、自动修正的全自动给料控制方案，从而实现翻车机全自动给料作业中给料参数的智能构建、自动修正功能。

全自动给料； 智能构建； 自动修正

1　前言

目前，国内翻车机给料系统大多已经开始通过改造实现全自动给料作业，其通常做法是在每列车建立给料模型后，继续确定合适给料参数，存在建模时间长、建模过程中系数变化大、流量控制不稳定等情况，对翻车机的作业效率影响大。因此通过优化或改进给料模型的建立，缩短寻找合适给料参数时间，确定合适的给料参数，对提高翻车机作业效率，具有重要的作用和意义[1]。

2　翻车机给料系统的组成

专业化装卸的港口企业使用的C型或O型翻车机给料系统组成如图1所示，包括存储物料的漏斗、卸料动力装置振动给料器、检测漏斗内物料多少的料位传感器、物料流量计量用的皮带秤、检测物料流动的料流开关和输送物料的皮带机等。

图1　翻车机给料系统组成图

各组成部分的作用如下：

(1) 存储物料的漏斗：用于暂存翻车机翻卸出的物料，通常能够存放4节车厢的物料；

(2) 卸料动力装置振动给料器：用于将漏斗中暂存的物料运送到漏斗下方的皮带机上，通常安装偏心凸轮电机,由变频器驱动；

(3)检测漏斗内物料多少的料位传感器：由漏斗底角支座上安装的称重传感器和相关控制器组成，用于检测漏斗中物料的重量；

(4)物料流量计量用的皮带秤：由皮带机托辊支架上安装的负载称重传感器和相关积分仪组成，用于测算皮带机上输送物料的瞬时重量；

(5)检测物料流动的料流开关：一般用倾斜水银开关，用于检测漏斗振动给料器上是否存在物料；

(6)输送物料的皮带机：将振动给料器输出的物料输送到远方设备[2]。

3　全自动给料作业模型智能构建、自动修正给料系统的设计

3.1影响全自动给料作业模型智能构建、自动修正给料系统的相关因素

(1)煤种不同。因为煤种发热量不同，其构成差异较大，造成不同煤种间密度差异大。以某公司日常作业的煤炭为例，分为数十种，其密度分布在0.8～1.1 g/cm3之间，区别很大。

(2)翻卸煤炭实际状况差异。因煤炭采用敞车运输，受天气因素影响大，如下雨、冻煤等。以某公司双翻卸车为例，翻卸前后不同状况下2节车厢内煤炭重量最大有100 t左右的偏差。

(3)翻卸车型不同。目前有C80、C64、C70、C62等多种敞车车型，不同车型装载物料重量大不相同。如C80、C64车型之间，一节C80车型装载煤炭重量为80 t，一节C64车型装载煤炭重量为64 t，加上各种超吨或欠吨，两者之间装载量偏差可达30 t以上。以某公司双翻卸车为例，每次翻卸2节车厢重量偏差最大能超过60 t。

(4)系统滞后。物料流量计量用的皮带秤一般安装在给料漏斗的前方(皮带机运行方向为前)，物料从振动给料器将物料输送到皮带机上，到由皮带秤测算出瞬时流量反馈给自动给料系统存在一定的滞后时间。

(5)给料系统控制非线性。振动给料机频率与皮带上的瞬时流量没有线性关系，通过实际测算，皮带秤从开始给料到给料量基本稳定大致需要100 s左右的时间(皮带机由空载变成重载时，皮带物料流量一直处在变化中)。

(6)漏斗料位波动大。振动给料机频率根据5个漏斗料位和流量由各自的变频器实时控制，单个漏斗料斗对应的变频器频率需要实时调整，因煤种及设备硬件因素影响，漏斗之间料位波动大。

3.2全自动给料作业模型智能构建、自动修正给料系统的设计目标及相关变量

根据皮带秤反馈的瞬时流量和给定目标值，以最短的时间得到一个合理的输出量(变频器总给料速度)，合理分配到5个料斗中，使翻车机5个漏斗能够平稳、高效地给料，确保皮带秤瞬时流量稳定在目标设定值附近。

全自动给料作业模型智能构建、自动修正给料系统的相关变量包括：被控量，即翻车机皮带秤所测得的瞬时流量；给定值，即皮带瞬时流量的目标值稳定在4 000 t/h；输出量，即5个料斗对应的振动给料器变频器频率给定值。

3.3全自动给料作业模型智能构建、自动修正给料系统的控制原理

由于煤种、车型和给料系统设备之间关系比较复杂，且有大滞后的特点，不易建立系统模型，大滞后也极易导致超调，无法用普通PID等过程控制方法进行调整。但考虑每一列车中的煤种和车型都是单一的，模型是相对稳定的，故笔者设计出一种控制方法，即在每一列车开始智能构建阶段，通过PLC程序设定给料作业模型，用一套固定测试参数给料一段时间后得出该列车所对应的模型数值，据此模型数值通过相应公式计算出初始给料的参考值、皮带超量给料保护值等，然后比较5个漏斗料斗料位，将初始给料的参考值按设定比例分配给各个漏斗变频器。根据皮带瞬时流量与给料流量目标值的比较，分段对初始给料的参考值进行调整，并将其增减量按设定方式分配到各个漏斗，直至流量调整到目标值并保持稳定，然后将该给料参数存储到参数数据库中。

在后续的卸车过程中，用上述方式得出本列车所对应的模型数值，如果参数数据库中存在该分段模型数值对应的参数，则直接调用该参数值。该方法大大缩减了模型数值建立后的后续寻找、调整参数时间。此后进入自动修正阶段，如果在参数数据库中存在该分段模型数值对应的参数，在后续作业中稳定给料时的参数和参数数据库中出入较大，根据设定条件，能够自动对参数数据库中存储参数进行修正，从而使得全自动给料作业模型具备智能构建、自动修正功能。

4　全自动给料作业模型智能构建、自动修正给料系统的实现

翻车机给料系统给料运行方式为：翻车机先将物料翻卸到存储物料的5个漏斗中，再通过每个漏斗上安装的垂直于料流方向的振动给料器和相关皮带机，将物料输送到远方设备。每台振动给料器由两台偏心凸轮电机通过变频器变频调节驱动，以此来控制振动给料器的振动频率，从而实现物料流量大小的控制。本方案设计是由PLC控制系统根据皮带秤、漏斗料位传感器、料位开关等设备采集的相关信息，完成全自动给料作业重量模型的构建，针对构建的重量模型再结合实际给料情况，由PLC系统再对给料参数进行智能构建和自动修正，最后将其转化为给料变频器的设定频率，调整凸轮电机振动速度实现对振动给料器给料量的控制，从而实现翻车机给料参数智能构建、自动修正的全自动给料控制[3]。具体流程如图2所示。

本方案的具体实现方式如下：

图2　智能构建、自动修正全自动给料流程图

(1)建立模型。在每一列车开始翻卸阶段，进入“自学习”模式，即给5个料斗分配一套初始给料速度0.575,1.25,1.2,1.25.0.575，共计4.85。(这是一套经验系数，对于所有类型列车在此系数下翻车后，皮带流量均在2 700～3 900 t/h之间。)皮带料流稳定后(约25 s左右)，计算其后30 s内的平均流量，并将该值阶梯分段处理，作为所卸车量的初始重量模型值A。

(2) 计算初始给料系数。计算该模型值对应皮带秤流量为4 000 t/h的比例输出值B=4.85×4 000/A,将B作为初始总给料系数。同时该数值通过一定比例放大后得到C(C=B×1.05，其中1.05为经验值)，C作为一个安全值对总给料参数进行安全保护限制，即寻找合适给料参数过程中总给料参数调整后的最大数值为C。

(3) 漏斗料斗料位处理及排序。考虑到各振动给料器实际给料中机械结构、物料类型、漏斗料位等因素，即使在同一给定给料参数时，料斗之间给料速度也存在差异，因为各漏斗料位是实时变化的。因此本方案采用冒泡法对5个料斗进行分段量化值排序，该方式避免了对漏斗料位频繁进行大小排序。

(4)初始给料系数分配。分配原则是漏斗料位最高的给料参数最大，反之最小。在计算出初始总给料系数后，根据各漏斗料位按比例分配5个漏斗的给料参数，先给1～5号中最高料位的料斗分配参数BUVmax，由于变频器输出的电机频率存在上限(最大频率为50 Hz，对于设定参数为1.5)，现场单个料斗给料系数不能超过1.5，若BUVmax>1.5,则直接给其分配给料参数1.5，并将初始总给料系数减去1.5作为再次分配的总给料系数，再对其余4个料斗进行分配。分配方式依此类推，直至5个漏斗分配完毕。

此外，若存在某一漏斗总是料位较低的情况，则优先分配该漏斗给料系数，例如在本方案测试中，1号翻车机的5号料斗料位总是较低，可根据该漏斗料位情况分配几档固定速度给此料斗(V5)，则剩余料斗料位分配的总参数为B-V5。

5个漏斗初始给料参数分配完成25 s后，根据皮带当前瞬时流量与目标流量的差值D, 对给料系数进行调整。定义D在正负50之间为死区，将D分为8档:D≤-300,-300700。根据不同档位设定不同的总调整增量I和调整周期T。超量时敏感度大，设置调整周期短，总调整增量I为负数；不足量时差值绝对值越大，调整总调整增量I值为正值越大。调整总调整增量I按一定比例分配给5个漏斗，使料斗系数小量连续调整，保证系统趋于稳定。根据前期建立的模型，在2 700～3 900 t/h之间建立重量模型对应的给料参数存储数据库(每100 t为一段，即2 700～2 800，2 800～2 900以此类推)，用于存储不同重量模型值，在经过实际给料运行测试调整，皮带秤在规定的时间内稳定在目标流量正负20 t/h的总给料参数值，即在目标流量稳定达到程序设定条件后自动将当前5个漏斗设定给料参数相加，存储到给料参数存储数据库中。

在后续所卸车通过“自学习”模式阶段，首先通过固定给料参数4.85测出所卸车物料皮带流量处在2 700～3 900 t/h的那个区间段内，如果参数存储数据库存在已经实际测试过的给料参数总设定值，直接调用该总参数作为初始总给料系数，然后对5个漏斗进行参数分配。该方式直接跳过寻找合适给料总参数的过程，减少了调整频次，同时也保证了给料流量的稳定。使用参数存储数据库的优势在于大大节省了寻找参数时间，提高了作业效率。

在给料参数存储数据库中已存在测试过的给料参数总设定值时，如果在作业过程中该参数被系统调用，经过一段时间的运行，在目标流量稳定达到程序设定条件后，如果流量能够稳定35 s，则系统会自动比较实际运行参与测试过的给料参数总设定值偏差是否在合理范围内。如果偏差不在合理范围内，则自动将给料参数存储数据库中存储的测试过的给料参数总设定值替换为当前5个漏斗相加的给料参数值之和；如果偏差在合理范围内，则保留原数值，通过此方式完成给料参数值的自动修正。

考虑到全自动给料只是翻车机作业的一个环节，翻车机其他作业环节也可能存在影响全自动给料作业的情况，本方案设计根据翻车机作业的特点，采取针对性措施来保证全自动给料效率。

(1)因设备故障原因造成5个漏斗物料给空，再次翻车后会造成流量瞬时过大的情况。本方案是在漏斗料流开关检测到漏斗物料给空后，系统就会自动减小给料系数，确保不出现瞬时超量给料。

(2)本方案会通过相关条件(流量设置条件)触发自动再次进行重量模型建立，主要是因为实际卸车中发现同一列车不同的车厢内的煤炭重量有时差别较大，前期建立的模型可能并不适用后面的卸车作业，从而造成超量或给料流量偏小影响作业效率。通过再次重量模型的构建来与物料实际保持一致，从而确保给料准确、有效[4]。

(3)完善上位机自动给料作业运行状态监控及相关参数修正界面，如自动给料运行情况、给料参数实时数值、人工修改给料参数或限定最大给料流量等，确保全自动作业有效稳定、可控运行。

5　全自动给料作业智能构建、自动修正给料系统方案的应用情况

本方案在神华天津煤炭码头有限责任公司的4台C型翻车机投入实际应用，测试效果令人满意。按C80车型每列车4 640 t来计算，每列车的作业运行时间平均为79 min(整个作业时长)，给料效率平均为3 523 t/h(皮带机设计卸料能力为4 000 t/h)。该作业效率基本与公司优秀作业人员手动作业效率一致，因此该全自动给料作业智能构建、自动修正给料系统方案完全可以替代现有的人工手动给料作业操作。

本方案解决了一般的自动给料系统模型建模时间过长、系数变化大、流量控制不稳定、对翻车机的作业效率影响大等问题，实现了翻车机全自动给料作业给料参数的智能构建、自动修正功能，减少了调整频次，同时也保证了给料流量的稳定，提高了作业效率，具备推广应用实施的可行性和实用性。

[1]邵龙成. 国内翻车机技术的发展[J]. 起重运输机械, 2011(6):37.

[2]杨亚峰. KM80B底开门自卸车的卸车工艺[J].华电技术, 2010(11):36-38.

[3]Logix5000 Contrlollers System Reference. Rockwell Software June 2005.

[4]杨亚峰. 翻车机全自动给料作业的实现[J].港口装卸. 2013(02):35-38.

杨亚峰: 300452, 天津市塘沽区南疆港区

The Method of Fully Automatic Feeding Control of the Car Dumper and its Application

Yang YafengTang YongjianGao Feng

Shenhua Tianjin Coal Terminal Co., Ltd.

Since the domestic C-type or O-type car dumper automatic feeding systemshould be provided with appropriate feeding parameters after establishing the feeding model for each car dumper, there several problems may exist, such as long time for establishing feeding models, large varied ranges of coefficients, and instability of flow control. Based on the composition and operational characteristics of the car dumper feeding system and with the purpose to reduce or eliminatethe defects in the normal full automatic feeding control operation, this paper puts forward a full automatic feeding control scheme which can achieve intelligent input and automatic correction of feeding parameters.Through the production practice, these advantageous functions are validated.

full automatic feeding; intelligent modeling ; automatic correction

2016-08-06

10.3963/j.issn.1000-8969.2016.05.009