申请/专利权人：东北大学

申请日：2019-12-13

公开（公告）日：2021-04-13

公开（公告）号：CN110928181B

主分类号：G05B11/42(20060101)

分类号：G05B11/42(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.04.13#授权;2020.04.21#实质审查的生效;2020.03.27#公开

摘要：本发明涉及岩石力学试验机控制技术领域，提供一种真三轴面扰动下硬岩峰后破坏过程智能控制方法。首先确定PID控制参数影响因素包括扰动力幅值、扰动力频率、变形控制速率、岩石脆性指标；然后在n种不同岩石的PID控制参数影响因素的每种参数组合下进行调试试验，得到最优PID控制参数，形成训练样本集；接着，构建并训练基于进化神经网络的PID控制参数预测模型；最后，利用训练后的预测模型预测待试验岩石的最优PID控制参数来控制其在面扰动下的硬岩峰后破坏过程，并根据试验结果更新训练样本集，进一步优化预测模型。本发明能够动态优化PID控制参数及PID控制参数预测模型，提高了PID控制参数预测的精度、效率。

主权项：1.一种真三轴面扰动下硬岩峰后破坏过程智能控制方法，其特征在于，包括下述步骤：步骤1：确定岩石真三轴面扰动试验中PID控制参数Kp,Ki,Kd的影响因素包括扰动力幅值、扰动力频率、变形控制速率、岩石脆性指标；步骤2：进行调试试验以构建数据库：步骤2.1：对n种不同岩石进行矿物成分分析，获取每种岩石的脆性矿物含量、黏土矿物含量、硅酸盐岩矿物含量，计算每种岩石的岩石脆性指标＝脆性矿物含量脆性矿物含量+黏土矿物含量+碳酸盐岩矿物含量；步骤2.2：对n种不同岩石的扰动力幅值、扰动力频率、变形控制速率、岩石脆性指标进行正交设计，得到n4种参数组合；利用每一种参数组合对岩石进行真三轴面扰动调试试验，采用最小二乘法获取扰动力目标曲线中的时域数据与扰动力实际响应曲线中的时域数据之间的误差平方和最小时的PID控制参数作为该参数组合下的最优PID控制参数；每种参数组合下的扰动力幅值、扰动力频率、变形控制速率、岩石脆性指标及最优PID控制参数构成一个训练样本，n4个训练样本构成训练样本集；在真三轴岩石力学试验机的控制系统中建立数据库，将训练样本集存入数据库中；步骤3：以扰动力幅值、扰动力频率、变形控制速率、岩石脆性指标为输入、最优PID控制参数为输出，构建基于进化神经网络的PID控制参数预测模型；步骤4：利用训练样本集对PID控制参数预测模型进行训练；步骤5：提取待试验岩石的扰动力幅值、扰动力频率、变形控制速率、岩石脆性指标输入训练后的PID控制参数预测模型中，输出待试验岩石的最优PID控制参数预测值，利用待试验岩石的最优PID控制参数预测值对待试验岩石在真三轴面扰动下的硬岩峰后破坏过程进行控制：若峰后应力应变曲线不出现压崩，则试验成功，将待试验岩石的扰动力幅值、扰动力频率、变形控制速率、岩石脆性指标及最优PID控制参数预测值作为新的训练样本加入训练样本集中，将训练样本集存入数据库中，转至步骤4；若峰后应力应变曲线出现压崩，则试验不成功，利用待试验岩石的扰动力幅值、扰动力频率、变形控制速率、岩石脆性指标对待试验岩石进行真三轴面扰动调试试验，采用最小二乘法获取扰动力目标曲线中的时域数据与扰动力实际响应曲线中的时域数据之间的误差平方和最小时的PID控制参数作为待试验岩石的最优PID控制参数，将待试验岩石的扰动力幅值、扰动力频率、变形控制速率、岩石脆性指标及最优PID控制参数作为新的训练样本加入训练样本集中，将训练样本集存入数据库中，转至步骤4。

全文数据：

权利要求：

百度查询： 东北大学 一种真三轴面扰动下硬岩峰后破坏过程智能控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD