基于最大熵卡尔曼滤波算法的液压支架调直方法

简介

现有液压支架调直方法受到传感器测量误差和液压支架推移误差的影响,使得调直误差较大;且在非高斯量测噪声环境下,传统基于卡尔曼滤波(KF)算法的调直方法对液压支架轨迹的预测准确度低,无法达到理想的调直效果。针对上述问题,提出了一种基于最大熵卡尔曼滤波(MCKF)算法的液压支架调直方法。首先根据液压支架的位置坐标和工作面推进方向确定调直参考直线;然后根据液压支架调直原理构建液压支架线性推移系统的状态方程和观测方程,经MCKF算法处理后得到液压支架推移后的预测轨迹;最后根据液压支架预测轨迹与调直参考直线解算出每架液压支架的推移距离补偿量,从而达到调直目的。仿真结果表明:与现有基于KF算法的调直方法相比,基于MCKF算法的液压支架调直方法能够有效降低量测噪声和过程噪声对液压支架直线度的影响,特别当量测噪声服从非高斯分布时,该方法的均方误差平均值仅为4.76 mm,远小于基于KF算法的调直方法的均方误差,可以更加准确地预测液压支架的真实轨迹,使调直后液压支架的直线度误差降低了36%,有效提高了调直精度,且液压支架直线度误差只与本次调直过程有关,有效避免了累计误差。