留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Q-learning模型的智能化放顶煤控制策略

李庆元 杨艺 李化敏 费树岷

李庆元 ,杨艺 ,李化敏,等.基于Q-learning模型的智能化放顶煤控制策略[J].工矿自动化,2020,46(1):72-79..  doi: 10.13272/j.issn.1671-251x.2019110001
引用本文: 李庆元 ,杨艺 ,李化敏,等.基于Q-learning模型的智能化放顶煤控制策略[J].工矿自动化,2020,46(1):72-79..  doi: 10.13272/j.issn.1671-251x.2019110001
LI Qingyuan, YANG Yi, LI Huamin, et al. Intelligent control strategy for top coal caving based on Q-learning model[J]. Industry and Mine Automation, 2020, 46(1): 72-79. doi: 10.13272/j.issn.1671-251x.2019110001
Citation: LI Qingyuan, YANG Yi, LI Huamin, et al. Intelligent control strategy for top coal caving based on Q-learning model[J]. Industry and Mine Automation, 2020, 46(1): 72-79. doi: 10.13272/j.issn.1671-251x.2019110001

基于Q-learning模型的智能化放顶煤控制策略

doi: 10.13272/j.issn.1671-251x.2019110001
基金项目: 

国家重点研发计划项目(2018YFC0604502)

河南省高等学校重点科研项目(19A413008,17A480007)

河南省科技项目(192102210100,172102210270)

详细信息
  • 中图分类号: TD823.97

Intelligent control strategy for top coal caving based on Q-learning model

  • 摘要: 传统的综放工作面放顶煤控制存在顶煤采出率低、出煤含矸率高等问题,而现有智能决策方法又存在建模困难、学习样本难以获取等障碍。针对上述问题,在液压支架放煤口动作决策过程中引入强化学习思想,提出一种基于Q-learning模型的智能化放顶煤控制策略。以最大化放煤效益为主要目标,结合顶煤放出体实时状态特征及顶煤动态赋存状态,采用基于Q-learning的放顶煤动态决策算法,在线生成多放煤口实时动作策略,优化多放煤口群组协同放煤过程,合理平衡顶煤采出率、出煤含矸率的关系。仿真和对比分析结果表明,该控制策略的顶煤平均采出率为91.24%,比传统“见矸关窗”的放煤方法提高约15.8%;平均全局奖赏值为685,比传统放煤方法提高约11.2%。该控制策略可显著减少混矸、夹矸等现象对放煤过程的影响,提高顶煤放出效益,减少煤炭资源浪费。

     

  • 加载中
计量
  • 文章访问数:  32
  • HTML全文浏览量:  3
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-01-20

目录

    /

    返回文章
    返回