基于Q-learning模型的智能化放顶煤控制策略

• 作者: 李化敏 李庆元 杨艺 费树岷
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 放顶煤 煤矸分离 强化学习 智能放煤控制 群组放煤 Q-learning模型
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 实验研究
• 页码范围: 72-79
• 页数: 8页
• 分类号: TD823.97
• 字数: 6087字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2019110001

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	费树岷	东南大学自动化学院	367	3210	27.0	37.0
2	李化敏	河南理工大学能源科学与工程学院	80	1262	19.0	33.0
3	杨艺	河南理工大学电气工程与自动化学院	26	140	5.0	11.0
4	李庆元	河南理工大学电气工程与自动化学院	1	0	0.0	0.0