基于Q-learning模型的智能化放顶煤控制策略

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.

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

所属期刊栏目：46

分类号：TD823.97(矿山开采)

资助基金：国家重点研发计划项目;河南省高等学校重点科研项目;河南省科技项目

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：72-79