基于Q learning模型的智能化放顶煤控制策略 论文

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。