基于数字孪生和深度强化学习的矿井超前液压支架自适应抗冲支护方法
张帆1
邵光耀2
李昱翰2
李玉雪2
1.中国矿业大学(北京)人工智能学院,北京 100083;煤矿智能化与机器人创新应用应急管理部重点实验室,北京 100083;中国矿业大学(北京)智慧矿山与机器人研究院,北京 1000832.中国矿业大学(北京)人工智能学院,北京 100083
摘要：受深部开采冲击地压等地质灾害扰动的影响,存在矿井超前支护系统自感知能力差、智能抗冲自适应能力弱、缺乏决策控制能力等问题.针对上述问题,提出了一种基于数字孪生和深度强化学习的矿井超前液压支架自适应抗冲支护方法.通过多源传感器感知巷道环境和超前液压支架支护状态,在虚拟世界中创建物理实体的数字孪生模型,其中物理模型精确展现超前液压支架的结构特征和细节,控制模型实现超前液压支架的自适应控制,机理模型实现对超前液压支架自适应支护的逻辑描述和机理解释,数据模型存储超前液压支架实体运行数据和孪生数据,仿真模型完成超前液压支架立柱仿真以实现超前液压支架与数字孪生模型虚实交互.根据基于深度Q网络(DQN)的超前液压支架自适应抗冲决策算法,对仿真环境中巷道抗冲支护进行智能决策,并依据决策结果对物理实体和数字孪生模型下达调控指令,实现超前液压支架智能控制.实验结果表明:立柱位移与压力变化一致,说明超前液压支架立柱仿真模型设计合理,从而验证了数字孪生模型的准确性;基于DQN的矿井超前液压支架自适应抗冲决策算法可通过调节液压支架控制器PID参数,自适应调控立柱压力,提升巷道安全等级,实现超前液压支架自适应抗冲支护.
关键词：矿井智能抗冲超前液压支架自适应支护数字孪生深度强化学习深度Q网络DQN
分类号：TD67/355(矿山电工)
资助基金：国家重点研发计划(2022Z03010004)国家自然科学基金(52374165)国家自然科学基金(52121003)
论文发表日期：2024-06-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 23-29,45 )
英文信息