基于长短期记忆-深度Q值网络的异构机器人煤矸协同分选方法
张杰1
夏蕊1
李博1
王学文1
李娟莉1
徐文军2
1.太原理工大学机械与运载工程学院,山西太原 0300022.太原理工大学机械与运载工程学院,山西太原 030002;山西量界数字科技有限公司,山西太原 030000
摘要：[目的]提高传统的单一类别煤矸分选机器人在面对形状、尺寸差异较大的矸石时的适应性,分析异构机器人工作特性,实现异构机器人协同分选.[方法]基于深度Q值网络(deep Q network,DQN)提出异构机器人协同分选模型;分析协同工作分选流程制定决策框架,根据强化学习所需,设计交互环境,构建智能体连续的状态空间奖惩函数,长短期记忆网络(long short term memory,LTSM)和全连接网络相结合,构建DQN价值和目标网络,实现强化学习模型在工作过程中的任务分配.[结果]协同分选模型与传统顺序分配模型相比,在不同含矸率工作负载下,可提高分选效益0.49％～17.74％;在样本含矸率为21.61％,传送带速度为0.4～0.6 m/s的条件下,可提高分选效率2.41％～8.98％.[结论]异构机器人协同分选方法可以在不同的工作负载下获得稳定的分拣效益,避免单一分配方案无法适应动态变化的矸石流缺陷.
关键词：异构机器人协同分选强化学习长短期记忆网络深度Q值网络
分类号：TP23(自动化技术及设备)TH6(专用机械与设备)TB4(工业通用技术与设备)
资助基金：国家自然科学基金(52204149)山西省自然科学基金(202103021223080,202203021221051)
论文发表日期：2024-06-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：11( 28-38 )
英文信息