基于多智能体强化学习的煤矿智能瓦斯巡检机器人网络化控制研究
陈湘源
国能榆林能源有限责任公司,陕西 榆林 719000
摘要：为了提高煤矿井下瓦斯巡检的安全性和实时性,降低人工巡检带来的危险与效率低下问题,面向复杂巷道和高风险工况构建了一种融合感知与决策的智能化、网络化控制方法.以多智能体强化学习为总体框架,构建了嵌入式目标识别和协同路径规划双模块.感知层采用了结构剪枝与 8 bit量化的轻量化目标检测网络,通过多尺度特征融合与注意机制实现了对瓦斯管道、阀门装置、障碍物的高精度识别;决策层在蚁群优化算法基础上引入了局部最优引导、交叉变异与信息素自适应更新机制,形成了改进型蚁群优化算法以完成路径规划.在Gazebo三维矿井仿真数据集上,对所建模型与对比模型进行对比,并在真实矿井环境开展了 24 h小范围连续巡检试验,试验指标涵盖检测精度、均方根误差、路径规划成功率、收敛代数、系统故障率、能耗与数据丢包率等.仿真结果表明,模型在 50 次迭代后路径适应度达到 0.92,均方根误差 0.15,检测精度 88.3%,平均精度均值 90.1%;数据量 800 帧时的训练时间为 1.8 s,处理时延 3.2 s,较传统模型分别缩短了 28%和 20%.在真实矿井测试中,检测精度保持在 87.9%,综合故障率1.8%,通信中断率 0.6%,路径规划失败率 0.7%,平均响应时延 2.8 s,能耗 14.6 Wh,数据丢包率0.4%;在弱光与高湿度条件下检测精度仍保持在 85%以上,路径规划成功率在 95%左右.研究结果显示,该方法实现了高精度、低延迟的煤矿瓦斯自主巡检.
关键词：煤矿智能化多智能体强化学习目标识别路径规划瓦斯巡检机器人
分类号：TD76(矿山安全与劳动保护)
资助基金：国家能源投资集团有限责任公司科技创新资助项目(GJNY-23-140)
论文发表日期：2025-12-20
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：9( 10-18 )
英文信息