シアラーの深層決定方策勾配法に基づく自己適応型高さ調整制御に関する研究

科学分野:

• 鉱山工学; 人工知能; 制御システム

背景:

• シアラーのインテリジェント制御は、無人採掘および機械化採掘面における機器の信頼性にとって重要である。従来の最適化および深層強化学習アルゴリズムは、シアラーラム高さの迅速かつ正確な自己適応制御において限界に直面している。

研究 の 目的:

• 深層決定方策勾配法（DDPG）アルゴリズムを用いた新しいシアラーラム高さ制御戦略を提案する。採掘操作における効率と信頼性を向上させるためのシアラーの自己適応制御能力を強化する。

主な方法:

• DDPGベースの自己適応型油圧高さ調整モデルを開発した。石炭および岩石の切削状態識別のためのハイブリッドSVD-CWTおよびAlexNet転移学習方法（精度95.06%）を採用した。Matlab/Simulink、AMESimとの共同シミュレーションおよび物理テストプラットフォームを通じてモデルを検証した。

主要な成果:

• DDPG戦略は、従来のPID制御やファジィPID制御を大幅に上回った。応答時間は0.091秒、定常状態誤差は0.00052mmを達成した。TD3およびSACアルゴリズムと比較して、応答性、安定性、および耐干渉性に優れており、平均最大シミュレーション実験誤差は3.14%であった。

結論:

• 提案されたDDPGベースの制御戦略は、シアラーのインテリジェントで適応的な高さ制御に対して実現可能かつ堅牢である。複雑な石炭層条件下で信頼性の高いアプローチを提供し、無人採掘技術を進歩させる。応答時間や定常状態誤差などのシアラー制御性能指標を大幅に改善する。