一种基于强化学习的综掘面除尘系统自适应控制模型的训练方法

AITNT
正文
推荐专利
一种基于强化学习的综掘面除尘系统自适应控制模型的训练方法
申请号:CN202510255498
申请日期:2025-03-05
公开号:CN120103707B
公开日期:2025-11-11
类型:发明专利
摘要
本发明公开了一种基于强化学习的综掘面除尘系统自适应控制模型的训练方法,包括:搭建综掘面物理模型,在所述综掘面物理模型的掘进点生成粉尘,使用粉尘传感器捕获综掘面各位置的粉尘浓度,获得粉尘分布数据;构建强化学习模型,根据获得的粉尘分布数据训练所述强化学习模型,训练好的强化学习模型用于自适应控制通风系统。本发明可以生成大量训练数据,通过训练得到自适应控制通风除尘模型,有效提高除尘效率,有效减少设备功耗与人工干预,推动煤矿智能化发展。
技术关键词
强化学习模型 粉尘传感器 除尘系统 粉尘发生器 掘进面 通风系统 物理 通风设备 平台支架 风机 新鲜空气 接口模块 控制策略 风量 数据存储 输出口
系统为您推荐了相关专利信息
1
一种基于人体动作采集的人形机器人全身控制方法
人体运动数据 人体动作采集 人形机器人关节 采集人体运动 平移关节
2
基于多智能体强化学习下的ISP调参方法和设备
多智能体强化学习 强化学习模型 多层感知器 强化学习环境 参数
3
基于区块链的资源置换方法、装置、设备及存储介质
资源置换方法 指标 生成资源 因子 文本
4
一种基于层次分析法的算力网络实时性能评估方法
性能评估方法 网络状态分类 层次分析法 数据 风险评估算法
5
虚拟机迁移方法、装置、计算机设备、存储介质和产品
深度强化学习模型 虚拟机迁移方法 样本 迁移虚拟机 物理
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号