控制与决策

作者：吴亮红,张艳云,左词立,王汐,谭伟华

单位：湖南科技大学 信息与电气工程学院，湖南 湘潭 411201;湖南工业职业技术学院 电气工程学院，长沙 410217,,湖南科技大学 信息与电气工程学院，湖南 湘潭 411201,,湖南科技大学 信息与电气工程学院，湖南 湘潭 411201,,湖南科技大学 信息与电气工程学院，湖南 湘潭 411201,,湖南科技大学 信息与电气工程学院，湖南 湘潭 411201,

关键词：矿井通风网络;风量优化调控;不确定性;深度强化学习;分布式近端策略优化

基金：国家自然科学基金项目(62373146)；湖南省科技人才托举工程项目中青年学者培养计划项目(2022TJ-Q03)；国家自然科学基金青年科学基金项目( 52104192).

矿井通风网络优化调节是矿井通风系统安全、稳定、经济运行的重要保障. 通风网络结构和状态参数随机动态变化给矿井通风网络优化求解和决策带来了极大的挑战. 充分考虑矿井通风系统的随机不确定性, 提出一种基于深度强化学习的矿井通风网络鲁棒优化调控方法. 首先, 对矿井通风网络风量优化问题进行数学描述, 将该风量优化问题建模为马尔可夫决策过程模型, 无需对系统不确定性进行建模和预测; 然后, 采用一种改进分布式近端策略优化算法对连续风量优化问题进行动态优化和决策, 能够直接得到不同需风量的优化调控方案. 实验结果表明, 所提出方法能够有效应对通风系统的多重不确定性, 降低矿井通风系统的风机能耗.

来源：2026年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第4期