综掘工作面长压短抽控风除尘关键参数优化OA

针对煤矿综掘工作面长压短抽控风除尘系统中关键参数耦合复杂、依赖经验调控导致降尘效率不高的问题,提出了一种综掘工作面长压短抽控风除尘关键参数优化方法。该方法采用BP神经网络与策略梯度(PG)算法构建BP+PG融合模型,其中BP神经网络构建抽出风量、径−轴向风量比和控尘装置距工作面距离等除尘关键参数与归一化粉尘浓度之间的非线性映射关系,PG算法赋予模型在连续动作空间下的自适应调参能力。在此基础上,构建以预测粉尘浓度为目标的适应度函数,采用粒子群优化(PSO)算法对除尘关键参数进行全局寻优,从而获得最优参数组合。不同模型对比结果表明,在相同测试集上,BP+PG融合模型的预测平均绝对百分比误差(MAPE)仅为3.40%,决定系数R^(2)达0.97,相比传统BP神经网络、BP+近端策略优化(PPO)和BP+深度Q网络(DQN)均显著提升。采用长压短抽控风除尘关键参数优化方法所得最优参数组合(抽出风量为450 m^(3)/min,径−轴向风量比为1.5,控尘装置距工作面距离为16 m)后,实测司机处的粉尘浓度为46.24 mg/m^(3),相较优化前的125.6 mg/m^(3)降低63.2%,有效改善了司机操作区域的作业环境。