简介：综采工作面柔性地形模拟系统是在实验室模拟各综采设备在复杂地质环境中智能协调控制的试验平台,其主要功能之一是根据输入曲线快速模拟出综采工作面底板的倾斜状态.由于其柔性地形模拟系统运动模块多,各运动部件之间具有强耦合性,在运动过程中受力变化复杂,且要求各运动部件高度协同运动,这给综采工作面柔性平台的运动控制带来挑战.针对这一难题,提出一种具有力学感知能力的运动控制策略训练方法:基于数值模拟与深度学习构建结构降阶模型,并结合数字孪生技术搭建具有力学感知能力的虚实一体化综采工作面柔性试验训练平台;通过引入一种带任务分配机制的多智能体深度强化学习算法,将柔性试验平台各运动部件的应力、变形等力学信息引入多智能体深度强化学习环境,实现各智能体实时感知自身力学状态的能力,并建立任务分配机制,根据多智能体的训练状态优化任务分配机制,在保障协同运动安全的前提下提高协作能力,降低多智能体深度强化学习的难度,得到综采工作面柔性试验平台各运动部件的最优控制策略.结果表明:该方法能够降低柔性试验平台各运动部件运动过程中的应力变形峰值和突变范围,协同180个升降油缸快速完成综采工作面复杂底板倾斜状态模拟,为复杂条件下综采工作面的智能控制研究提供试验平台.展开
