Тип публикации: статья из журнала
Год издания: 2026
Ключевые слова: reinforcement learning, intelligent control, robotic systems, mining industry, process optimization, energy consumption, обучение с подкреплением, интеллектуальное управление, роботизированные комплексы, горная промышленность, оптимизация технологических процессов, энергопотребление
Аннотация: Рассматриваются возможности применения методов обучения с подкреплением для оптимизации управления автоматизированными и роботизированными комплексами в горной промышленности. Актуальность исследования обусловлена необходимостью повышения эффективности, устойчивости и безопасности функционирования горнотехнических систем в условияхПоказать полностьюизменяющейся производственной среды. В рамках исследования была разработана цифровая модель роботизированного технологического узла транспортировки горной массы и реализован алгоритм управления на основе метода обучения с подкреплением. Проведённые вычислительные эксперименты показали, что использование интеллектуального агента позволяет формировать адаптивные стратегии управления, обеспечивающие улучшение производственных и энергетических показателей системы. В результате моделирования установлено увеличение производительности оборудования и снижение энергопотребления по сравнению с традиционными режимами управления. Полученные результаты подтверждают перспективность применения методов машинного обучения для повышения эффективности управления технологическими процессами в горнодобывающей промышленности. The paper examines the possibilities of applying reinforcement learning methods to optimize the control of automated and robotic systems in the mining industry. The relevance of the study is determined by the need to improve the efficiency, stability and safety of mining technological systems operating under changing production conditions. Within the framework of the research, a digital model of a robotic technological unit for rock mass transportation was developed and a control algorithm based on reinforceme nt learning was implemented. Computational experiments demonstrated that the use of an intelligent agent makes it possible to form adaptive control strategies that improve both production and energy performance indicators of the system. The simulation results showed an increase in equipment productivity and a reduction in energy consumption compared with traditional control modes. The obtained results confirm the prospects of using machine learning methods to improve the efficiency of technological process control in the mining industry.
Журнал: Известия Тульского государственного университета. Науки о Земле
Выпуск журнала: № 1
Номера страниц: 368-373
ISSN журнала: 22185194
Место издания: Тула
Издатель: Тульский государственный университет