ПРИМЕНЕНИЕ МЕТОДОВ ОБУЧЕНИЯ С ПОДКРЕПЛЕНИЕМ ДЛЯ ОПТИМИЗАЦИИ УПРАВЛЕНИЯ АВТОМАТИЗИРОВАННЫМИ И РОБОТИЗИРОВАННЫМИ КОМПЛЕКСАМИ В ГОРНОЙ ПРОМЫШЛЕННОСТИ : научное издание
Библиографическое описание:ПРИМЕНЕНИЕ МЕТОДОВ ОБУЧЕНИЯ С ПОДКРЕПЛЕНИЕМ ДЛЯ ОПТИМИЗАЦИИ УПРАВЛЕНИЯ АВТОМАТИЗИРОВАННЫМИ И РОБОТИЗИРОВАННЫМИ КОМПЛЕКСАМИ В ГОРНОЙ ПРОМЫШЛЕННОСТИ : научное издание / А. А. Ступина, А. В. Бабкина, М. В. Журавлёв, М. С. Никаноров. - Текст : непосредственный // Известия Тульского государственного университета. Науки о Земле. - 2026. - № 1. - С. 368-373. - ISSN 2218-5194.
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 условиях изменяющейся 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.
Издательство:Тульский государственный университет, Тула
Источник:Известия Тульского государственного университета. Науки о Земле
Выпуск:№ 1
Номера страниц:368-373
Держатель оригинала документа:Российский государственный аграрный университет - МСХА имени К.А. Тимирязева, Сибирская пожарно-спасательная академия ГПС МЧС России, Сибирский государственный университет науки и технологий им. М.Ф. Решетнёва, Сибирский федеральный университет
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки
