导流板布置方式对矿用主要通风机扩散器性能的影响

为了研究导流板布置方式对矿用主要通风机扩散器性能的影响,采用RNG k-ε湍流模型对扩散器内部加装导流板前后3种进口速度所对应的内流场分别进行数值模拟,考察了导流板中心角与起始角对扩散器性能的影响规律。结果表明:未安装导流板时,扩散器内部存在较严重的流体积聚现象,制约了其性能的提高;对于所研究的3种进口速度,当安装的导流板中心角较小时,其起始角越大,扩散器的扩散效率越高,但对于部分起始角出现了因导流板头部上下两侧压力不均而形成的二次流,使流动损失增大;随着导流板中心角的增大,扩散器内部的流体积聚现象逐渐得到改善,二次流也逐渐减弱,当中心角达到60°时,扩散效率最高。     

基于强化学习的煤矸石分拣机械臂智能控制算法研究

针对传统煤矸石分拣机械臂控制算法如抓取函数法、基于费拉里法的动态目标抓取算法等依赖于精确的环境模型、且控制过程缺乏自适应性,传统深度确定性策略梯度(DDPG)等智能控制算法存在输出动作过大及稀疏奖励容易被淹没等问题,对传统DDPG算法中的神经网络结构和奖励函数进行了改进,提出了一种适合处理六自由度煤矸石分拣机械臂的基于强化学习的改进DDPG算法。煤矸石进入机械臂工作空间后,改进DDPG算法可根据相应传感器返回的煤矸石位置及机械臂状态进行决策,并向相应运动控制器输出一组关节角状态控制量,根据煤矸石位置及关节角状态控制量控制机械臂运动,使机械臂运动到煤矸石附近,实现煤矸石分拣。仿真实验结果表明:改进DDPG算法相较于传统DDPG算法具有无模型通用性强及在与环境交互中可自适应学习抓取姿态的优势,可率先收敛于探索过程中所遇的最大奖励值,利用改进DDPG算法控制的机械臂所学策略泛化性更好、输出的关节角状态控制量更小、煤矸石分拣效率更高。