基于强化学习的浓密机底流浓度在线控制算法

复杂过程工业控制一直是控制应用领域研究的前沿问题.浓密机作为一种复杂大型工业设备广泛用于冶金、采矿等领域.由于其在运行过程中具有多变量、非线性、高时滞等特点,浓密机的底流浓度控制技术一直是学界、工业界的研究难点与热点.本文提出了一种基于强化学习技术的浓密机在线控制算法.该算法在传统启发式动态规划(Heuristic dynamic programming,HDP)算法的基础上,设计融合了评价网络与模型网络的双网结构,并提出了基于短期经验回放的方法用于增强评价网络的训练准确性,实现了对浓密机底流浓度的稳定控制,并保持控制输入稳定在设定范围之内.最后,通过浓密机仿真实验的方式验证了算法的有效性,实验结果表明本文提出的方法在时间消耗、控制精度上优于其他算法.