Ученые СПбПУ и Горного университета создали модель управления вентиляцией шахт

Исследователи разработали алгоритм на базе глубокого обучения для регулирования вентиляционных заслонок. Симуляционные тесты показали снижение концентрации пыли и газа.

Ученые Высшей школы управления кибер-физическими системами СПбПУ совместно с коллегами из Горного университета и компании «Воркутауголь» создали систему интеллектуального управления вентиляционной заслонкой в подземных выработках. Новый алгоритм Deep Q-Network (DQN) автоматически выбирает угол открытия заслонки в диапазоне от 0 до 90 градусов, опираясь на текущие показатели состава воздуха.

Для работы алгоритма исследователи разработали симуляционную среду, объединяющую расчеты воздушного потока методом вычислительной гидродинамики, модель вентиляционной системы и нейросетевой блок. Перед запуском DQN нейросетевая среда показала высокую точность на тестовой выборке с метриками RMSE 0,023, MAE 0,015 и R2=0,94.

Эффективность модели проверили на наборе данных из 3630 наблюдений, собранных в угольной шахте в Ордосе во Внутренней Монголии с интервалом в одну секунду. В тестовых сценариях алгоритм помог снизить уровень загрязнения воздуха: в пяти проверочных случаях концентрация газа уменьшилась с 0,72–0,88% до 0,59–0,73%, а содержание пыли сократилось с 465–587 до 387–486 мг/м³.

Авторы подчеркивают, что полученные результаты относятся к симуляционной среде и пяти начальным состояниям, поэтому их нельзя напрямую трактовать как подтверждение эффективности системы в реальной шахте. В материале также отмечается отсутствие прямого сравнения DQN с другими алгоритмами по единым количественным показателям. Результаты исследования опубликованы в научном журнале Symmetry.

Политех Петра Великого