本書主要介紹了基于深度強化學習的礦井通風系統(tǒng)阻變型故障診斷方法，定位故障位置，定量評估故障嚴重程度。針對礦井實際生產過程中故障樣本失衡的問題設計深度強化學習的獎勵函數(shù)，解決智能模型對多數(shù)類的“偏心”現(xiàn)象。分析獎勵函數(shù)、樣本屬性、神經(jīng)網(wǎng)絡類型和結構對礦井通風系統(tǒng)阻變型故障診斷深度強化學習模型性能的影響，并通過開展礦井通風網(wǎng)絡故障模擬實驗以及現(xiàn)場實證應用驗證模型在礦井通風系統(tǒng)故障診斷領域的普適性和應用于現(xiàn)場實際的可行性。