本發(fā)明提供一種基于強(qiáng)化學(xué)習(xí)的濃密機(jī)在線控制方法，能夠降低時(shí)間消耗，并提高控制精度。所述方法包括：獲取生產(chǎn)過(guò)程中所監(jiān)測(cè)到的歷史記錄數(shù)據(jù)；建立由模型網(wǎng)絡(luò)和評(píng)價(jià)網(wǎng)絡(luò)組成的雙網(wǎng)結(jié)構(gòu)的控制模型，并利用獲取到的歷史記錄數(shù)據(jù)對(duì)所述模型網(wǎng)絡(luò)和評(píng)價(jià)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；通過(guò)訓(xùn)練好的模型網(wǎng)絡(luò)預(yù)測(cè)下一時(shí)刻的底流濃度和泥層高度，且訓(xùn)練好的評(píng)價(jià)網(wǎng)絡(luò)根據(jù)預(yù)測(cè)到的所述下一時(shí)刻的底流濃度、泥層高度，估計(jì)所述下一時(shí)刻的累計(jì)代價(jià)值，根據(jù)估計(jì)得到的下一時(shí)刻的累計(jì)代價(jià)值，計(jì)算當(dāng)前時(shí)刻的累計(jì)代價(jià)值，根據(jù)得到的當(dāng)前時(shí)刻的累計(jì)代價(jià)值，利用梯度下降迭代算法確定當(dāng)前時(shí)刻最優(yōu)控制動(dòng)作：底流泵速、絮凝劑泵速。本發(fā)明涉及采礦領(lǐng)域。