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控制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控制算法。煤矸石进入机械臂工作空间后，改进DDPG控制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。