基于泛化强化学习的变电站巡检机器人路径规划研究OACSTPCD
Study on Substation Inspection Robot Path Planning Based on Generalization Reinforcement Learning
针对变电站巡检机器人的路径规划问题,提出一种状态泛化的 深度强化学习(deep reinforcement learning,DRL)算法.在原有算法的基础上,在训练过程中加入泛化正则,通过加入2个辅助训练池,保证训练前期能够给予网络更多的辅助监督信息,进而保证模型在同一个任务的不同场景具有更强的泛化能力.与传统训练方法相比在不损失模型性能的同时,还在某些环境下能够实现传统方法难以达到的状态泛化.实验证明,在带阻挡的路径规划问题中,所提出的算法优…查看全部>>
Aiming at the path planning problem for substation inspection robots,this paper propose a state generalization deep reinforcement learning(DRL)algorithm.On the basis of original algorithm,it introduce a regularization for generalization into the training process,which incorporates two auxiliary training pools to ensure the network receives more supervisory information in the early training stage,thus enhancing the model's generalization capacity in different…查看全部>>
易仕琪;孔政敏;王帅;霍梓航
武汉大学电气与自动化学院,湖北武汉 430072武汉大学电气与自动化学院,湖北武汉 430072广东省智能电网新技术企业重点实验室(南方电网电力科技股份有限公司),广东广州 510080广东省智能电网新技术企业重点实验室(南方电网电力科技股份有限公司),广东广州 510080
动力与电气工程
强化学习深度强化学习路径规划泛化性
reinforcement learningdeep reinforcement learningpath planninggeneralization
《广东电力》 2023 (11)
基于跨层安全机制的异构Mesh微电网分布式协同控制研究
114-121,8
国家科技创新2030课题项目(2021ZD0112702)国家自然科学基金项目(62173256)广东省智能电网新技术企业重点实验室资助项目(2020B1212070025)
评论