发明公开
- 专利标题: 一种基于深度强化学习的无人机应急场景巡检方法及其系统
-
申请号: CN202310126638.9申请日: 2023-02-10
-
公开(公告)号: CN116149367A公开(公告)日: 2023-05-23
- 发明人: 刘鸣柳 , 高云飞 , 凌在汛 , 朱银军 , 蔡万里 , 崔一铂 , 梅欣 , 余飞 , 唐泽洋 , 李逸文 , 饶玮 , 胡钰林
- 申请人: 国网湖北省电力有限公司电力科学研究院 , 武汉大学 , 国网湖北省电力有限公司神农架供电公司 , 国网湖北省电力有限公司
- 申请人地址: 湖北省武汉市洪山区徐东大街227号; ; ;
- 专利权人: 国网湖北省电力有限公司电力科学研究院,武汉大学,国网湖北省电力有限公司神农架供电公司,国网湖北省电力有限公司
- 当前专利权人: 国网湖北省电力有限公司电力科学研究院,武汉大学,国网湖北省电力有限公司神农架供电公司,国网湖北省电力有限公司
- 当前专利权人地址: 湖北省武汉市洪山区徐东大街227号; ; ;
- 代理机构: 武汉楚天专利事务所
- 代理商 孔敏
- 主分类号: G05D1/10
- IPC分类号: G05D1/10
摘要:
本发明提供一种基于深度强化学习的无人机应急场景巡检方法及其系统,所述方法包括以下步骤:首先巡检控制中心获取灾害所需要巡检的位置坐标;然后无人机开始执行巡检任务,在无人机执行巡检任务的过程中,通过已知巡检点的位置坐标,对无人机的轨迹进行优化来最小化无人机巡检的时间;在对无人机的轨迹进行优化时,使用深度强化学习中的Dueling‑DQN算法对无人机的轨迹进行合理的优化并收集巡检数据;当达到最大训练次数,输出无人机的最优轨迹和收集的巡检数据,从而减少系统总的巡检时间。