公开(公告)号：CN117826713B

公开(公告)日：2024-09-10

申请号：CN202311561107.9

申请日：2023-11-22

申请人： 山东科技大学

发明人： 聂君 ,  孙立杰 ,  张桂华 ,  卢晓 ,  王海霞 ,  盛春阳 ,  宋诗斌 ,  张治国 ,  孙巧巧

IPC分类号： G05B19/418

摘要： 本发明公开了一种改进的强化学习AGV路径规划方法，其步骤为：搭建基于Gazebo的三维AGV模型及障碍物模型并进行仿真环境建模；设计基于三维仿真环境下AGV路径规划的状态空间和动作空间；设计奖励值函数；设计SR‑PPO算法，将样本正则化项添加到PPO算法的目标函数中；基于SR‑PPO算法设计SR‑ALR‑PPO算法，将KL散度近似的Fisher信息矩阵以及KL散度约束项与SR‑PPO算法结合，自适应选择策略网络参数更新的学习率；基于SR‑ALR‑PPO算法建立路径规划模型并进行训练，得到训练好的路径规划模型。本发明提出了一种改进的强化学习AGV路径规划方法，基于样本正则化和自适应学习率提高了AGV的自主规划能力，获得最优无碰撞路径，最大限度地减少AGV运行时间和能耗。

公开(公告)号：CN117826713A

公开(公告)日：2024-04-05

申请号：CN202311561107.9

申请日：2023-11-22

申请人： 山东科技大学

发明人： 聂君 ,  孙立杰 ,  张桂华 ,  卢晓 ,  王海霞 ,  盛春阳 ,  宋诗斌 ,  张治国 ,  孙巧巧

IPC分类号： G05B19/418

摘要： 本发明公开了一种改进的强化学习AGV路径规划方法，其步骤为：搭建基于Gazebo的三维AGV模型及障碍物模型并进行仿真环境建模；设计基于三维仿真环境下AGV路径规划的状态空间和动作空间；设计奖励值函数；设计SR‑PPO算法，将样本正则化项添加到PPO算法的目标函数中；基于SR‑PPO算法设计SR‑ALR‑PPO算法，将KL散度近似的Fisher信息矩阵以及KL散度约束项与SR‑PPO算法结合，自适应选择策略网络参数更新的学习率；基于SR‑ALR‑PPO算法建立路径规划模型并进行训练，得到训练好的路径规划模型。本发明提出了一种改进的强化学习AGV路径规划方法，基于样本正则化和自适应学习率提高了AGV的自主规划能力，获得最优无碰撞路径，最大限度地减少AGV运行时间和能耗。