基于深度强化学习技术的变电站巡检机器人的路径规划研究

由于机器人的路径规划能力强弱决定着变电站巡检机器人的作业质量,针对当前的变电站巡检机器人路径规划误差大、效率低下的问题,设计了改进型卷积神经网络GNN与Q网络相结合的高效规划路径巡检机器人。解决巡检机器人在复杂环境下克服运动路径规划中遇到的障碍,提高变电站巡检机器人的工作效率。使用深度强化学习技术以提高机器人在巡检环境中的探索能力和自学习能力,降低巡检机器人路径规划时间,路径规划精准度达到98.3%。为变电站巡检机器人智能化巡检奠定了基础,为变电站无人化的实现提供智能解决方案。