公开(公告)号：CN118311878B

公开(公告)日：2024-08-13

申请号：CN202410726196.6

申请日：2024-06-06

Applicant: 吉林大学

Inventor： 吕帅 ,  龙泽泓 ,  钟太鸿 ,  林炟君

IPC: G05B13/04 ,  G06N3/045 ,  G06N3/092 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明适用于安全巡逻技术领域，提供了一种基于SAC强化学习算法的智能运动控制方法，包括以下步骤：定义状态空间和动作空间：将起点坐标、当前坐标、终点坐标以及周围环境信息这些状态变量组合成一个状态空间，动作空间包括转向角度和施加在车辆上的加速度；数据收集与预训练：在实际场地进行车辆测试并收集数据用于训练；构建强化学习模型并对模型进行训练；智能巡逻与异常检测。本发明利用智能体的智能运动控制技术和实时监测设备，结合强化学习算法，使智能体能够基于所处环境状态做出最优运动决策，动态调整巡逻路线，优化覆盖范围，并能即时识别并响应异常情况，以解决传统巡逻方法的局限性，提高巡逻效率和安全性。

公开(公告)号：CN118311878A

公开(公告)日：2024-07-09

申请号：CN202410726196.6

申请日：2024-06-06

Applicant: 吉林大学

Inventor： 吕帅 ,  龙泽泓 ,  钟太鸿 ,  林炟君

IPC: G05B13/04 ,  G06N3/045 ,  G06N3/092 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明适用于安全巡逻技术领域，提供了一种基于SAC强化学习算法的智能运动控制方法，包括以下步骤：定义状态空间和动作空间：将起点坐标、当前坐标、终点坐标以及周围环境信息这些状态变量组合成一个状态空间，动作空间包括转向角度和施加在车辆上的加速度；数据收集与预训练：在实际场地进行车辆测试并收集数据用于训练；构建强化学习模型并对模型进行训练；智能巡逻与异常检测。本发明利用智能体的智能运动控制技术和实时监测设备，结合强化学习算法，使智能体能够基于所处环境状态做出最优运动决策，动态调整巡逻路线，优化覆盖范围，并能即时识别并响应异常情况，以解决传统巡逻方法的局限性，提高巡逻效率和安全性。