基本信息:
- 专利标题： 基于深度强化学习算法的风力发电机叶片无人机巡检方法
- 申请号：CN202410641203.2 申请日：2024-07-29
- 公开(公告)号：CN118601807A 公开(公告)日：2024-09-06
- 发明人： 李煊鹏 , 王强
- 申请人： 东南大学 , 东南大学苏州研究院
- 申请人地址： 江苏省南京市江宁区东南大学路2号
- 专利权人： 东南大学,东南大学苏州研究院
- 当前专利权人： 东南大学,东南大学苏州研究院
- 当前专利权人地址： 江苏省南京市江宁区东南大学路2号
- 代理机构： 南京众联专利代理有限公司
- 代理人： 杜静静
- 主分类号： F03D17/00
- IPC分类号： F03D17/00 ; G06N3/045 ; G06N3/092 ; G06N3/048
摘要：
本发明公开了一种基于深度强化学习算法的风力发电机叶片无人机巡检方法，适用于无人机巡检叶片任务，能在复杂环境下保证无人机的稳定性和鲁棒性，并以最低能耗路径完成巡检任务；首先构建了无人机巡检风机叶片的强化学习模型，以模拟无人机在三维空间中的巡检任务，并限制无人机的可行性空间和欧拉角防止无人机激烈运动；其次，定义启发式动态奖励函数包括连续位置、能耗、完成任务和避障，以此激励无人机采取最优的飞行路径；最后设计对决网络结构和优先经验回放机制的改进TD3算法，提高算法学习效率。与传统控制方式相比，提高了无人机巡检的稳定性和鲁棒性。
IPC结构图谱:
| F | 机械工程；照明；加热；武器；爆破 |
| --F03 | 液力机械或液力发动机；风力、弹力或重力发动机；不包含在其他类目中的产生机械动力或反推力的发动机 |
| ----F03D | 风力发动机 |
| ------F03D17/00 | 风力发动机的监控或测试，例如诊断 |