机床与液压

作者：丁嘉伟

单位：郑州工业应用技术学院信息工程学院

关键词：工厂自动化;移动机器人;深度增强学习;资源调度;传输指令包成功率

基金：2024年度河南省高等教育教学改革研究与实践项目（本科教育类）（2024SJGLX0584）

工厂自动化要求超可靠低时延通信，使控制中心能够可靠实时地向移动机器人传输控制指令。为此，面向移动机器人作业的工厂环境，提出基于深度增强学习的资源调度算法(DRL-RS)。DRL-RS算法由两个阶段构成：在第一阶段，一起作业的移动机器人形成簇群，将簇群内多个移动机器人的指令包融合成一个包，再将此包传输至簇群的领导者；在第二阶段，领导者向它簇群成员广播指令包。DRL-RS算法引用深度增强学习算法优化资源调度。领导者扮演Agent，通过向环境学习，择优选择接入点以及子信道和传输功率，进而最大化向所有机器人传输指令包的成功率。性能分析结果表明，DRL-RS算法传输指令包成功率逼近于穷搜索法。

来源：2024年第11期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第11期