机床与液压

作者：房鹏程，周焕银，董玫君

单位：东华理工大学机械与电子工程学院；东华理工大学机械与电子工程学院；东华理工大学机械与电子工程学院

关键词：自主水下航行器(AUV);三维路径规划;深度强化学习;Dueling DQN算法

基金：国家自然科学基金项目(62063001)；江西省自然科学基金项目(20224ACB204022)

针对三维海洋环境水下自主航行器(AUV)路径规划问题，传统的路径规划算法在三维空间中搜索时间长，对环境的依赖性强，且环境发生改变时，需要重新规划路径，不满足实时性要求。为了使AUV能够自主学习场景并做出决策，提出一种改进的Dueling DQN算法，更改了传统的网络结构以适应AUV路径规划场景。此外，针对路径规划在三维空间中搜寻目标点困难的问题，在原有的优先经验回放池基础上提出了经验蒸馏回放池，使智能体学习失败经验从而提高模型前期的收敛速度和稳定性。仿真实验结果表明：所提出的算法比传统路径规划算法具有更高的实时性，规划路径更短，在收敛速度和稳定性方面都优于标准的DQN算法。

来源：2024年第9期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第9期