当矿用电机车遇上强化学习
系统与控制
2023-11-15 v1 人工智能
系统与控制
摘要
作为煤矿中最重要的辅助运输设备，矿用电机车目前大多由人工操作。然而，由于煤矿环境复杂多变，近年来电机车安全事故频发。亟需一种能适应不同复杂矿井环境的矿用电机车控制方法。强化学习（RL）研究人工智能体应如何在一个环境中采取行动以最大化奖励，可助力实现矿用电机车的自动控制。本文介绍了如何将 RL 应用于矿用电机车的自主控制。为实现更精确的控制，我们进一步提出了一种改进的 epsilon-greedy（IEG）算法，能更好地平衡探索与利用。为验证该方法的有效性，搭建了矿用电机车自主控制的联合仿真平台，可完成车辆的闭环仿真。仿真结果表明，在复杂不确定的煤矿环境中，该方法能确保电机车安全跟随前车，并在道路出现突发障碍时迅速响应。
引用
@article{arxiv.2311.08153,
title = {When Mining Electric Locomotives Meet Reinforcement Learning},
author = {Ying Li and Zhencai Zhu and Xiaoqiang Li and Chunyu Yang and Hao Lu},
journal= {arXiv preprint arXiv:2311.08153},
year = {2023}
}