网箱巡检是网箱养殖的必要环节。随着渔业设施地智能化发展，使用AUV实现自主网箱巡检是未来的发展趋势。在水下难以得到机器人的精确动力学模型。为此，论文提出基于强化学习算法PPO的水下机器人自主网箱巡检方法。以声呐数据作为感知输入，根据航向、偏离距离等因素设计了多约束奖励函数，利用PPO算法学习出最优的网箱巡检控制策略。搭建了水下网箱养殖仿真环境，在该环境下的仿真结果表明，在学习到的策略的控制下，AUV能够实现网箱的自主绕行巡检，轨迹稳定平滑，验证了论文方法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
