權利要求
1.礦車調度模型訓練方法，應用于礦車調度模型訓練裝置中，其特征在于，所述礦車調度模型訓練裝置包括調度智能體和交互環境，所述交互環境包括仿真系統和人工系統，所述方法包括： S1：獲取所述仿真系統中的礦區生產信息和所述人工系統中的時間節點信息，并根據所述礦區生產信息和所述時間節點信息，生成調度狀態信息； S2：通過預設的強化學習算法，根據所述調度狀態信息，在預設的調度指令集合中選取出目標調度指令，并將所述目標調度指令發送至所述仿真系統，以使所述仿真系統根據所述目標調度指令更新所述礦區生產信息； S3：通過預設的混合獎勵函數，基于所述更新后的礦區生產信息和所述時間節點信息，生成所述目標調度指令的動作獎勵，應用所述動作獎勵在所述調度指令集合中選取優化后的目標調度指令，重復執行步驟S1至步驟S3，不斷選取優化后的目標調度指令，并將所述優化后的目標調度指令發送至所述仿真系統，以使所述仿真系統根據所述優化后的目標調度指令更新所述礦區生產信息； S4：統計預設時間段內的所述仿真系統中的礦區產量信息，計算智能體性能指標，并在所述智能體性能指標達到預設條件時，結束礦車調度模型的訓練。2.根據權利要求1所述的方法，其特征在于，在所述獲取所述仿真系統中的礦區生產信息和所述人工系統中的時間節點信息之前，所述方法還包括： 在所述仿真系統中模擬生成所述礦區生產信息，其中，所述礦區生產信息包括仿真路網信息、至少一個仿真裝載設備、每個所述仿真裝載設備的設備信息和設備狀態、至少一個仿真卸載設備、每個所述仿真卸載設備的設備信息和設備狀態、至少一個仿真礦車、每個所述仿真礦車的車輛信息和車輛狀態、以及每個所述仿真裝載設備和每個所述仿真卸載設備之間的行駛時間中的至少一種信息； 在所述仿真系統中的仿真礦車發送車輛調度請求時，根據所述礦區生產信息，在所述人工系統中生成針對所述仿真礦車的時間節點信息，其中，所述時間節點信息包括所述調度指令集合中的每個所述調度指令對應的行駛時間、每個所述調度指令對應的預期等待時間、所述仿真系統中每個仿真裝載設備的剩余服務時間，以及仿真系統中每個仿真卸載設備的剩余服務時間中的至少一種信息。 3.根據權利要求1或2所述的方法，其特征在于，所述獲取所述仿真系統中的礦區生產信息和所述人工系統中的時間節點信息
聲明：
“礦車調度模型訓練方法、裝置、芯片、終端、設備及介質” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業用途，請聯系該技術所有人。
我是此專利(論文)的發明人(作者)
2366
編輯：中冶有色網
來源：青島慧拓智能機器有限公司
分享 0
舉報 0
收藏 0
反對 0
點贊 0
2025年08月05日 ~ 07日 
