数字孪生辅助强化学习的燃气站场巡检任务分配算法

来源：电子与信息学报杂志2025年第7期北京时间：

作者：连远锋, 田天, 陈晓禾, 董绍华

单位：1.中国石油大学(北京)人工智能学院 北京 1022492.中国石油大学(北京)石油数据挖掘北京市重点实验室 北京 1022493.中国石油大学(北京)安全与海洋工程学院 北京 1022494.应急管理部油气生产安全与应急技术重点实验室 北京 102249

摘要：针对燃气站场机器人智能巡检过程中由于突发任务导致的巡检效率下降、任务延迟和能耗增加问题，该文提出基于数字孪生辅助强化学习的燃气站场巡检任务分配算法。首先基于多机器人、差异化任务的执行状况，建立面向能耗、任务延迟的多目标联合优化巡检任务分配模型；其次利用李雅普诺夫理论对时间-能耗耦合下的巡检目标进行解耦，简化多目标联合优化问题；最后通过结合数字孪生技术和PPO(Proximal Policy Optimization)算法，对解耦后的优化目标进行求解来构建多机器人巡检任务分配策略。仿真结果表明，与现有方法相比，所提方法具有较高的任务完成率，有效地提高了多机器人系统的巡检效率。

关键词：燃气站场, 数字孪生, 任务分配, 李雅普诺夫, PPO

基金资助：北京市自然科学基金(L233002)，中国石油科技创新基金(2022DQ02-0609)