一种基于分层深度强化学习的电力巡检无人机机巢部署与路径规划协同优化方法及系统

本发明涉及涉及电力系统智能巡检无人机自主作业技术领域，公开了一种基于分层深度强化学习的电力巡检无人机机巢部署与路径规划协同优化方法及系统。将无人机机巢选址和无人机路径规划统一建模为分层马尔可夫决策过程，并构建上下两层分层近端策略优化网络；其中上层网络负责机巢部署方案的搜索、调整和优化，下层网络负责在当前机巢部署方案下生成满足电量约束的无人机巡检路径；通过相互状态反馈、奖励传递和课程式联合训练，实现全局空间资源配置与局部飞行行为规划的协同优化。本发明具有能够同时优化机巢部署和巡检路径，提高系统级协同效率；能够显著降低大规模路径规划计算时间；提高机巢部署对巡检点的有效覆盖能力等有益效果。