隨著汽車起重機的不斷發(fā)展，錫林浩特汽車吊吊裝它在工程中的應(yīng)用越來越多。由于起重機在起重過程中需要人工控制和決定，因此不可避免地會出現(xiàn)操作錯誤或方案規(guī)劃不合理。針對上述問題，提出了多任務(wù)路徑規(guī)劃算法和起重規(guī)劃算法，以協(xié)助起重人員進行起重操作。

目前，汽車起重機在起重過程中主要是手動操作，但在許多其他領(lǐng)域，已經(jīng)開始使用深度強化學習來實現(xiàn)無人操作。汽車起重機作為一個大國，起重機也在向智能化方向發(fā)展。將其應(yīng)用到汽車起重機的起重規(guī)劃中，對于加快起重機的智能化步伐具有重要意義。在汽車起重機的路徑規(guī)劃中，傳統(tǒng)的路徑規(guī)劃方法將更有效；對于起重機的動作序列規(guī)劃，基于強化學習的方法更適合起重機的起重動作序列規(guī)劃。例如，強化學習中的深度確定性策略梯度算法（Deepdermisticpolicpolicpolicpolicpolicpolicpolicpolicthm、DDPG）的輸出是連續(xù)動作，起重機提取目標的過程也是一系列連續(xù)動作的集合，因此具有理論可行性：

（1）分析了汽車起重機多任務(wù)路徑規(guī)劃算法的必要性和可行性。在設(shè)計多任務(wù)路徑規(guī)劃算法時，需要規(guī)劃多任務(wù)之間的全面順序和路徑，選擇優(yōu)化目標點的全面順序，主要分析螞蟻群算法、遺傳算法和粒子群算法，以佳性能的遺傳算法作為優(yōu)化算法。錫林浩特汽車吊吊裝通過將JPS算法與單任務(wù)路徑規(guī)劃算法中的遺傳算法相結(jié)合，實現(xiàn)了汽車起重機的多任務(wù)路徑規(guī)劃；

（2）研究了汽車起重機吊裝時的動作序列，并設(shè)計了基于改進DDPG算法的汽車起重機動作序列規(guī)劃算法。首先，設(shè)計了起重機的吊裝環(huán)境，建立了起重機的狀態(tài)和動作模型，并設(shè)計了動作序列的獎勵函數(shù)。然后根據(jù)汽車起重機的吊裝環(huán)境，設(shè)計和優(yōu)化了DDPG算法中的網(wǎng)絡(luò)框架、超參數(shù)和激活函數(shù)。根據(jù)DDPG算法在離線培訓中生成樣本的特點，改進了DDPG算法中的采樣函數(shù)，使改進后的DDPG算法具有更好的收斂效果。改進后的DDPG算法與汽車起重機的空載吊裝環(huán)境和負載吊裝環(huán)境相結(jié)合，完成了汽車起重機動作序列規(guī)劃算法的設(shè)計；

將多任務(wù)路徑規(guī)劃算法與動作序列規(guī)劃算法相結(jié)合，錫林浩特汽車吊吊裝實現(xiàn)了汽車起重機的多任務(wù)起重規(guī)劃。并以風機場和化工廠作為虛擬環(huán)境進行了驗證，結(jié)果表明了規(guī)劃汽車起重機多任務(wù)起重方案時兩種算法的可行性。