Інтелектуальне керування конвеєрною системою транспортування багажу на основі навчання з підкріпленням

Abstract

Об’єкт дослідження – конвеєрна система транспортування багажу в аеропорту. Предмет дослідження – алгоритми навчання з підкріпленням для адаптивного керування маршрутами, швидкісними режимами та пріоритетами оброблення багажу. Мета роботи – розробити та реалізувати модель інтелектуального керування конвеєрною системою на основі RL для підвищення ефективності транспортування багажу, зменшення затримок і зниження рівня заторів у вузлах BHS. У роботі проаналізовано архітектуру систем транспортування багажу, традиційні підходи на основі PLC, PID-регулювання та евристичних правил маршрутизації. Запропоновано подання конвеєрної мережі як марковського процесу прийняття рішень, сформовано функцію винагороди, описано архітектуру RL-агента та гібридну схему інтеграції з нижнім рівнем керування. Реалізовано симуляційне середовище мовою Python і проведено порівняння стратегій FIFO, least-load та Q-learning. Практична цінність результатів полягає у можливості використання запропонованого симулятора як навчального прототипу цифрового двійника BHS, що дає змогу безпечно тестувати стратегії керування до їхнього промислового впровадження.