一种基于强化学习的磁导丝控制方法、系统及仿真系统

本发明涉及一种基于强化学习的磁导丝控制方法、系统及仿真系统，所述方法包括：建模为马尔可夫决策过程，所述马尔可夫决策过程包括状态集合、动作集合和奖励函数，所述状态集合指外部磁体和磁导丝的运行状态，所述动作集合指外部磁体和磁导丝的可执行操作，所述奖励函数用于评估磁导丝运动的优劣；在所述马尔可夫决策过程确定的框架内，采用深度确定性策略梯度算法对智能体进行训练，所述状态集合为智能体的输入，所述动作集合为智能体的输出，所述奖励函数为智能体的评价标准，得到最优策略；基于所述最优策略控制所述磁场和导丝推送模块，进而控制所述磁导丝。本发明通过上述设置，无需精确建模即可在复杂场景中实现磁导丝的精准控制。