被誉为人工智能领域“明珠”的强化学习在机器人控制、自动驾驶、资源调度等领域蓬勃发展,取得了巨大的成功,这得益于设计符合目标的奖励函数。在实践中,手动设计奖励函数不仅耗费大量的人力物力,而且具有主观性。逆强化学习能够自动构造奖励函数,避免了人为主观偏差,解决了强化学习的瓶颈问题。行为克隆直接从专家示例监督学习获取策略,而逆强化学习先求奖励函数再强化学习获取策略,虽然获取的策略更好,但计算量也大大增加。本文研究了基于行为克隆的逆强化学习算法,以使算法兼具二者的优点。首先,本文研究了加入正则化惩罚的逆强化学习算法,希望加入正则化惩罚来优化奖励函数的参数求解。在网格世界的实验结果表明,加入正则化惩罚能够获得更精确的奖励函数和更优的策略。尤其是同时加入L1正则化惩罚和L2正则化惩罚的逆强化学习算法,得到的奖励函数几乎与真实奖励函数一致,策略也与最优策略十分接近。然后,针对专家示例非最优会导致逆强化学习算法恢复的奖励函数偏差较大这个问题,本文提出了基于行为克隆的逆强化学习算法,用行为克隆重新生成专家示例,然后在新生成的专家示例下恢复奖励函数。实验结果表明,基于行为克隆的逆强化学习算法在专家示例非最优时相比传统逆强化学习算法能获得更精确的奖励函数,专家示例越差,效果越明显。最后,本文还将逆强化学习应用到了故障诊断中。以往大多通过监督学习实现故障诊断,这可以看作是一种行为克隆,逆强化学习求解的奖励函数可视为系统的内在信息。本文将逆强化学习和行为克隆结合提出了一个基于行为克隆的深度逆强化学习智能故障诊断网络,本文选择了比较经典的TE化工过程作为实验对象,实验结果表明,本文提出的基于行为克隆的深度逆强化学习智能故障诊断网络能够很好地检测出各种故障,特别是在一些微小故障的诊断方面明显优于其他算法。