管路敷设是航空发动机管路系统设计的一个重要研究领域,实现管路敷设的智能化具有重要研究意义。管路敷设是指在具有约束的环境中,规划一条从起点到目标点满足约束条件的最优路径。传统敷设方法主要基于专家经验进行手工设计,难以保证设计质量和效率。计算机技术和人工智能技术的发展为管路敷设实现智能化提供了可行途径。本文探索将人工智能方法应用于发动机管路敷设问题中,基于深度强化学习设计了航空发动机管路敷设方法,应用Python等平台实现算法,并通过敷设算例验证了可行性。本文主要工作如下:(1)设计了基于强化学习的航空发动机管路敷设方法。在介绍强化学习理论的基础上,对强化学习中探索与利用的平衡问题进行研究,设计了适用于管路敷设问题的奖励函数,提出在敷设环境复杂度提高时强化学习方法的缺陷。(2)设计了基于深度强化学习的航空发动机管路敷设方法。将深度学习的感知能力与强化学习的决策能力相融合,使用神经网络模型代替强化学习的价值函数,解决了“维数灾难”问题。利用经验重放机制提高了神经网络训练数据的利用率。(3)通过敷设算例验证了方法可行性。本文使用Python语言下的Tensor Flow框架对算法进行编写,使用Simense NX11.0对管路敷设仿真环境进行可视化。通过仿真结果对比,证明了深度强化学习相比于强化学习在管路敷设问题上具有更强大的学习能力和环境适应能力。