本发明涉及三维空间布局领域，具体是指基于人机工程学的电网三维空间布局优化方法。
背景技术：
1、通过人工智能规划电网设施在三维空间中的位置分布可以合理优化空间资源，减少材料用量和建设难度，减少故障发生的可能性，提高供电的可靠性。但传统电网三维布局方法依赖静态模型，无法动态响应环境变化与操作需求，导致空间资源分配僵化、利用率低下，同时缺乏人机工程学参数动态整合，工作人员操作时存在碰撞风险，交互安全性不足；现有强化学习算法在三维空间中进行布局时策略探索效率低，收敛速度慢，易陷入局部最优，导致全局优化能力与布局多样性不佳。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本发明提供了基于人机工程学的电网三维空间布局优化方法，针对传统电网三维布局方法依赖静态模型，无法动态响应环境变化与操作需求，导致空间资源分配僵化、利用率低下，同时缺乏人机工程学参数动态整合，工作人员操作时存在碰撞风险，交互安全性不足的技术问题，本方案利用马尔可夫决策过程动态建模多维状态空间与复合动作集，结合多目标奖励函数，实现了动态优化空间资源分配与人机协作安全性的双重提升；针对现有强化学习算法在三维空间中进行布局时策略探索效率低，收敛速度慢，易陷入局部最优，导致全局优化能力与布局多样性不佳的技术问题，本方案采用了基于三维卷积神经网络的体素特征提取，并集成线性熵及拉格朗日多项式插值调整近端策略优化算法的目标函数，加快了全局收敛速度，同时增强了布局策略的多样性，可以找出最优的电网三维空间布局方法。
2、本发明采取的技术方案如下：本发明提供了基于人机工程学的电网三维空间布局优化方法，具体包含以下步骤：
3、步骤s1：电网三维空间布局过程建模；
4、步骤s2：构建布局优化模型，使用三维卷积神经网络模型构建布局优化模型，并基于近端策略优化算法进行布局优化；
5、步骤s3：对布局优化模型进行优化，在近端策略优化算法中引入线性和多项式插值对近端策略优化算法进行调整；
6、进一步地，在步骤s1中，所述电网三维空间布局过程建模，具体操作如下：将电网三维空间布局过程建模为马尔可夫决策过程，对电网三维空间布局过程进行建模，将电网三维空间布局过程表示为(s，a，p，r，γ)，其中s表示空间状态，a表示动作空间，p表示状态转移概率，r表示奖励函数，γ是当前动作空间和未来动作空间的协调因子；
7、对电网三维空间布局过程中的空间状态、动作空间和奖励函数进行设计，具体包括：
8、将电网三维空间布局过程中的空间状态定义为多维状态向量，所述多维状态向量包括电网三维空间和电网设备的几何信息、人机工程学参数、电网设备占用状态和环境约束；
9、将电网三维空间布局过程中的动作空间定义为复合动作集，所述复合动作集为放置电网设备的离散动作和连续动作的集合；
10、将电网三维空间布局过程中的奖励函数定义为多目标奖励函数，所述多目标奖励函数包括电网三维空间利用率和碰撞惩罚，所述碰撞惩罚包括人机碰撞惩罚和设备碰撞惩罚；
11、进一步地，在步骤s2中，所述构建布局优化模型，具体操作如下：创建并初始化一个三维卷积神经网络模型作为布局优化模型，布局优化模型根据空间状态、动作空间和奖励函数对电网三维空间布局进行调整；
12、将电网三维空间离散化为体素网格，每个体素网格包含多通道特征，所述多通道特征包括电网设备占用率、电网设备编号和材质，布局优化模型提取体素网格的高层特征；
13、使用近端策略优化算法对布局优化模型进行训练，所述近端策略优化算法包括策略网络和值函数网络，将体素网格的高层特征输入到策略网络中输出动作分布，定义离散动作的动作分布为softmax概率分布，连续动作的动作分布为高斯分布，值函数网络根据动作分布估计当前状态值；
14、在布局优化模型中集成三维建模引擎，嵌入数字人体模型，模拟工作人员操作电网设备时的动作路径，基于数字人体模型的肢体活动范围计算可达性评分作为人机碰撞惩罚；
15、进一步地，在步骤s3中，所述对布局优化模型进行优化，在近端策略优化算法中引入线性和多项式插值进行调整，具体包括以下步骤：
16、步骤s31：在近端策略优化算法中引入熵值，用于量化布局优化模型输出动作的随机性，定义近端策略优化算法的目标函数，所用公式如下：
17、；
18、；
19、式中，是近端策略优化算法的目标函数，是近端策略优化算法的原始目标函数，是策略参数，是取值范围为大于等于0且小于等于1的常数，是熵值在目标函数中的权重，表示电网三维空间布局策略，是当前时间步长，是动作空间中的动作，是空间状态中的状态，是的分布策略的熵；
20、步骤s32：在近端策略优化算法的目标函数中增加一个线性熵值，通过增强策略的随机性对近端策略优化算法进行优化，将增加线性熵值后的近端策略优化算法的目标函数记为线性熵目标函数，所用公式如下：
21、；
22、式中，是线性熵目标函数，是线性熵值，和分别是线性熵值的初始系数和终止系数，是时间步长总数；
23、步骤s33：在近端策略优化算法的目标函数中增加一个拉格朗日多项式插值，将增加拉格朗日多项式插值后的近端策略优化算法的目标函数记为非线性熵目标函数，所用公式如下：
24、；
25、；
26、式中，是非线性熵目标函数，是拉格朗日多项式插值，是在当前时间步长下的拉格朗日插值，是拉格朗日多项式的总项数，是对的遍历，是拉格朗日基多项式是循环索引变量；
27、步骤s34：将线性熵目标函数和非线性熵目标函数的和作为最终的近端策略优化算法的目标函数应用到布局优化模型中。
28、采用上述方案本发明取得的有益效果如下：
29、（1）针对传统电网三维布局方法依赖静态模型，无法动态响应环境变化与操作需求，导致空间资源分配僵化、利用率低下，同时缺乏人机工程学参数动态整合，工作人员操作时存在碰撞风险，交互安全性不足的技术问题，本方案利用马尔可夫决策过程动态建模多维状态空间与复合动作集，结合多目标奖励函数，实现了动态优化空间资源分配与人机协作安全性的双重提升；
30、（2）针对现有强化学习算法在三维空间中进行布局时策略探索效率低，收敛速度慢，易陷入局部最优，导致全局优化能力与布局多样性不佳的技术问题，本方案采用了基于三维卷积神经网络的体素特征提取，并集成线性熵及拉格朗日多项式插值调整近端策略优化算法的目标函数，加快了全局收敛速度，同时增强了布局策略的多样性，可以找出最优的电网三维空间布局方法。
1.基于人机工程学的电网三维空间布局优化方法，其特征在于，具体包含以下步骤：
2.根据权利要求1所述的基于人机工程学的电网三维空间布局优化方法，其特征在于，在步骤s1中，所述电网三维空间布局过程建模，具体操作如下：将电网三维空间布局过程建模为马尔可夫决策过程，对电网三维空间布局过程进行建模，将电网三维空间布局过程表示为(s，a，p，r，γ)，其中s表示空间状态，a表示动作空间，p表示状态转移概率，r表示奖励函数，γ是当前动作空间和未来动作空间的协调因子；
3.根据权利要求2所述的基于人机工程学的电网三维空间布局优化方法，其特征在于，在步骤s2中，所述构建布局优化模型，具体操作如下：创建并初始化一个三维卷积神经网络模型作为布局优化模型；
4.根据权利要求3所述的基于人机工程学的电网三维空间布局优化方法，其特征在于，在步骤s3中，所述对布局优化模型进行优化，在近端策略优化算法中引入线性和多项式插值进行调整，具体包括以下步骤：