本發(fā)明涉及一種基于強化學習的變電站內(nèi)巡檢機器人路徑規(guī)劃方案，該方案針對變電站巡檢場景，在獲取實際變電站環(huán)境信息之后，通過柵格法建立變電站環(huán)境模型，并采用SARSA算法設計巡檢機器人路徑規(guī)劃方案，以貪婪策略代替Q?learning中的貪婪策略，通過更為保守的路徑規(guī)劃，減少巡檢機器人與障礙物發(fā)生碰撞的概率，大大延長其使用壽命。此外，通過對SARSA算法中獎賞的設計，減少機器人到達同一個巡檢點位的次數(shù)，保證機器人快速高效地完成巡檢任務。與現(xiàn)有技術相比，本發(fā)明能夠?qū)崿F(xiàn)以巡檢機器人為主體的自主路徑選擇與安全避障，達到性能的快速高效收斂，對場景的適應能力更強，業(yè)務性能更優(yōu)。