本文主要以无人驾驶为目标，对几种深度强化学习算法进行研究。具体研究成果如下： 1. 对A3C（Asynchronous Advantage Actor-Critic）,DDPG（Deep Deterministic Policy Gradient），SAC（Soft Actor-Critic）三种算法在无人驾驶问题中的优缺点进行了分析，并且针对无人驾驶问题对算法进行修改和应用。将三种算法应用到模拟器上进行实验，分析不同参数下的表现与结果。重点研究了SAC算法中熵权重因子α和奖励函数的变化对于驾驶行为的影响。 2. 实现了无人驾驶系统，在对驾驶模拟器环境中的智能体进行训练和验证的基础上，探讨将算法模型移植到真实小车无人驾驶环境的方案，通过提供通用的gym应用接口，同时支持模拟环境和真实驾驶环境的算法研究和软件部署。 3. 提出了通过CGAN (Conditional Generative Adversarial Network)来将模拟器中得到的算法模型迁移到真实环境的方案，探讨并实现了通过VAE (Variational Autoencoder)技术来对场景图像进行降维，以提升训练和验证效率的方案。 本文在算法设计和无人驾驶系统设计的基础上进行了研究与测试，收集了实验成果并进行了分析和改进，最终取得了良好的运行效果。

主要功能： 终端完成数据采集与上报，服务端将上报的数据存储至数据库，并提供用户和设备相关的配置管理。用户可以在网页上创建产业、采集点和终端设备。可查看设备采集到的实时数据和历史数据。能在线对设备进行远程调试。平台支持符合 485 规范的任意类型的传感器，通过配置生效的方式，满足即插即用。 相关技术：SpringbBoot,SpringCloud,Jpa,sqlite,Mysql,Redis,MongoDB, InfluxDB,Websocket,mqtt,coap,echarts,Linux,vue等。 个人贡献：作为组长对整个项目进行组织和工作分配，对项目进行整体构思。终端功能代码的编写，针对RS485的性能优化及硬件保护机制的设计，针对RS485通用性的程序设计，参与通信协议的定制，终端通信协议的解析。

主要功能： 监控当前环境的温湿度、氨气、光照等数据，可查看历史数据和实时数据，并存入终端和服务端两处的数据库。终端在断开连接的情况下能够通过触摸屏进行控制，查询数据信息以及被监控的视频信息。接入正常的情况下，用户能够从web端查询到相同的信息。用户能够对终端的数值进行阈值的设置，如果超出阈值范围，服务端会向用户的*发送报警邮件。本系统也具有较强的健壮性，两端设有心跳机制和重连机制。 相关技术： socket,SpringBoot,Jpa,Websocket,echarts,MySQL等。 个人贡献：作为组长对整个项目进行组织和工作分配，对项目进行整体构思，参与数据库设计。终端开发板功能代码的编写，制定socket通信协议。