深度确定性策略梯度学习的火星无人机控制

为了降低控制器设计对火星无人机动力学模型的依赖，提高火星无人机控制系统的智能化水平，结合强化学习（reinforcement learning,RL）算法，提出了一种具有自主学习能力的火星无人机位置姿态控制器。该控制器由神经网络构成，利用深度确定性策略梯度（deep deterministic policy gradient,DDPG）算法进行学习，不断优化控制策略，最终获得满足控制要求的策略。仿真结果表明，在没有推导被控对象模型的前提下，基于DDPG算法的控制器通过学习，自主将火星无人机稳定控制到目标位置，且控制精度、调节时间等性能优于比例-积分-微分（proportion integration differentiation,PID）控制器的效果，验证了基于DDPG算法的控制器的有效性；此外，在被控对象模型改变或存在外部扰动的情况下，基于DDPG算法的控制器仍然能够稳定完成任务，控制效果优于PID控制器，表明基于DDPG算法的控制器具有良好的鲁棒性。