基于DQN的旋翼无人机着陆控制算法

V448.2; 针对无人机的着陆控制问题,研究了一种基于深度强化学习理论的旋翼无人机着陆控制算法.利用深度强化学习训练生成无人机智能体,根据观测结果给出动作指令,以实现自主着陆控制.首先,基于随机过程理论,将旋翼无人机的着陆控制问题转化为马尔可夫决策过程.其次,设计分别考虑无人机横向和纵向控制过程的奖励函数,将着陆控制问题转入强化学习框架.然后,采用深度Q网络(deep Q network,DQN)算法求解该强化学习问题,通过大量训练得到着陆控制智能体.最后,通过多种工况下的着陆平台进行大量的数值模拟和仿真分析,验证了算法的有效性....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 45; no. 5; pp. 1451 - 1460
Main Authors 唐进, 梁彦刚, 白志会, 黎克波
Format Journal Article
LanguageChinese
Published 国防科技大学空天科学学院,湖南长沙410073 01.05.2023
空天任务智能规划与仿真湖南省重点实验室,湖南长沙410073%中国人民解放军31102部队,江苏南京210000
Subjects
着陆控制
深度Q网络算法
深度强化学习
旋翼无人机
马尔可夫决策过程
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2023.05.21

Cover

More Information
Summary:V448.2; 针对无人机的着陆控制问题,研究了一种基于深度强化学习理论的旋翼无人机着陆控制算法.利用深度强化学习训练生成无人机智能体,根据观测结果给出动作指令,以实现自主着陆控制.首先,基于随机过程理论,将旋翼无人机的着陆控制问题转化为马尔可夫决策过程.其次,设计分别考虑无人机横向和纵向控制过程的奖励函数,将着陆控制问题转入强化学习框架.然后,采用深度Q网络(deep Q network,DQN)算法求解该强化学习问题,通过大量训练得到着陆控制智能体.最后,通过多种工况下的着陆平台进行大量的数值模拟和仿真分析,验证了算法的有效性.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2023.05.21