.png){kind=icon}
返回
Robust Control Strategy for Quadrotor Drone Using Reference Model-Based Deep Deterministic Policy Gradient
.png){kind=icon}
OA
AI
DOI：10.3390/drones6090251.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于模拟与现实世界之间的差异，强化学习 (RL) 在无人机控制中的应用会遇到振荡和不稳定等问题。本研究提出了一种使用基于深度RL的参考模型 (RM) 的四旋翼无人机控制策略。与与最优和自适应控制相关的常规研究不同，该方法使用深度神经网络为四旋翼无人机设计飞行控制器，该控制器可以将无人机的状态和目标值直接映射到控制命令。该方法是基于深度确定性策略梯度 (DDPG) 算法结合深度神经网络开发的。RM进一步用于演员-评论家结构，以增强鲁棒性和动态稳定性。通过两次实验，证实了基于rm-ddpg的飞行控制策略是可行的。首先，基于实际无人机构建了四旋翼无人机模型，并在其上训练了离线策略。通过仿真评估了该策略的性能，同时确认了系统状态的转换和控制器的输出。所提出的策略可以消除振荡和稳态误差，并且可以针对目标值和外部干扰获得鲁棒的结果。
Keyword:
reinforcement learning
quadrotor drone
deterministic policy
neural network
期刊
D
IF:
4.8
论文数:
3.9K
被引数:
8.3K
机构
引用论文
Mathematical Investigation on the Sustainability of UAV Logistics无人机物流可持续性的数学研究.png)
SUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Utilizing Deep Learning and Oversampling Methods to Identify Children’s Emotional and Behavioral Risk利用深度学习和过采样方法识别儿童的情感和行为风险
PREAI
分享收藏
查看更多内容