cc-DRL: 一种用于变形四旋翼飞行器的凸组合深度强化学习飞行控制设计
机器人学
2024-08-26 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
与普通四旋翼飞行器相比，变形四旋翼飞行器的形状变化使其具有更好的飞行性能，但也导致了更复杂的飞行动力学。通常，对于变形四旋翼飞行器来说，建立描述其复杂飞行动力学的精确数学模型极其困难甚至是不可能的。为了解决变形四旋翼飞行器的飞行控制设计问题，本文借助无模型控制技术（例如深度强化学习，DRL）和凸组合（CC）技术，提出了一种用于一类变形四旋翼飞行器位置和姿态的凸组合深度强化学习（cc-DRL）飞行控制算法，其中形状变化通过四个臂杆的长度变化来实现。在所提出的cc-DRL飞行控制算法中，利用无模型DRL算法——近端策略优化算法，对一些选定的代表性臂长模式离线训练相应的最优飞行控制律，并由此通过凸组合技术构建了一个cc-DRL飞行控制方案。最后，仿真结果展示了所提出的飞行控制算法的有效性和优越性。
引用
@article{arxiv.2408.13054,
title = {cc-DRL: a Convex Combined Deep Reinforcement Learning Flight Control Design for a Morphing Quadrotor},
author = {Tao Yang and Huai-Ning Wu and Jun-Wei Wang},
journal= {arXiv preprint arXiv:2408.13054},
year = {2024}
}