基于强化学习的四旋翼无人机 PID 控制器增益预测
系统与控制
2025-02-10 v1 机器人学
系统与控制
摘要
提出并实现了一种基于强化学习 (RL) 的方法，用于在线微调 PID 控制器增益，从而提高四旋翼有效且精确的轨迹跟踪。RL 智能体首先在四旋翼 PID 姿态控制器上进行离线训练，然后通过仿真和实验飞行进行验证。RL 采用 Deep Deterministic Policy Gradient (DDPG) 算法，这是一种离策略演员-评论家方法。使用 Matlab/Simulink 和 PX4 Autopilots 的 UAV Toolbox Support Package 进行训练和仿真研究。在手动调参和基于 RL 的调参方法之间进行了性能评估和比较研究。结果表明，基于 RL 的控制器参数在飞行过程中得到调整，实现了最小的姿态误差，从而与手动调参方法相比显著提高了姿态跟踪性能。
引用
@article{arxiv.2502.04552,
title = {Reinforcement Learning Based Prediction of PID Controller Gains for Quadrotor UAVs},
author = {Serhat Sönmez and Luca Montecchio and Simone Martini and Matthew J. Rutherford and Alessandro Rizzo and Margareta Stefanovic and Kimon P. Valavanis},
journal= {arXiv preprint arXiv:2502.04552},
year = {2025}
}