用于容错飞行控制的 Soft Actor-Critic 深度强化学习
系统与控制
2023-01-02 v1 机器学习
机器人学
系统与控制
摘要
容错飞行控制面临诸多挑战，因为为每种意外故障开发基于模型的控制器是不切实际的，而在线学习方法由于其低样本效率只能处理有限的系统复杂性。本研究提出了一种用于喷气式飞机的无模型耦合动力学飞行控制器，能够抵御多种故障类型。一种离线训练的级联 Soft Actor-Critic 深度强化学习控制器在高度耦合的机动动作中取得了成功，包括以 2.64% 的归一化平均绝对误差完成 40 度坡度协调爬升转弯。该控制器对六种故障情况具有鲁棒性，包括方向舵卡在 -15 度、副翼效能降低 70%、结构失效、结冰以及重心后移，其响应稳定且成功完成了爬升转弯。此外，还展示了该控制器对有偏传感器噪声、大气扰动以及不同初始飞行条件和参考信号形状的鲁棒性。
引用
@article{arxiv.2202.09262,
title = {Soft Actor-Critic Deep Reinforcement Learning for Fault Tolerant Flight Control},
author = {Killian Dally and Erik-Jan van Kampen},
journal= {arXiv preprint arXiv:2202.09262},
year = {2023}
}
备注
This paper has been presented at the 2022 AIAA SciTech Forum and Exposition, and accepted for publication in the corresponding AIAA proceedings