科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对追捕条件下速度劣势但加速度优势的旋翼无人机逃逸问题，结合无人机飞行过程中动力学约束，提出一种基于深度Q网络的无人机逃脱方法。该方法基于人工势场法改进无人机在强化学习过程中的奖励函数，通过合理的单步奖励，解决稀疏奖励问题。建立追捕者与逃逸旋翼无人机的仿真环境，通过模型仿真追捕环境下无人机的逃脱过程，使无人机不断学习逃脱动作决策方法。实验表明，运用改进的奖励函数的训练效果与普通奖励函数相比学习效果更好，旋翼无人机能够通过学习获得应对追捕的逃脱方法。
-
单位机电工程学院; 武汉理工大学
