《表2 仿真初始条件：基于深度强化学习的智能PID控制方法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度强化学习的智能PID控制方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

选用深度强化学习算法中的DDPG算法训练深度神经网络，目标为控制飞行器俯仰通道过载跟踪外部过载指令。深度强化学习是一种弱模型依赖的控制器设计方法，当飞行器的模型发生摄动时，由深度强化学习设计的控制器仍能实现飞行器精确的姿态控制。在仿真中，首先强化学习算法与外部环境进行交互，得到满足要求的控制器，再将飞行器的气动参数加上不同程度的摄动，验证当飞行器的模型发生变化时，强化学习方法设计的控制器仍然有效。本文同时设计了LQR控制器用以比较分析，LQR控制器参数为K1=-5.38，K2=-4.1。飞行器俯仰通道的气动参数如表1所示，仿真初始条件如表2所示。