基于强化学习的固定翼飞机姿态控制方法研究

研究了基于强化学习的飞行器姿态控制方法。控制器的输入是飞机和姿态误差的纵向和横向状态变量，并输出升降舵和副翼的偏转角指令，以实现飞机姿态角在不同初始条件下的快速响应，同时避免了在不同飞行状态下使用传统方法和参数调整。根据飞机姿态变换的特点，通过建立离散神经网络模型，提高了算法的收敛效率。为了更接近固定翼飞机的实际控制，对基于JSBSim的F－16-飞机空气动力学模型进行了仿真，并利用openai gym建立了强化学习仿真环境。以任意角的速度、角度和空速为目标，对姿态控制器中的动作网络和评估网络进行训练。仿真结果表明，基于强化学习的姿态控制器响应速度快，体积小，能够避免过载等边界条件。