研究了基于深度强化学习算法的自主式水下航行器（AUV）深度控制问题。区别于传统的控制算法，深度强化学习方法让航行器自主学习控制律，避免人工建立精确模型和设计控制律。采用深度确定性策略梯度方法设计了actor与critic两种神经网络。actor神经网络给出控制策略，critic神经网络用于评估该策略，AUV的深度控制可以通过训练这两个神经网络实现。在OpenAI Gym平台上仿真验证了算法的有效性。
2021-09-22 14:40:09
1.62MB
1
水下航行器运动控制仿真，戴君锐，向先波，为了预报水下航行器样机的运动控制性能，根据该样机自身特性，结合标准的潜艇六自由度运动方程，建立该样机的仿真模型，通过水池
2021-08-11 15:56:25
483KB
1