Deep reinforcement learning-based path following control for autonomous airship

针对无人飞艇路径跟随问题, 提出一种融合视线法与深度强化学习的无模型控制方法. 首先, 基于视线法将路径跟随问题转化为航向控制问题; 其次, 依据飞艇运动学与动力学特性, 将航向控制问题描述为马尔可夫决策过程; 进而, 设计基于深度确定性策略梯度算法的无模型控制策略, 实现对期望航向的精准控制, 最终达成路径跟随目标. 仿真结果表明, 在三种典型期望路径下, 所提出的方法相较于传统 PID 控制能够更加迅速地收敛到预期控制目标, 并在跟踪精度与系统稳定性方面展现出优越性能, 验证了该方法的有效性与优越性.