一种基于DQN的四旋翼无人机模预测控制方法

本发明公开了一种基于深度Q网络(Deep Q‑Network，DQN)的四旋翼无人机模型预测控制方法。首先建立了惯性坐标系与机体坐标系，基于牛顿第二定律和欧拉‑拉格朗日方程建立四旋翼无人机的运动学方程和动力学方程。设计基于模型预测控制(Model Predictive Control，MPC)的无人机鲁棒控制器，通过动态优化生成最优控制输入，提升无人机的轨迹跟踪性能。对于在整个跟踪过程中存在的各类扰动，将DQN强化学习算法与MPC方法结合设计飞行控制系统，补偿扰动带来的控制率误差，增强姿态控制的稳定性，提高跟踪精度和抗干扰能力。最后通过仿真实验验证飞行控制系统的鲁棒性能。