摘要
本发明公开了一种用于eVTOL无人机在动态环境中进行路径规划的方法,S1:设计强化学习框架TDDPG,采用LSTM模型作为策略模型;S2:结合连续动作空间解决动态环境中的探索与路径规划问题;S3:构建基于运动学和空气动力学原理的模型;S4:设计复合奖励函数;S5:引入初始化探索机制和优先经验回放机制;利用DDPG的连续动作优化能力和LSTM的时间序列建模能力,使无人机能够基于历史状态和动作信息进行动态避障和动态终点规划,以此解决动态障碍物环境中无人机三维路径规划的问题;设计基于运动学和空气动力学原理的模型,确保模拟结果真实反映无人机在多障碍物环境下的飞行轨迹,同时也能够有效地模拟无人机在不同飞行阶段的状态变化,确保其运动轨迹的精确性。
技术关键词
动态障碍物
连续动作空间
空气动力学原理
模拟无人机
强化学习框架
LSTM模型
静态障碍物
深度确定性策略梯度
动态状态信息
深度强化学习算法
三维路径规划
路径规划效率
偏航角误差
长短期记忆网络
轨迹
速度
系统为您推荐了相关专利信息
优化调度方法
分布式消息总线
协作策略
数据中心
多智能体系统
混合动力车辆
深度确定性策略梯度
智能网
能量管理方法
电池特性曲线
模拟测试方法
服务端
UDP通信协议
测试场景
路径规划方法
位置更新
三次样条插值
无人机航迹规划
模拟无人机
三维航迹