一种基于深度强化学习的分布式驱动飞行汽车失效与失稳程度多维评价方法

本发明涉及飞行汽车控制技术领域，公开了一种基于深度强化学习的分布式驱动飞行汽车失效与失稳程度多维评价方法，包括：获取分布式驱动飞行汽车，在路空切换及邻近阶段的运行状态信息；构建基于深度确定性策略梯度算法的评价模型，将评价过程建模为一个智能体与环境交互的过程，通过强化学习训练使模型学习从飞行汽车状态到其失效与失稳状态评价向量的映射策略；将飞行汽车陆空切换期间获取的状态信息输入训练好的评价模型；输出多维度的失效与失稳状态评价结果，量化表征当前潜在失效模式、严重等级及对各关键自由度稳定裕度的综合评估。本发明能实时、准确评估飞行汽车，在复杂的陆空切换过程及潜在失效场景下的综合安全状态。