公开(公告)号：CN114815864B

公开(公告)日：2024-08-20

申请号：CN202210346557.5

申请日：2022-03-31

Applicant: 哈尔滨工程大学

Inventor： 池海红 ,  宋国福 ,  周明鑫 ,  王良华

IPC: G05D1/46 ,  G05D109/28

Abstract: 本发明公开了一种基于强化学习的高超声速飞行器航迹规划方法，本发明根据航迹规划分2个阶段：离线训练阶段，训练一个不依赖于固定环境的RL智能体作为航迹规划的基线策略；在线规划阶段，RL‑CEM利用环境模拟器预测未来的状态进行规划，之后选择优于基线策略的策略作为执行策略，否则将使用基线策略。本发明提出的RL‑CEM不仅有效地回避航迹规划中的局部最优，还展现出了令人满意的成功率。RL‑CEM弥补了以往基于RL的航迹规划方法容易陷入局部最优、规划失败时无替代方案的缺点。本发明的航迹规划方法回避了高超声速飞行器复杂的动力学，仅通过其运动学来解决该问题。

公开(公告)号：CN114815864A

公开(公告)日：2022-07-29

申请号：CN202210346557.5

申请日：2022-03-31

Applicant: 哈尔滨工程大学

Inventor： 池海红 ,  宋国福 ,  周明鑫 ,  王良华

IPC: G05D1/08

Abstract: 本发明公开了一种基于强化学习的高超声速飞行器航迹规划方法，本发明根据航迹规划分2个阶段：离线训练阶段，训练一个不依赖于固定环境的RL智能体作为航迹规划的基线策略；在线规划阶段，RL‑CEM利用环境模拟器预测未来的状态进行规划，之后选择优于基线策略的策略作为执行策略，否则将使用基线策略。本发明提出的RL‑CEM不仅有效地回避航迹规划中的局部最优，还展现出了令人满意的成功率。RL‑CEM弥补了以往基于RL的航迹规划方法容易陷入局部最优、规划失败时无替代方案的缺点。本发明的航迹规划方法回避了高超声速飞行器复杂的动力学，仅通过其运动学来解决该问题。