无人集群系统深度强化学习控制研究进展

随着无人集群在物流运输、农业管理、军事行动等场景的试验和应用,其面临的作业环境和任务内容日趋复杂,亟需设计效率更高、泛化能力更强、适应性更好的控制算法.将人工智能引入到无人集群系统控制的研究中,能够大幅提升现有无人集群的能力,完成复杂的作业任务.深度强化学习具有深度学习和强化学习的优点,无人集群系统深度强化学习控制研究受到了国内外科研人员的广泛关注,涌现出许多标志性成果.本文将从原理、特点等方面阐述深度强化学习概念,深入分析深度强化学习的多种典型算法,并讨论无人机集群的各类控制需求,进而介绍深度强化学习在无人机集群控制领域的典型研究成果,最后针对该领域研究成果的落地转化总结了应用前景和面临的挑战.

基于线性滤波器的四旋翼无人机强化学习控制策略

针对四旋翼无人机(UAVs)系统,该文提出一种基于线性降阶滤波器的深度强化学习(RL)策略,进而设计了一种新型的智能控制方法,有效地提高了旋翼无人机对外界干扰和未建模动态的鲁棒性。首先,基于线性降阶滤波技术,设计了维数更少的滤波器变量作为深度网络的输入,减小了策略的探索空间,提高了策略的探索效率。在此基础上,为了增强策略对稳态误差的感知,该文结合滤波器变量和积分项,设计集总误差作为策略的新输入,提高了旋翼无人机的定位精度。该文的新颖之处在于,首次提出一种基于线性滤波器的深度强化学习策略,有效地消除了未知干扰和未建模动态对四旋翼无人机控制系统的影响,提高了系统的定位精度。对比实验结果表明,该方法能显著地提升旋翼无人机的定位精度和对干扰的鲁棒性。

基于空气负氧离子浓度的林芝市城市绿地公园空气清洁度评价

为更好建设林芝城市绿地公园,以空气负离子为参考依据,选取林芝市内6个具有代表性的不同城市绿地公园区域,对其进行空气正、负氧离子浓度、氧气浓度、空气温度、相对湿度、二氧化碳浓度的观测,并以空气离子单极系数和安培空气离子评价指数为依据,对林芝地区空气质量进行了初步的评价。分析结果表明:林芝市绿地公园空气负离子呈现明显的日变化趋势,峰值多出现在11:00~14:00之间,空气离子单极系数平均值为1.18,安培空气离子评价指数平均值为1.54,达到最清洁水平,AQI全年平均值为45,达到一级水平,林芝市城市绿地公园空气质量为优。

基于误差状态卡尔曼滤波估计的旋翼无人机输入饱和控制

针对GPS(global positioning system)信号缺失环境下无人机自主飞行控制问题,设计了一种基于视觉与IMU(inertial measurement unit)融合的误差状态卡尔曼滤波(ESKF)框架,并在此基础上提出了一种新的输入饱和控制方法以进一步缓解视野约束以及运动模糊问题.不同于传统的扩展卡尔曼滤波(EKF)框架,本文设计的滤波框架是对误差状态进行更新与校正,而不是直接对系统状态进行估计.由于误差状态是小量,并且其线性程度较高,因此相对于系统状态局部线性化而言,误差状态的局部线性化的模型误差更小,进而可以提高状态估计的精度.基于ESKF框架得到的全状态估计,本文提出了一种新的线性与双曲正切混合的饱和函数,进而设计了输入饱和控制器并通过李亚普诺夫函数证明了闭环系统平衡点的渐近稳定性.最后,在旋翼无人机平台上的对比实验结果表明:本文ESKF方法得到的状态估计精度更高.另外,本文所提出的输入饱和控制方法有助于保证视觉特征在视野之内,并且比有界积分控制方法有更好的暂态以及稳态性能.