基于DDPG算法的变体飞行器自主变形决策

针对变体飞行器的自主变形决策问题，提出了一种基于深度确定性策略梯度(DDPG)算法的智能二维变形决策方法。以可同时变展长及后掠角的飞行器为研究对象，利用DATCOM计算气动数据，并通过分析获得变形量与气动特性之间关系；基于给定的展长和后掠角变形动力学方程，设计DDPG算法学习步骤；针对对称和不对称变形条件下的变形策略进行学习训练。仿真结果表明:所提算法可以快速收敛，变形误差保持在3%以内，训练好的神经网络提高了变体飞行器对不同飞行任务的适应性，可以在不同的飞行环境中获得最佳的飞行性能。