基于深度强化学习的无人船自动舵系统研究
摘要 3 为解决传统无人船自动舵系统在复杂水域(如暗流、风浪干扰)中控制精度低、自适应能力弱的问题,本文将深度强化学习(DRL)技术引入自动舵控制策略设计。以某型内河无人测量船为研究对象,构建融合船体动力学模型与环境干扰因子的仿真环境,采用深度确定性策略梯度(DDPG)算法设计控制器,通过“状态-动作-奖励”机制实现舵角的动态优化。实验结果表明,相较于 PID 控制算法,该系统在横摇角控制误差上降低 32.7% ,航向保持精度提升 28.5% ,且在突发水流干扰下的恢复响应时间缩短至 0.8 秒,验证了深度强化学习在无人船自动舵控制中的优越性,为复杂水域无人船自主航行提供了可靠技术方案。
陈仲