Resumen

Con el fin de mejorar la autonoma del guiado de planeo para misiones de vuelo complejas, este artculo propone una estrategia de guiado de planeo inteligente con mltiples restricciones basada en el guiado ptimo y el aprendizaje por refuerzo (RL). Se introduce un guiado ptimo tridimensional para cumplir las restricciones de latitud, longitud, altitud y ngulo de planeo. Se propone una estrategia de control de velocidad mediante una maniobra lateral sinusoidal y se estudia un mtodo analtico de prediccin de la velocidad terminal considerando el vuelo de maniobra. Con el objetivo de resolver el problema de que la amplitud de maniobra en el control de velocidad no puede determinarse offline, se estudia un mtodo inteligente de ajuste de parmetros basado en RL. Este mtodo considera la determinacin de parmetros como un Proceso de Decisin de Markov (MDP) y disea un espacio de estados mediante la velocidad terminal y un espacio de acciones con la amplitud de maniobra. Adems, construye una funcin de recompensa que integra el error de velocidad terminal y las tareas de guiado del planeo y utiliza Q-Learning para lograr el ajuste inteligente en lnea de la amplitud de maniobra. Los resultados de la simulacin muestran que el mtodo de guiado inteligente de planeo puede cumplir varias restricciones terminales con gran precisin y puede mejorar la capacidad de toma de decisiones autnoma en tareas complejas de forma eficaz.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Mejorar; Autonomía; Guiado en planeo; Estrategia; Aprendizaje por refuerzo; Restricciones
• Keywords:Improve; Autonomy; Gliding guidance; Strategy; Reinforcement learning; Constraints