来源：期刊VIP网 时间：
作者：黄鑫宇;代京;刘刚;
单位：中国运载火箭技术研究院;
摘要：针对运载器返回过程中，传统数值预测校正制导指令生成时间长，实时性较差的问题，引入神经网络生成制导指令提高实时性。针对有监督机器学习方法需要大量已有样本数据来训练神经网络的缺点，引入深度确定性策略梯度算法（DeepDeterministicPolicyGradient,DDPG）结合拟平衡飞行条件生成的飞行剖面，使智能体在仿真环境中自主探索数据训练神经网络。通过对强化学习奖励函数的设计和对制导周期的调整，解决深度强化学习训练返回制导律过程中因稀疏奖励造成的结果不收敛的问题，使运载器能够完成具有过程约束和终端约束的飞行任务。对比仿真表明，强化学习生成的制导律在精度上略优于传统预测校正制导律，而制导指令计算时间相对于传统预测校正制导律大幅度缩短，实时性得到有效提升。蒙特卡洛仿真表明，强化学习生成的制导律在多种扰动的情况下，仍能保证良好的精度和鲁棒性，展现出一定的工程应用前景。
关键词：运载器;;深度强化学习;;预测校正制导;;深度确定性策略梯度算法;;高度-速度剖面
