近日，中國科學(xué)院工程熱物理研究所無人飛行器實驗室團(tuán)隊利用深度強(qiáng)化學(xué)習(xí)技術(shù)，開展了基于能量優(yōu)化的太陽能無人機(jī)軌跡規(guī)劃研究。該研究為增強(qiáng)高空長航時太陽能無人機(jī)自主飛行、智能規(guī)劃能力提供了新的解決思路。
高空長航時（HALE）太陽能無人機(jī)依靠取之不盡的太陽能可在臨近空間停留數(shù)周或更長時間，以執(zhí)行通信中繼、空中偵察和災(zāi)害監(jiān)控等任務(wù)。然而，受儲能電池和光伏電池效率的限制，HALE無人機(jī)平臺的尺寸正在不斷增加以滿足更多有效載荷的需求。因此，科研人員正在尋找有效方法幫助無人機(jī)充分利用可獲取的能量，軌跡優(yōu)化作為重點方向之一，是涉及大氣環(huán)境、飛行姿態(tài)和飛行任務(wù)約束的綜合問題。當(dāng)前，使用離線優(yōu)化算法解決該類問題雖能保證解序列趨于最優(yōu)化，但無法對飛行過程中的不確定性進(jìn)行實時糾正以調(diào)整飛行狀態(tài)；而模型預(yù)測控制、動態(tài)規(guī)劃等在線算法通常采用滾動方法在有限的視界內(nèi)進(jìn)行優(yōu)化，同時結(jié)合迭代算法進(jìn)行求解，有限的算力將導(dǎo)致計算效率下降。
研究團(tuán)隊利用強(qiáng)化學(xué)習(xí)算法，借助神經(jīng)網(wǎng)絡(luò)實現(xiàn)將動態(tài)軌跡生成向端到端控制的轉(zhuǎn)換，設(shè)計并建立完整的高空長航時太陽能飛機(jī)數(shù)值仿真環(huán)境以及強(qiáng)化學(xué)習(xí)框架（圖1）。研究以能量最大化為目標(biāo)，引入勢能/電能優(yōu)先策略下的不同獎勵函數(shù)，經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)控制器可自主學(xué)習(xí)充電、爬升、高空巡航、下降、低空盤旋五個階段（圖2），并針對未經(jīng)重復(fù)優(yōu)化的控制器開展60*24h久航仿真分析（圖3）。結(jié)果表明，采用強(qiáng)化學(xué)習(xí)控制器的無人機(jī)經(jīng)過完整晝夜飛行后，電池剩余能量得到不同程度的提高，同時控制器可以根據(jù)當(dāng)前飛行和輻照信息重新預(yù)測未來的軌跡，平均單步推理僅用時1ms，進(jìn)一步提升了高空長航時太陽能無人機(jī)的自主飛行能力。目前，實驗室正在進(jìn)行基于高空多種能量的綜合航跡優(yōu)化進(jìn)行可行性分析，下一階段將開展相關(guān)框架的平臺部署及驗證工作。
相關(guān)研究成果發(fā)表在Chinese Journal of Aeronautics上。研究工作得到中科院特別研究助理項目的支持。
圖1.基于Soft Actor-Critic算法的控制器框架
圖2.勢能/電量優(yōu)先策略下的不同飛行剖面。（a）勢能優(yōu)先，（b）電能優(yōu)先
圖3.久航仿真信息分析
（來源：工程熱物理研究所）