简介： 本发明公开了一种基于强化学习PPO2算法的无人艇位姿控制方法，包括无人艇环境建模；根据无人艇的情况设置动作和状态空间；设置奖励目标权重，基于所需无人艇控制目标设置奖励函数来控制无人艇；设计深度神经网络，包括状态价值函数估计器网络和策略网络；用PPO2算法进行无人艇位姿控制器训练，并对策略网络参数迭代，直到设定的训练周期数目全部结束，观察无人艇位姿控制结果，并将学习步长、观测空间、动作空间、训练策略以及训练完成的神经网络保存，作为无人艇下次调用。本发明利用PPO2算法进行无人艇的姿态航向控制；通过强化学习，不依赖于具体模型，能有效地控制复杂环境下的无人艇系统。