简介： 一种飞行器双延迟深度确定性策略梯度姿态控制方法，属于飞行器控制技术领域。方法如下：建立飞行器动力学模型形成强化学习环境；初始化强化学习交互环境、智能体及最大步数；获得飞行器的控制量作为动作量；计算动作量对应的奖励函数值及下一个观测量，组合形成经验数据记录至经验回放区；对智能体参数进行调整完成一轮强化学习；输出飞行器控制量燃料空气混合比与升降舵偏角。本发明是一种高精度、自适应的飞行器智能控制方法，通过双延迟深度确定性策略梯度方法进行强化学习，实现弱依赖于模型的最优姿态控制器设计，仅需要飞行器的基本模型，模型中各参数量不需完全精确给出，从而减弱了控制系统设计对于模型的依赖程度。