一种基于最大后验策略优化和扩张状态观测器的AUV通用运动控制方法

本发明提供了一种基于最大后验策略优化和扩张状态观测器的AUV通用运动控制方法，该方法包括：建立AUV五自由度运动学模型和包含总扰动的动力学模型，并构造状态向量、动作向量以及奖励函数；在虚拟AUV模型中采用最大后验策略优化算法训练控制策略网络，虚拟模型在横荡和升沉方向引入随机扰动，纵荡、俯仰和偏航方向扰动置零；实际部署时，通过五个扩张状态观测器实时估计各自由度总扰动，将横荡和升沉扰动估计值作为状态向量输入策略网络，纵荡、俯仰和偏航扰动估计值用于前馈补偿策略网络输出，获得实际控制量驱动AUV。本发明提升了AUV在未知扰动和模型不确定条件下的控制精度与泛化能力。