尧图网站建设 
1. 无人系统到底在解决什么问题第一次接触“无人系统”这个词很多人脑子里蹦出来的可能是航拍无人机或者扫雷机器人。但真正在这个圈子里摸爬滚打过几年的人会告诉你无人系统的核心从来不是“无人”而是“系统”——它是一整套感知、决策、控制、执行的闭环是把人的判断力从危险、枯燥、高重复的场景里抽离出来交给机器去完成。我最早接触无人系统是在一个水域测绘项目里当时用一艘小型USV无人水面艇跑河道断面。那会儿觉得这东西不就是个遥控船加个GPS吗后来才发现从岸基控制站到艇上的推进器中间隔着通信链路、导航算法、避障逻辑、能源管理一大堆子系统。任何一个环节掉链子整条船就可能偏航、失联甚至翻覆。也是从那时候起我开始系统性地研究UAV无人机、UGV无人地面车辆、USV无人水面艇和AUV自主水下航行器这四类典型平台发现它们虽然形态差异巨大但底层的技术骨架高度相似。这篇文章想做的事情很直接把无人系统这个听起来宏大的概念拆开从平台分类、核心子系统、控制算法、实操调试到常见故障排查一层层讲清楚。尤其是最近在AUV领域比较热的“基于Q-learning自适应强化学习PID控制器”这个方向我会结合自己的理解把它的原理、实现思路和实际调参中踩过的坑一并分享出来。无论你是刚入行的学生还是已经做过几个项目的工程师应该都能从中找到可以直接参考的东西。2. 无人系统的四大平台分类与核心差异2.1 UAV、UGV、USV、AUV各自的能力边界无人系统按运行域划分最主流的四类就是UAV、UGV、USV和AUV。它们之间的差异远不止“飞在天上”和“跑在地上”这么简单而是涉及动力学模型、通信方式、能源约束和任务载荷的根本性不同。UAV无人飞行器最大的优势是视野和机动性。多旋翼可以悬停、垂直起降固定翼则擅长长航时大范围巡航。但它的致命短板是续航——电池技术没有突破之前多旋翼的实用航时基本卡在30到50分钟。我做过一个电力巡线项目用多旋翼沿输电线路飞每飞20分钟就得换电池一天下来有效作业时间不到4小时。所以UAV的任务规划里航点顺序和返航逻辑必须做得非常保守。UGV无人地面车辆的强项是载荷能力和地面精细作业。轮式、履带式、腿式各有适用场景。轮式在结构化道路上效率最高履带式适合越野和废墟腿式则在楼梯和复杂地形上有独特优势。UGV的难点在于地面环境的不可预测性——一个不起眼的坑洼或者一段松软土壤就可能让车辆陷住。我在一个农业巡检UGV项目里光是处理泥地打滑就花了两周时间最后靠轮速传感器加IMU融合才勉强稳住。USV无人水面艇介于水上和水下之间主要做水文测量、水质采样、水面巡逻。它的通信条件比AUV好得多因为天线可以露出水面实时遥控和数传都没问题。但水面环境受风浪影响大姿态控制是核心难题。我见过一条USV在三级风下横摇超过15度摄像头画面完全没法用后来加了双体船型才改善。AUV自主水下航行器是四类里技术门槛最高的。水下没有GPS信号通信只能靠水声带宽极低所以AUV必须高度自主。它的导航通常依赖惯性导航加多普勒测速仪长时间航行后累积误差可能达到几百米。控制方面水下动力学非线性强、耦合严重传统PID往往力不从心这也是为什么强化学习PID这类自适应方法在AUV领域特别受关注。2.2 平台选型的决策逻辑选哪个平台不是拍脑袋决定的。我一般会问四个问题任务环境是什么需要实时通信吗续航要求多长载荷多重如果任务区域是开阔空域且需要快速覆盖UAV是首选。如果任务区域是地面且需要接触式作业UGV更合适。如果任务区域是湖泊、河道或近海USV的性价比最高。如果任务区域在水下且需要隐蔽或大深度作业那就只能上AUV。这里有一个容易被忽略的点很多实际项目其实是多平台协同。比如水域救援场景UAV先空中搜索定位USV再水面抵近AUV最后水下确认。这种异构协同对通信协议和任务分配算法提出了更高要求但也是无人系统未来的主要方向。3. 无人系统的核心子系统拆解3.1 感知与导航无人系统的眼睛和耳朵感知系统决定了无人平台能不能“看懂”周围环境。UAV上常见的是视觉加激光雷达UGV上更多用深度相机加超声波USV用毫米波雷达加视觉AUV则依赖声呐。不同传感器的选型逻辑很简单看环境对哪种物理量最友好。导航方面室外GPS加IMU是标配但到了室内、水下或城市峡谷GPS就废了。这时候需要SLAM同步定位与建图或者惯性导航加地标匹配。我在一个地下管廊UGV项目里GPS完全没信号最后靠激光雷达SLAM加轮式里程计才跑通。但SLAM的计算量很大机载计算机必须够强否则帧率掉下来定位就飘了。注意AUV的导航是特例。水下GPS信号衰减极快通常只能靠惯性导航推算每隔一段时间上浮到水面校准一次。这个校准周期的设计直接决定了任务能不能完成。3.2 控制与执行从指令到动作的最后一公里控制系统是无人系统的大脑和肌肉。大脑负责算肌肉负责动。UAV靠电机转速差实现姿态控制UGV靠差速或阿克曼转向USV靠舵和推进器AUV靠舵面和推力矢量。控制算法的核心是PID这几乎是所有无人系统入门的必修课。但传统PID有个硬伤参数固定。一旦负载变化、环境扰动或者模型非线性增强固定参数就控不住了。我在AUV项目里深有体会——同一个PID参数在静水里跑得好好的一到有洋流的环境就震荡得厉害。这时候就需要自适应机制而强化学习PID就是其中一种思路。3.3 通信与能源无人系统的生命线通信链路的质量直接决定无人平台能跑多远。UAV用2.4G或5.8G频段UGV用WiFi或4G/5GUSV用数传电台AUV用水声通信。水声通信的带宽极低通常只有几kbps所以AUV不能传视频只能传指令和状态。能源方面锂电池是主流但能量密度已经接近瓶颈。燃料电池和太阳能补充是方向但工程化还有距离。我的经验是能源预算至少留30%余量因为实际功耗往往比估算高。4. 强化学习PID在AUV中的实现思路4.1 为什么传统PID在AUV上不够用AUV的水下动力学有几个特点非线性、强耦合、时变、模型不确定。传统PID的三个参数Kp、Ki、Kd一旦定下来就只能适应一个工作点。AUV在变深度、变速度、变负载时动力学特性变化很大固定参数很难兼顾。我试过用增益调度就是按深度和速度分几组PID参数切换使用。这能解决一部分问题但分组边界怎么定、切换时怎么平滑都是麻烦事。而且分组再多也覆盖不了所有工况。强化学习PID的思路是让控制器自己学。通过与环境交互根据奖励信号调整PID参数逐步找到当前工况下最优的组合。Q-learning是其中一种具体实现它用Q表记录状态-动作对的价值通过迭代更新逼近最优策略。4.2 Q-learning自适应PID的核心机制Q-learning的核心要素是状态、动作、奖励和Q表。在AUV控制里状态可以设计为误差和误差变化率动作可以设计为PID参数的增量调整奖励可以设计为误差绝对值的负值。具体来说每一步控制周期控制器观察当前误差e和误差变化率ec根据Q表选择动作比如Kp加0.01、Ki不变、Kd减0.005。然后计算控制量作用于AUV观察新的误差计算奖励更新Q表。这个过程不断重复Q表逐渐收敛PID参数也就自适应了。这里的关键设计是状态离散化。误差和误差变化率都是连续量必须离散成有限个区间才能建Q表。区间太粗控制精度不够区间太细Q表太大学习速度慢。我的经验是误差分7到9档误差变化率分5到7档比较平衡。4.3 奖励函数设计与参数整定奖励函数是强化学习的指挥棒。设计得好控制器学得快、学得稳设计得不好要么学不动要么学出奇怪的行为。我一般用误差绝对值的负值作为主奖励再加两个惩罚项一个惩罚控制量变化过大防止执行器频繁抖动一个惩罚误差持续不降防止控制器摆烂。奖励函数的形式大概是reward -abs(e) - 0.1 * abs(u - u_last) - 0.05 * abs(e) if abs(e) threshold else -abs(e)参数整定方面学习率alpha通常取0.1到0.3折扣因子gamma取0.9到0.99探索率epsilon从1.0逐步衰减到0.05。这些值不是绝对的需要根据具体AUV模型和任务调整。提示Q-learning的收敛速度对状态空间大小非常敏感。如果发现学习太慢优先检查状态离散是否过细而不是急着调学习率。5. 实操过程与核心环节实现5.1 仿真环境搭建与AUV模型配置真机调试成本太高所以第一步一定是在仿真里跑通。我常用的是基于Python的仿真框架AUV模型用六自由度动力学方程水动力系数参考公开的REMUS或Slocum数据。仿真环境需要包含几个模块AUV动力学模型、环境扰动模型洋流、波浪、传感器噪声模型、控制器接口。控制器接口要能接收状态、输出控制量这样才能把Q-learning PID嵌进去。搭建过程中最容易出错的是坐标系定义。AUV有惯性坐标系和机体坐标系两者之间的转换矩阵如果搞错仿真结果会完全不对。我的做法是先用一个简单的定深控制验证模型——给定目标深度用传统PID跑一遍看能不能稳定。如果能说明模型基本正确如果不能先查模型再查控制器。5.2 Q-learning PID控制器的代码实现下面是一个简化的Q-learning PID控制器实现框架用Python写可以直接嵌入仿真循环import numpy as np class QLearningPID: def __init__(self, kp_init, ki_init, kd_init): self.kp kp_init self.ki ki_init self.kd kd_init self.q_table {} self.alpha 0.2 self.gamma 0.95 self.epsilon 1.0 self.epsilon_min 0.05 self.epsilon_decay 0.995 self.actions [-0.01, -0.005, 0, 0.005, 0.01] self.integral 0 self.prev_error 0 def discretize(self, error, error_rate): e_bins np.linspace(-2, 2, 9) ec_bins np.linspace(-1, 1, 7) e_idx np.digitize(error, e_bins) ec_idx np.digitize(error_rate, ec_bins) return (e_idx, ec_idx) def choose_action(self, state): if np.random.rand() self.epsilon: return np.random.choice(len(self.actions)) q_values [self.q_table.get((state, a), 0) for a in range(len(self.actions))] return int(np.argmax(q_values)) def update(self, state, action, reward, next_state): current_q self.q_table.get((state, action), 0) next_max_q max([self.q_table.get((next_state, a), 0) for a in range(len(self.actions))]) new_q current_q self.alpha * (reward self.gamma * next_max_q - current_q) self.q_table[(state, action)] new_q self.epsilon max(self.epsilon_min, self.epsilon * self.epsilon_decay) def compute(self, target, current, dt): error target - current error_rate (error - self.prev_error) / dt self.integral error * dt state self.discretize(error, error_rate) action self.choose_action(state) delta self.actions[action] self.kp delta self.ki delta * 0.5 self.kd delta * 0.2 self.kp np.clip(self.kp, 0.1, 10) self.ki np.clip(self.ki, 0, 5) self.kd np.clip(self.kd, 0, 5) output self.kp * error self.ki * self.integral self.kd * error_rate reward -abs(error) - 0.1 * abs(output) self.prev_error error return output, state, action, reward这段代码的核心逻辑是每个控制周期先离散化状态再选动作然后更新PID参数计算控制量最后算奖励并更新Q表。实际使用时需要把compute的返回值接到AUV动力学模型的输入端形成闭环。5.3 参数调试与收敛判断仿真跑起来之后第一件事是看Q表有没有在收敛。我的做法是记录每100步的平均奖励如果平均奖励在上升并逐渐平稳说明学习有效。如果奖励一直震荡或者下降就要检查奖励函数和状态离散。调参顺序一般是先调学习率alpha再调折扣因子gamma最后调探索率衰减。alpha太大Q表震荡alpha太小学习太慢。gamma接近1控制器更看重长期回报gamma小更短视。探索率衰减太快可能没探索够就固化了衰减太慢收敛时间长。我踩过的一个坑是一开始把状态分得太细误差分了15档误差变化率分了11档结果Q表有165个状态每个状态5个动作总共825个Q值。仿真跑了5000步还没收敛。后来改成9档和7档2000步左右就稳了。所以状态离散粒度是第一个要调的东西。6. 常见问题与排查技巧实录6.1 仿真与真机的差距怎么处理仿真里跑得再好上真机也可能翻车。主要差距来自三个方面水动力系数不准、传感器噪声特性不同、执行器响应延迟。我的做法是先在仿真里加噪声和延迟让控制器适应不完美条件。然后在真机测试时从最简单的定深控制开始逐步增加难度。如果真机上震荡先降低PID增益再检查传感器滤波是否到位。6.2 Q-learning不收敛的典型原因Q-learning不收敛最常见的原因有四个奖励函数设计不合理、状态离散过细、学习率过大、探索率衰减过快。排查顺序建议从奖励函数开始因为奖励是学习的信号源。如果奖励一直为负且没有区分度控制器就学不到东西。另一个容易被忽略的点是Q表初始化。如果所有Q值初始化为0而奖励又都是负的控制器会倾向于选择动作索引小的动作导致探索不均衡。我的做法是把Q表初始化为小的随机值打破对称性。6.3 AUV控制中的执行器饱和与抗积分饱和AUV的舵面和推进器都有物理限幅。如果PID输出超过限幅执行器饱和积分项会继续累积导致退饱和时大幅超调。这就是积分饱和。解决方法有两种一是积分限幅把积分项钳制在一定范围内二是条件积分只在误差较小时才累积积分。我在Q-learning PID里用的是积分限幅简单有效。但要注意限幅值需要根据执行器能力设定太小会影响稳态精度太大起不到防饱和作用。6.4 常见问题速查表问题现象可能原因排查方法解决措施仿真中AUV震荡PID增益过大逐步降低Kp和Kd重新整定或让Q-learning继续学习Q表不收敛奖励函数无区分度打印奖励分布调整奖励权重和形式真机偏航传感器零偏未校准静态下读IMU和磁力计校准传感器或加偏置补偿控制延迟大通信链路或计算耗时打时间戳测各环节耗时优化代码或降低控制频率执行器抖动Kd过大或噪声大观察控制量频谱降低Kd或加低通滤波定深超调大积分饱和检查积分项是否累积加积分限幅或条件积分提示这张表是我自己项目里总结的不一定覆盖所有情况但能解决八成以上的常见问题。遇到新问题先按“感知-决策-控制-执行”的顺序逐环节排查比盲目调参高效得多。7. 无人系统后续可以怎么扩展无人系统的技术栈很深一篇文章不可能讲完。如果要把这个项目继续做下去我觉得有几个方向值得投入。一是多AUV协同。单台AUV的能力有限多台协同可以覆盖更大区域、提高任务冗余。但协同涉及编队控制、任务分配、水声通信组网复杂度上一个台阶。二是感知与控制的端到端学习。现在感知和控制还是分开做的感知输出状态控制根据状态算指令。端到端学习直接用传感器数据输出控制量省去中间环节但可解释性和安全性是问题。三是能源管理优化。AUV的续航是硬约束如果能根据任务剖面动态调整功耗比如在巡航时降低采样率、在关键区域提高采样率就能延长有效作业时间。我个人在实际操作中的体会是无人系统这个领域理论很重要但动手更重要。很多问题只有真正把平台跑起来才会暴露仿真里永远遇不到。所以如果你刚开始做建议先找一个成熟的仿真平台把基本流程跑通然后尽快上真机哪怕是最简单的平台。踩过的坑越多理解越深。 无人系统核心技术与Q-learning自适应PID在AUV中的实现
1. 无人系统到底在解决什么问题第一次接触“无人系统”这个词很多人脑子里蹦出来的可能是航拍无人机或者扫雷机器人。但真正在这个圈子里摸爬滚打过几年的人会告诉你无人系统的核心从来不是“无人”而是“系统”——它是一整套感知、决策、控制、执行的闭环是把人的判断力从危险、枯燥、高重复的场景里抽离出来交给机器去完成。我最早接触无人系统是在一个水域测绘项目里当时用一艘小型USV无人水面艇跑河道断面。那会儿觉得这东西不就是个遥控船加个GPS吗后来才发现从岸基控制站到艇上的推进器中间隔着通信链路、导航算法、避障逻辑、能源管理一大堆子系统。任何一个环节掉链子整条船就可能偏航、失联甚至翻覆。也是从那时候起我开始系统性地研究UAV无人机、UGV无人地面车辆、USV无人水面艇和AUV自主水下航行器这四类典型平台发现它们虽然形态差异巨大但底层的技术骨架高度相似。这篇文章想做的事情很直接把无人系统这个听起来宏大的概念拆开从平台分类、核心子系统、控制算法、实操调试到常见故障排查一层层讲清楚。尤其是最近在AUV领域比较热的“基于Q-learning自适应强化学习PID控制器”这个方向我会结合自己的理解把它的原理、实现思路和实际调参中踩过的坑一并分享出来。无论你是刚入行的学生还是已经做过几个项目的工程师应该都能从中找到可以直接参考的东西。2. 无人系统的四大平台分类与核心差异2.1 UAV、UGV、USV、AUV各自的能力边界无人系统按运行域划分最主流的四类就是UAV、UGV、USV和AUV。它们之间的差异远不止“飞在天上”和“跑在地上”这么简单而是涉及动力学模型、通信方式、能源约束和任务载荷的根本性不同。UAV无人飞行器最大的优势是视野和机动性。多旋翼可以悬停、垂直起降固定翼则擅长长航时大范围巡航。但它的致命短板是续航——电池技术没有突破之前多旋翼的实用航时基本卡在30到50分钟。我做过一个电力巡线项目用多旋翼沿输电线路飞每飞20分钟就得换电池一天下来有效作业时间不到4小时。所以UAV的任务规划里航点顺序和返航逻辑必须做得非常保守。UGV无人地面车辆的强项是载荷能力和地面精细作业。轮式、履带式、腿式各有适用场景。轮式在结构化道路上效率最高履带式适合越野和废墟腿式则在楼梯和复杂地形上有独特优势。UGV的难点在于地面环境的不可预测性——一个不起眼的坑洼或者一段松软土壤就可能让车辆陷住。我在一个农业巡检UGV项目里光是处理泥地打滑就花了两周时间最后靠轮速传感器加IMU融合才勉强稳住。USV无人水面艇介于水上和水下之间主要做水文测量、水质采样、水面巡逻。它的通信条件比AUV好得多因为天线可以露出水面实时遥控和数传都没问题。但水面环境受风浪影响大姿态控制是核心难题。我见过一条USV在三级风下横摇超过15度摄像头画面完全没法用后来加了双体船型才改善。AUV自主水下航行器是四类里技术门槛最高的。水下没有GPS信号通信只能靠水声带宽极低所以AUV必须高度自主。它的导航通常依赖惯性导航加多普勒测速仪长时间航行后累积误差可能达到几百米。控制方面水下动力学非线性强、耦合严重传统PID往往力不从心这也是为什么强化学习PID这类自适应方法在AUV领域特别受关注。2.2 平台选型的决策逻辑选哪个平台不是拍脑袋决定的。我一般会问四个问题任务环境是什么需要实时通信吗续航要求多长载荷多重如果任务区域是开阔空域且需要快速覆盖UAV是首选。如果任务区域是地面且需要接触式作业UGV更合适。如果任务区域是湖泊、河道或近海USV的性价比最高。如果任务区域在水下且需要隐蔽或大深度作业那就只能上AUV。这里有一个容易被忽略的点很多实际项目其实是多平台协同。比如水域救援场景UAV先空中搜索定位USV再水面抵近AUV最后水下确认。这种异构协同对通信协议和任务分配算法提出了更高要求但也是无人系统未来的主要方向。3. 无人系统的核心子系统拆解3.1 感知与导航无人系统的眼睛和耳朵感知系统决定了无人平台能不能“看懂”周围环境。UAV上常见的是视觉加激光雷达UGV上更多用深度相机加超声波USV用毫米波雷达加视觉AUV则依赖声呐。不同传感器的选型逻辑很简单看环境对哪种物理量最友好。导航方面室外GPS加IMU是标配但到了室内、水下或城市峡谷GPS就废了。这时候需要SLAM同步定位与建图或者惯性导航加地标匹配。我在一个地下管廊UGV项目里GPS完全没信号最后靠激光雷达SLAM加轮式里程计才跑通。但SLAM的计算量很大机载计算机必须够强否则帧率掉下来定位就飘了。注意AUV的导航是特例。水下GPS信号衰减极快通常只能靠惯性导航推算每隔一段时间上浮到水面校准一次。这个校准周期的设计直接决定了任务能不能完成。3.2 控制与执行从指令到动作的最后一公里控制系统是无人系统的大脑和肌肉。大脑负责算肌肉负责动。UAV靠电机转速差实现姿态控制UGV靠差速或阿克曼转向USV靠舵和推进器AUV靠舵面和推力矢量。控制算法的核心是PID这几乎是所有无人系统入门的必修课。但传统PID有个硬伤参数固定。一旦负载变化、环境扰动或者模型非线性增强固定参数就控不住了。我在AUV项目里深有体会——同一个PID参数在静水里跑得好好的一到有洋流的环境就震荡得厉害。这时候就需要自适应机制而强化学习PID就是其中一种思路。3.3 通信与能源无人系统的生命线通信链路的质量直接决定无人平台能跑多远。UAV用2.4G或5.8G频段UGV用WiFi或4G/5GUSV用数传电台AUV用水声通信。水声通信的带宽极低通常只有几kbps所以AUV不能传视频只能传指令和状态。能源方面锂电池是主流但能量密度已经接近瓶颈。燃料电池和太阳能补充是方向但工程化还有距离。我的经验是能源预算至少留30%余量因为实际功耗往往比估算高。4. 强化学习PID在AUV中的实现思路4.1 为什么传统PID在AUV上不够用AUV的水下动力学有几个特点非线性、强耦合、时变、模型不确定。传统PID的三个参数Kp、Ki、Kd一旦定下来就只能适应一个工作点。AUV在变深度、变速度、变负载时动力学特性变化很大固定参数很难兼顾。我试过用增益调度就是按深度和速度分几组PID参数切换使用。这能解决一部分问题但分组边界怎么定、切换时怎么平滑都是麻烦事。而且分组再多也覆盖不了所有工况。强化学习PID的思路是让控制器自己学。通过与环境交互根据奖励信号调整PID参数逐步找到当前工况下最优的组合。Q-learning是其中一种具体实现它用Q表记录状态-动作对的价值通过迭代更新逼近最优策略。4.2 Q-learning自适应PID的核心机制Q-learning的核心要素是状态、动作、奖励和Q表。在AUV控制里状态可以设计为误差和误差变化率动作可以设计为PID参数的增量调整奖励可以设计为误差绝对值的负值。具体来说每一步控制周期控制器观察当前误差e和误差变化率ec根据Q表选择动作比如Kp加0.01、Ki不变、Kd减0.005。然后计算控制量作用于AUV观察新的误差计算奖励更新Q表。这个过程不断重复Q表逐渐收敛PID参数也就自适应了。这里的关键设计是状态离散化。误差和误差变化率都是连续量必须离散成有限个区间才能建Q表。区间太粗控制精度不够区间太细Q表太大学习速度慢。我的经验是误差分7到9档误差变化率分5到7档比较平衡。4.3 奖励函数设计与参数整定奖励函数是强化学习的指挥棒。设计得好控制器学得快、学得稳设计得不好要么学不动要么学出奇怪的行为。我一般用误差绝对值的负值作为主奖励再加两个惩罚项一个惩罚控制量变化过大防止执行器频繁抖动一个惩罚误差持续不降防止控制器摆烂。奖励函数的形式大概是reward -abs(e) - 0.1 * abs(u - u_last) - 0.05 * abs(e) if abs(e) threshold else -abs(e)参数整定方面学习率alpha通常取0.1到0.3折扣因子gamma取0.9到0.99探索率epsilon从1.0逐步衰减到0.05。这些值不是绝对的需要根据具体AUV模型和任务调整。提示Q-learning的收敛速度对状态空间大小非常敏感。如果发现学习太慢优先检查状态离散是否过细而不是急着调学习率。5. 实操过程与核心环节实现5.1 仿真环境搭建与AUV模型配置真机调试成本太高所以第一步一定是在仿真里跑通。我常用的是基于Python的仿真框架AUV模型用六自由度动力学方程水动力系数参考公开的REMUS或Slocum数据。仿真环境需要包含几个模块AUV动力学模型、环境扰动模型洋流、波浪、传感器噪声模型、控制器接口。控制器接口要能接收状态、输出控制量这样才能把Q-learning PID嵌进去。搭建过程中最容易出错的是坐标系定义。AUV有惯性坐标系和机体坐标系两者之间的转换矩阵如果搞错仿真结果会完全不对。我的做法是先用一个简单的定深控制验证模型——给定目标深度用传统PID跑一遍看能不能稳定。如果能说明模型基本正确如果不能先查模型再查控制器。5.2 Q-learning PID控制器的代码实现下面是一个简化的Q-learning PID控制器实现框架用Python写可以直接嵌入仿真循环import numpy as np class QLearningPID: def __init__(self, kp_init, ki_init, kd_init): self.kp kp_init self.ki ki_init self.kd kd_init self.q_table {} self.alpha 0.2 self.gamma 0.95 self.epsilon 1.0 self.epsilon_min 0.05 self.epsilon_decay 0.995 self.actions [-0.01, -0.005, 0, 0.005, 0.01] self.integral 0 self.prev_error 0 def discretize(self, error, error_rate): e_bins np.linspace(-2, 2, 9) ec_bins np.linspace(-1, 1, 7) e_idx np.digitize(error, e_bins) ec_idx np.digitize(error_rate, ec_bins) return (e_idx, ec_idx) def choose_action(self, state): if np.random.rand() self.epsilon: return np.random.choice(len(self.actions)) q_values [self.q_table.get((state, a), 0) for a in range(len(self.actions))] return int(np.argmax(q_values)) def update(self, state, action, reward, next_state): current_q self.q_table.get((state, action), 0) next_max_q max([self.q_table.get((next_state, a), 0) for a in range(len(self.actions))]) new_q current_q self.alpha * (reward self.gamma * next_max_q - current_q) self.q_table[(state, action)] new_q self.epsilon max(self.epsilon_min, self.epsilon * self.epsilon_decay) def compute(self, target, current, dt): error target - current error_rate (error - self.prev_error) / dt self.integral error * dt state self.discretize(error, error_rate) action self.choose_action(state) delta self.actions[action] self.kp delta self.ki delta * 0.5 self.kd delta * 0.2 self.kp np.clip(self.kp, 0.1, 10) self.ki np.clip(self.ki, 0, 5) self.kd np.clip(self.kd, 0, 5) output self.kp * error self.ki * self.integral self.kd * error_rate reward -abs(error) - 0.1 * abs(output) self.prev_error error return output, state, action, reward这段代码的核心逻辑是每个控制周期先离散化状态再选动作然后更新PID参数计算控制量最后算奖励并更新Q表。实际使用时需要把compute的返回值接到AUV动力学模型的输入端形成闭环。5.3 参数调试与收敛判断仿真跑起来之后第一件事是看Q表有没有在收敛。我的做法是记录每100步的平均奖励如果平均奖励在上升并逐渐平稳说明学习有效。如果奖励一直震荡或者下降就要检查奖励函数和状态离散。调参顺序一般是先调学习率alpha再调折扣因子gamma最后调探索率衰减。alpha太大Q表震荡alpha太小学习太慢。gamma接近1控制器更看重长期回报gamma小更短视。探索率衰减太快可能没探索够就固化了衰减太慢收敛时间长。我踩过的一个坑是一开始把状态分得太细误差分了15档误差变化率分了11档结果Q表有165个状态每个状态5个动作总共825个Q值。仿真跑了5000步还没收敛。后来改成9档和7档2000步左右就稳了。所以状态离散粒度是第一个要调的东西。6. 常见问题与排查技巧实录6.1 仿真与真机的差距怎么处理仿真里跑得再好上真机也可能翻车。主要差距来自三个方面水动力系数不准、传感器噪声特性不同、执行器响应延迟。我的做法是先在仿真里加噪声和延迟让控制器适应不完美条件。然后在真机测试时从最简单的定深控制开始逐步增加难度。如果真机上震荡先降低PID增益再检查传感器滤波是否到位。6.2 Q-learning不收敛的典型原因Q-learning不收敛最常见的原因有四个奖励函数设计不合理、状态离散过细、学习率过大、探索率衰减过快。排查顺序建议从奖励函数开始因为奖励是学习的信号源。如果奖励一直为负且没有区分度控制器就学不到东西。另一个容易被忽略的点是Q表初始化。如果所有Q值初始化为0而奖励又都是负的控制器会倾向于选择动作索引小的动作导致探索不均衡。我的做法是把Q表初始化为小的随机值打破对称性。6.3 AUV控制中的执行器饱和与抗积分饱和AUV的舵面和推进器都有物理限幅。如果PID输出超过限幅执行器饱和积分项会继续累积导致退饱和时大幅超调。这就是积分饱和。解决方法有两种一是积分限幅把积分项钳制在一定范围内二是条件积分只在误差较小时才累积积分。我在Q-learning PID里用的是积分限幅简单有效。但要注意限幅值需要根据执行器能力设定太小会影响稳态精度太大起不到防饱和作用。6.4 常见问题速查表问题现象可能原因排查方法解决措施仿真中AUV震荡PID增益过大逐步降低Kp和Kd重新整定或让Q-learning继续学习Q表不收敛奖励函数无区分度打印奖励分布调整奖励权重和形式真机偏航传感器零偏未校准静态下读IMU和磁力计校准传感器或加偏置补偿控制延迟大通信链路或计算耗时打时间戳测各环节耗时优化代码或降低控制频率执行器抖动Kd过大或噪声大观察控制量频谱降低Kd或加低通滤波定深超调大积分饱和检查积分项是否累积加积分限幅或条件积分提示这张表是我自己项目里总结的不一定覆盖所有情况但能解决八成以上的常见问题。遇到新问题先按“感知-决策-控制-执行”的顺序逐环节排查比盲目调参高效得多。7. 无人系统后续可以怎么扩展无人系统的技术栈很深一篇文章不可能讲完。如果要把这个项目继续做下去我觉得有几个方向值得投入。一是多AUV协同。单台AUV的能力有限多台协同可以覆盖更大区域、提高任务冗余。但协同涉及编队控制、任务分配、水声通信组网复杂度上一个台阶。二是感知与控制的端到端学习。现在感知和控制还是分开做的感知输出状态控制根据状态算指令。端到端学习直接用传感器数据输出控制量省去中间环节但可解释性和安全性是问题。三是能源管理优化。AUV的续航是硬约束如果能根据任务剖面动态调整功耗比如在巡航时降低采样率、在关键区域提高采样率就能延长有效作业时间。我个人在实际操作中的体会是无人系统这个领域理论很重要但动手更重要。很多问题只有真正把平台跑起来才会暴露仿真里永远遇不到。所以如果你刚开始做建议先找一个成熟的仿真平台把基本流程跑通然后尽快上真机哪怕是最简单的平台。踩过的坑越多理解越深。