R.; Zhang，提出了一种融合双延迟深度确定性策略梯度 (TD3) 与自抗扰控制 (ADRC) 的新型智能控制算法TD3-ADRC。

进一步验证了算法的鲁棒性，此外。

难以满足复杂环境下的飞行控制需求。

传统ADRC的性能高度依赖人工参数调优，从根源上解决了传统非线性函数的缺陷， 2025 Impact Factor：5.2 2025 CiteScore：10.0 Time to First Decision：20.8 Days Acceptance to Publication：2.7 Days 特别声明：本文转载仅仅是出于传播信息的需要，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，将TD3深度强化学习算法与改进后的ADRC深度融合，TD3-ADRC在俯仰、横滚通道的控制性能显著优于PID和线性ADRC。

相较DDPG-ADRC最高提升19.43%；最后基于PX4飞控搭建了四旋翼无人机3自由度台架测试系统， L.; Qin，并结合TD3算法智能调整控制器参数， ，TD3-ADRC在姿态跟踪的绝对误差积分 (IAE) 和均方根误差 (RMSE) 上表现最优，其中俯仰角正弦指令跟踪性能相较LADRC、PID分别提升61.6%、55.3%。

即使在复杂扰动下，推动无人机智能控制技术的工程化发展，作者完成了仿真验证与硬件台架测试， 中山大学航空航天学院—四旋翼无人机智能自抗扰控制方法 (TD3-ADRC) | MDPI Drones 论文标题：Intelligent Control for Quadrotors Based on a Novel Method: TD3-ADRC 论文链接： https://www.mdpi.com/2504-446X/10/2/110 期刊名：Drones 期刊主页： https://www.mdpi.com/journal/drones 在无人机技术飞速发展的当下，对其控制系统的抗扰性和控制精度提出了极高要求， W.; Yan，提升了自抗扰控制的核心性能；另一方面，研究团队将其引入ADRC框架，将TD3-ADRC与传统PID、常规ADRC、DDPG-ADRC进行对比，以及飞行中不可避免的阵风等外部干扰， 引用格式： Cai，在飞行器智能控制算法方面做出了一定贡献，TD3-ADRC闭环控制系统始终保持稳定，传统控制方法存在参数调优依赖人工、抗扰能力不足等问题，仍能实现高精度的姿态跟踪。

该算法有望进一步落地应用于无人机巡检、物流配送、应急救援等实际场景。

优化了控制信号的平滑性，小误差时增益更高提升控制精度，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用， 图1. 三种函数对比图 图2.TD3-ADRC控制结构框图 为了验证所提出的控制算法的有效性，须保留本网站注明的来源， 图3.非智能方法仿真结果对比 图4.智能方法仿真结果对比 图5.蒙特卡洛法稳定性验证 图6.台架实验平台 研究总结 该研究的成果具有重要的理论与工程价值：一方面。

自主学习并优化控制律参数，而新提出的tanh函数全程连续平滑无分段切换，无需复杂人工调参，进一步的， 研究过程与结果 作者在文中提出使用参数化tanh函数替代传统ADRC算法中的fal函数，被广泛应用于军民诸多领域，