1.一种基于引力指导的深度Q网络无人机路径规划方法，其特征在于，包括如下步骤：步骤1：初始化深度Q网络模型，设置训练参数，其中，训练参数包括：警告距离、无人机模拟电荷量、目标地模拟电荷量、危险距离和危险接近次数，无人机模拟电荷与目标地模拟电荷为异性电荷；

步骤2：开始训练深度Q网络模型，当无人机未遇到障碍物时，则通过深度Q网络对无人机路径进行规划；

当无人机遇到障碍物时，且无人机与障碍物距离大于警告距离时，则通过深度Q网络对无人机路径进行规划；

当无人机遇到障碍物时，且无人机与障碍物距离小于警告距离时，包括：对障碍物设置与无人机模拟电荷同性的模拟电荷，障碍物模拟电荷量小于目标地模拟电荷量，计算此时无人机与目标地之间的电荷引力以及无人机与障碍物之间的电荷斥力，计算电荷引力与电荷斥力的合力，取合力方向与基准单位向量的夹角θ计算下一个动作的运动方向，还包括：当无人机与障碍物距离小于危险距离，则危险接近次数自增；

步骤3：重复步骤2直至深度Q网络模型训练完成，将实际无人机坐标和目标地坐标放入训练完成的深度Q网络模型中进行路径规划；

其中，深度Q网络模型中的奖励函数公式如下：

α，β，γ为常数，代表各个部分的奖励在总奖励函数中的权重；ds表示上一个状态中无人机与目标地的距离；ds′表示下一个状态中无人机与目标地之间的距离；Ns为危险接近次数；

obi表示无人机与障碍物的距离；b表示无人机的剩余电量。

2.如权利要求1所述的基于引力指导的深度Q网络无人机路径规划方法，其特征在于，所述障碍物的模拟电荷的电荷量为目标地模拟电荷的电荷量的1/2。

3.如权利要求1所述的基于引力指导的深度Q网络无人机路径规划方法，其特征在于，当无人机与障碍物距离小于警告距离且大于危险距离时，所述障碍物的模拟电荷的电荷量为目标地模拟电荷的电荷量的1/3；当无人机与障碍物距离小于危险距离时，所述障碍物的模拟电荷的电荷量为目标地模拟电荷的电荷量的1/2。

4.如权利要求1‑3中任一所述的基于引力指导的深度Q网络无人机路径规划方法，其特征在于，所述警告距离为3个单位长度，其中，单位长度为深度Q网络模型训练中无人机可运动的最小距离。

5.如权利要求1‑3中任一所述的基于引力指导的深度Q网络无人机路径规划方法，其特征在于，所述危险距离为1个单位长度，其中，单位长度为深度Q网络模型训练中无人机可运动的最小距离。