1.一种基于深度确定性梯度策略的月球车路径规划方法，其特征在于，包括以下步骤：（1）引入地形坡度角 ，基于阿克曼转向原理，确定航向角 和转向角 的微分方程，得到月球车运动学模型；

（2）基于贝克压力沉陷理论，计算车轮沉陷量Z；根据地形坡度角 与车轮沉陷量Z，计算车辆最大转向角 ；根据车辆最大允许转向角 与车轮沉陷量Z，计算最小车轮转弯半径 ；基于转向角、最小转弯半径、最大速度和坡度角，构建基于深度确定性梯度策略的月球车运动学模型的约束条件；

（3）根据月球车运动学状态向量 和月球地形特征向量 ，定义状态空间S；根据速度增量 和航向角增量 ，定义动作空间 ；基于距离奖励、动态瞬时进展奖励、动态瞬时方向奖励和平滑度奖励，定义路径规划的多维度奖励函数r；

（4）根据地形粗糙度、坡度梯度和地形复杂度构建自适应步长 ；将状态空间扩展为 ，向动作空间 引入自适应步长 ，得到基础动作空间 ，将输入评论家Critic网络，输出步长评估价值 ，用于更新行动者Actor网络参数；向 引入奥恩斯坦‑乌伦贝克OU噪声，得到最终动作 ，执行最终动作 ，若满足 且，则进入步骤（5）；反之则重新进行最终动作计算；

（5）计算路径规划的多维度奖励函数；

（6）根据地形风险函数、多维度奖励函数和步长损失，计算优先级权重 ，筛选经验样本进入经验池；进行模型训练，根据路径可达率挑选最佳路径；

步骤（3）中，路径规划的多维度奖励函数 为；

其中， 、 、 和 为权重， 距离奖励， 为动态瞬时进展奖励， 为动态瞬时方向奖励， 为平滑度奖励；

距离奖励 为

；

动态瞬时进展奖励 为

；

动态瞬时方向奖励 为

；

平滑度奖励 为

；

权重 、 、 和 如下式所示：；

；

其中， 表示当前位置到目标的欧氏距离， 为初始距离， 为当前速度，为目标速度， 为当前位置距离目标点的剩余距离， 为任务总距离，为上一状态的位置到目标点的距离， 为基础方向奖励权重，、为调节系数， 表示当前航向与目标方向的夹角， 为最大容忍阈值夹角， 为目标方向航向角，为当前时刻航向角， 为基础平滑度奖励权重， 为相邻时间步的加速度变化率， 为最大允许变化率， 为当前时刻的航向角， 为允许最大航向角；

步骤（4）中，自适应步长 为；

；

；

其中， 为基准步长， 为地形粗糙度，由高程标准差 归一化得到； 为坡度梯度，通过计算相邻栅格坡度变化率得到； 为地形复杂度，是根据地形粗糙度和地形坡度融合的复合指标； 、 、 为动态权重系数； 为最大速度；

当 不小于0.7即遇到高密度地形时，则缩短步长至基准值的30% 50%；

~

当 小于0.3即遇到低密度地形时，则扩大步长至基准值的120% 150%。

~

2.根据权利要求1所述基于深度确定性梯度策略的月球车路径规划方法，其特征在于，月球车运动学模型为；

其中， 为月球车位置信息，为车体线速度，为车辆轴距。

3.根据权利要求2所述基于深度确定性梯度策略的月球车路径规划方法，其特征在于，车轮沉陷量Z为；

其中， 为土壤垂直压力， 为土壤黏聚模量，为车辆车轮宽度， 为土壤摩擦模量， 为沉陷指数；

车辆最大转向角 为

；

其中， 表示考虑沉陷量与坡度时的平地最大转向角， 为车辆半径；

最小车轮转弯半径 为

；

最大速度 为

；

其中，为摩擦系数， 为月球重力系数。

4.根据权利要求3所述基于深度确定性梯度策略的月球车路径规划方法，其特征在于，状态空间S为；

其中，其中月球车运动学状态向量 包括月球车位置信息 、车体线速度 和航向角 ，月球地形特征向量 包括高程标准差 、地形坡度角 和粗糙度R；

粗糙度R为

；

其中，N表示采样点总数， 表示栅格单元内第i个采样点的高程值，表示栅格单元内所有采样点的高程平均值，若 时表示月球车遇到崎岖地形，则限制月球车行驶速度；

动作空间 为

；

其中， 且 。

5.根据权利要求4所述基于深度确定性梯度策略的月球车路径规划方法，其特征在于，基础动作空间 为；

步长评估价值 为

；

其中， 为权重系数， 为地形特征嵌入向量， 为动力学状态向量， 为偏置项；

最终动作 为

；

其中，表示均值回归速率， ； 表示噪声均值， 为最大坡度阈值， 表示OU过程生成的噪声值， 为t时刻的噪声值 ， 为噪声扰动项 ， 为地形复杂度阈值。

6.根据权利要求5所述基于深度确定性梯度策略的月球车路径规划方法，其特征在于，优先级权重 为；

其中， 为时间差分误差， 为步长损失， 表示地形风险函数，为状态向量， 表示第i条经验的多维度奖励绝对值， 为步长决策误差项系数， 为地形风险权重系数， 为奖励系数。

7.根据权利要求6所述基于深度确定性梯度策略的月球车路径规划方法，其特征在于，时间差分误差 为；

其中，为折扣因子 ， 为目标网络对下一状态和动作的目标Q值， 为评论家Critic网络对当前状态和动作的预测Q值；

步长损失 为

；

其中， 为步长建议值， 为实际执行步长值；

地形风险函数 为

；

其中，1表示高风险经验，0.2表示低风险经验。