[发明专利]一种基于PID神经网络的无人机控制方法

权利要求书

1.一种基于PID神经网络的无人机控制方法，包括如下步骤：

步骤1：给无人机上电，进行开始准备；

步骤2：无人机开启遥控模式；

步骤3：无人机接受遥控器的指令进行飞行；

步骤4：无人机控制系统进行飞行是否稳定的判定，如果稳定进行步骤5，如果不稳定进行步骤3；

步骤5：无人机启动自主飞行模式；

步骤6：无人机在自主飞行模式下，进行自主飞行；

其特征在于：

所述自主飞行模式采用PID神经网络控制算法，简称PIDNN控制算法；

PIDNN的基本形式是2×3×1的结构，即：两个输入层神经元，分别输入给定信号及实际信号的反馈量；三个隐含层神经元，分别为比例神经元、积分神经元和微分神经元；一个输出层神经元，用来输出计算结果；

PIDNN的前向算法为：

每个神经元都包含了输入net、状态u以及输出x，激活函数采用分段线性函数；

(1)输入层

输入层由两个神经元组成，分别输入给定值rin以及实际输出值yout，在任意的采样时刻有：

net1(k)=rin(k)net2(k)=yout(k)]]>

其中，k为任意时刻的采样点；

输入层神经元的状态为：

u_i(k)＝net_i(k)

输入层神经元的输出为：

xi(k)=1,ui(k)>1ui(k),-1<<ui(k)<<1-1,ui(k)<-1]]>

上述各式中，i＝1，2；

(2)隐含层

隐含层由三个神经元组成，分别实现了P，I，D的功能：

三个神经元的输入是一样的，为：

netj′(k)=Σi=12wijxi(k)]]>

其中j＝1，2，3；w_ij为输入层到隐含层的权值，上标“’”为隐含层的变量标记；

比例元P的状态为：

u′₁(k)＝net′₁(k)

积分元I的状态为：

u′₂(k)＝u′₂(k-1)+net′₂(k)

微分元D的状态为：

u′₃(k)＝net′₃(k)-net′₃(k-1)

隐含层各神经元的输出为：

xj′(k)=1,uj′(k)>1uj′(k),-1<<uj′(k)<<1-1,uj′(k)<-1]]>

(3)输出层

输出层只有一个神经元，其完成了这个网络的输出；

其输入为：

net′′(k)=Σj=13wj′xj′(k)]]>

其状态为：

u(k)＝net(k)

输出层的输出也就是整个系统的输出为：

x′′(k)=1,u′′(k)>1u′′(k),-1<<u′′(k)<<1-1,u′′(k)<-1]]>

其中，w′_jx′_j为隐含层到输出层的权值，上标‘”’为输出层的变量标记；

PIDNN的反传算法与BP神经网络一样；

PIDNN输入层到隐含层权值取1，在输出层权值分别取KP、KI和KD，KP、KI和KD分别表示比例，积分和微分的系数。

2.如权利要求1所述的一种基于PID神经网络的无人机控制方法，其特征在于：所述PINN的反传算法为：

为了使网络在实际的输入下，达到理想的输出，所以要使得偏差E的平均值最小，如下：

E=1lΣk=1l[v′(k)-v(k)]2]]>

其中，v′为理想输出值，v为实际输出值，l为采样点个数；

其各层权值所用的修改方程为：

w(n+1)=w(n)-η∂E∂W]]>

(1)隐含层至输出层权值的修改

迭代公式如下：

wj′(n+1)=wj′(n)-ηj∂E∂wj′]]>

其中，2[v′(k)-v(k)]＝δ’

∂E∂wj=-2lΣk=1l[v′(k)-v(k)]xj′(k)]]>

其中，η_j为学习速率；

(2)输入层至隐含层权值的修改

其梯度为

δ=δ,·wj′·sgnuj′(k)-uj′(k-1)netj′(k)-netj′(k-1)]]>

则输入层至输出层的权值修改公式为：

wij(n+1)=wij(n)+ηij1lΣk=1lδj(k)xi(k).]]>