[发明专利]基于遗传算法优化神经网络的旋翼飞行器姿态控制方法

权利要求书

1.一种基于遗传算法优化神经网络的旋翼飞行器姿态控制方法，其特征在于，包括以下步骤：

(1)创建初始种群T，并对数据进行预处理；

(2)确定编码方式和采用的BP神经网络结构，所述BP神经网络结构包括：输入层、隐含层和输出层，其中，输入层有a个神经元，隐含层有b个神经元，输出层有c个神经元，则种群个体的染色体位数为a×b+b+b×c+c；

(3)确定适应度函数，适应度函数采用BP神经网络误差函数的倒数；

(4)遗传算法的遗传操作，包括对种群中的每一个个体进行选择、交叉、变异和适应度值评估；

(5)将得到的最优解代入BP神经网络模型的权值和阈值；计算误差，若未达到要求，则利用误差反向传播算法更新神经网络模型的权值和阈值；若达到要求，则将BP神经网络模型的输出作用于PID控制器，PID控制器通过调整惯性环节系数K_p、积分环节系数K_i和微分环节系数K_d来调节控制强度和效果，输出理想控制信号。

2.根据权利要求1所述的基于遗传算法优化神经网络的旋翼飞行器姿态控制方法，其特征在于，所述步骤(2)中确定的编码方式为实数编码方式。

3.根据权利要求1所述的基于遗传算法优化神经网络的旋翼飞行器姿态控制方法，其特征在于，所述步骤(3)中适应度函数为其中，s表示种群中的每个个体，x_i表示神经网络的实际输出，y_i表示神经网络的期望输出，t表示种群中的个体数，适应度函数值越大，说明实际输出与期望输出之间的差越小。

4.根据权利要求1所述的基于遗传算法优化神经网络的旋翼飞行器姿态控制方法，其特征在于，所述步骤(4)中的选择操作具体为：通过计算选择概率，选择出较优的个体构成一个新的种群NewT，其中，f_i表示个体的适应度值。

5.根据权利要求1所述的基于遗传算法优化神经网络的旋翼飞行器姿态控制方法，其特征在于，所述步骤(4)中的交叉操作具体为：选择算数交叉，假设在两个个体NewT₁和NewT₂之间进行算数交叉，则得到的新个体为：其中，a为交叉参数，取值范围为0～1。

6.根据权利要求1所述的基于遗传算法优化神经网络的旋翼飞行器姿态控制方法，其特征在于，所述步骤(4)中的变异操作具体为：采用基本位变异，将选择概率小的个体位串取反，得到新的个体。

7.根据权利要求1所述的基于遗传算法优化神经网络的旋翼飞行器姿态控制方法，其特征在于，所述步骤(5)中利用误差反向传播算法更新神经网络模型的权值和阈值时，采用的误差函数为e(k)＝r_in(k)-r_out(k),k＝1,2,…，其中，e(k)为第k次的误差，r_in(k)为第k次的输入，r_out(k)为第k次的输出。