[发明专利]改进粒子群算法优化模糊PID无人直升机姿态控制方法

权利要求书

1.一种改进粒子群算法优化模糊PID无人直升机姿态控制方法，其特征在于，包括以下步骤：

步骤1，根据机理建模方法得到的无人直升机的动力学和运动学模型设计模糊PID姿态控制器，利用控制器对期望姿态角和实际姿态角的误差、误差变化率进行控制得到模糊PID姿态控制器的参数调整量；

步骤2，采用改进粒子群算法对模糊PID姿态控制器中的量化因子和比例因子进行优化；

步骤3，将优化后的量化因子和比例因子赋值给模糊PID姿态控制器。

2.根据权利1要求所述的方法，其特征在于，选用无人直升机期望姿态角和实际姿态角的误差及其误差变化率作为PID姿态控制器的输入变量，将模糊PID姿态控制器的参数调整量Δk_p、Δk_i、Δk_d作为输出变量，其中Δk_p、Δk_i、Δk_d分别是比例P、积分I、微分D对应的三个参数k_p、k_i、k_d的变化量。

3.根据权利1要求所述的方法，其特征在于，采用改进粒子群算法对模糊PID姿态控制器的比例因子K_e、K_ec和量化因子K_u＝{K₁,K₂,K₃}五个参数进行优化，优化过程具体包括以下步骤：

步骤2.1，初始化粒子群算法参数，假设在一个d维搜索空间中，初始化一个种群规模为N的粒子群，在允许范围内初始化群体的位置Xⁱ＝(x_i,1 x_i,2…x_i,d)和速度Vⁱ＝(v_i,1 v_i,2…v_i,d)，其中i代表种群中的第i个粒子，x_i,d为粒子i在第d维度的位置，v_i,d为粒子i在第d维度的速度；

步骤2.2，依次将种群中每个粒子位置信息对应的参数赋值给量化因子和比例因子，运行赋值后的控制器对飞行器模型进行姿态控制，以积分性能指标作为寻优的目标，根据适应度值函数计算每个粒子的适应度值，将适应度值更大的粒子极值取代现有极值，并更新粒子的全局极值；其中

积分性能指标寻优的目标函数为

适应度值函数具体表现形式为

其中，t是时间参数，e(t)是给定值与实际输出值构成的偏差e在每个时刻的值；

步骤2.3，如果达到迭代次数要求，则结束循环程序，输出最优解，如果没有则继续步骤2.4；

步骤2.4，更新下一时刻每个粒子的速度和位置；

步骤2.5，比较算法是否出现早熟收敛现象，如果没有则转到步骤2.2；如果算法出现早熟收敛，则对粒子的位置进行早熟处理，得到下一代种群，转到步骤2.2。

4.根据权利要求3所述的方法，其特征在于，步骤2.4中根据下式更新下一时刻每个粒子的速度和位置：

v_i,j(k+1)＝wv_i,j(k)+c₁r₁[p_i,j-x_i,j(k)]+c₂r₂[p_gs-x_i,j(k)]

x_i,j(k+1)＝x_i,j(k)+v_i,j(k+1),j＝1,2,…,d

其中，k为当前迭代次数，p_i,j为第i个粒子迄今为止搜索到的最优位置，p_gs为整个粒子群迄今为止搜索到的最优位置，c₁和c₂为正的学习因子，r₁和r₂为0到1之间均匀分布的随机数，w为惯性权重

其中，w_max和w_min分别表示w的最大值和最小值，T为最大迭代次数。