[发明专利]参数优化方法、终端设备以及计算机存储介质

说明书

本申请公开了一种参数优化方法、终端设备以及计算机存储介质，该参数优化方法包括：建立姿态运动模型，并基于姿态运动模型设计控制器；基于控制器中的多个预设参数获取适应度函数；基于适应度函数计算每个预设参数的适应度值，以获取每个预设参数的个体极值；对多个预设参数进行多次迭代，并以每次迭代后的个体极值更新迭代前的个体极值；将多次迭代后的个体极值对应的预设参数输入控制器，以控制姿态运动模型。通过上述直播互动方法，本申请能够避免控制器参数整定过程中出现早熟收敛，以提高全局搜索能力。

技术领域

本申请涉及无人机控制技术领域，特别是涉及一种参数优化方法、终端设备以及计算机存储介质。

背景技术

目前四旋翼无人机常用的控制器虽然具有良好的性能，但控制器参数众多，以自抗扰控制器(ADRC)为例，大量非线性函数的使用，使得控制器参数整定问题由于呈现多变量、非线性、多极值等问题，很难通过解析计算进行解决，需要结合性能指标建立问题描述模型，转化为函数优化问题采用具有强鲁棒性、全局寻优能力的智能优化算法进行求解。

粒子群优化具有相当快的逼近最优解的速度，可以有效地对系统的参数进行优化。粒子群算法(PSO，Particle Swarm Optimization)的本质是利用当前位置、全局极值和个体极值三种信息，指导粒子下一步迭代位置。其个体充分利用自身经验和群体经验调整自身的状态是粒子群算法具有优异特性的关键。粒子群算法的优势在于求解一些连续函数的优化问题。粒子群算法最主要的问题是它容易产生早熟收敛(尤其是在处理复杂的多峰搜索问题中)、全局寻优能力较差等。粒子群算法陷入局部最优解，主要归咎于种群在搜索空间中多样性的丢失。

发明内容

本申请提供一种参数优化、终端设备以及计算机存储介质，以解决现有技术中粒子群算法容易产生早熟收敛的问题。

为解决上述技术问题，本申请采用的一个技术方案是提供一种基于自适应粒子群算法的参数优化方法，所述参数优化方法包括：

建立姿态运动模型，并基于所述姿态运动模型设计控制器；

基于所述控制器中的多个预设参数获取适应度函数；

基于所述适应度函数计算每个所述预设参数的适应度值，以获取每个所述预设参数的个体极值；

对多个所述预设参数进行多次迭代，并以每次迭代后的所述个体极值更新迭代前的所述个体极值；

将多次迭代后的所述个体极值对应的预设参数输入所述控制器，以控制所述姿态运动模型。

为解决上述技术问题，本申请采用的另一个技术方案是提供一种终端设备，所述终端设备包括存储器以及与所述存储器耦接的处理器；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如上述的参数优化方法。

为解决上述技术问题，本申请采用的另一个技术方案是提供一种计算机存储介质，其中存储有计算机程序，计算机程序被执行时实现如上述参数优化方法的步骤。

区别于现有技术，本申请的有益效果是：终端设备建立姿态运动模型，并基于姿态运动模型设计控制器；基于控制器中的多个预设参数获取适应度函数；基于适应度函数计算每个预设参数的适应度值，以获取每个预设参数的个体极值；对多个预设参数进行多次迭代，并以每次迭代后的个体极值更新迭代前的个体极值；将多次迭代后的个体极值对应的预设参数输入控制器，以控制姿态运动模型。通过上述参数优化方法，本申请通过每次迭代后的每个预设参数的个体极值来改变下一次迭代时速度的权重来对标准粒子群算法进行改进，能够有效避免控制器参数整定过程中出现早熟收敛，以提高全局搜索能力。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。