[发明专利]基于嵌入式硬件的无人直升机飞控改进PSO算法验证方法

权利要求书

1.一种基于嵌入式硬件的无人直升机飞控改进PSO算法验证方法，其特征在于，包括以下步骤：

Step1：初始化实验平台的仿真环境和设备，所述实验平台包括无人直升机仿真计算机和机载飞控计算机内核，所述无人直升机仿真计算机包括无人直升机动力学模型和串口通信模块；

Step2：判断飞控计算机内核是否检测到起飞指令，如果是则执行Step3，否则重复Step2；

Step3：无人直升机动力学模型读取串口接收的舵机控制信息，定步长运行无人直升机动力学模型并更新实时包含无人直升机动力学模型姿态和位置状态信息输出给串口通信模块；

Step4：串口通信模块接收无人直升机动力学模型输出的状态信息，按照通信协议将状态信息打包成帧数据，发送给机载飞控计算机内核，同时将状态信息输出并显示；

Step5：机载飞控计算机内核接收到串口通信模块发送的帧数据并做解码处理，根据外部目标指令，运行飞控改进PSO算法，计算得到优化后的PID控制参数，输出舵机控制信息，并将舵机控制信息按通信协议组帧发送给串口通信模块，所述改进PSO算法用于优化PID控制参数，该算法在每个迭代过程中引入差分进化算法对种群进行变异、交叉、选择操作，具体操作步骤如下：

①变异操作：

设定d为空间维数，N为粒子群种群规模，第k代种群中第i个变异个体为Y_i(k+1)＝(y_i,1(k+1),y_i,2(k+1),...,y_i,d(k+1))，在当前种群随机选取两个不相同的个体，进行差分缩放再与一个待变异个体向量相加形成新的变异个体，即

Y_i(k+1)＝X_p(k)+F×(X_q(k)-X_r(k))

其中，i＝1,2,…,N，p,q,r均为1到N中的随机整数，F为缩放因子，X_i(k)表示第k代种群中第i个个体；

②交叉操作：

根据差分进化算法，交叉后得到的个体为

U_i(k+1)＝(u_i,1(k+1),u_i,2(k+1),...,u_i,d(k+1))

其中，CR为交叉概率，j_rand为1到d中的随机数；

③选择操作：

采用贪婪策略对粒子进行选择，得到下一代个体为

其中，f(U_i(k+1))为交叉后个体的适应度值，f(X_i(k))为交叉前个体的适应度值；

Step6：串口通信模块接收到机载飞控计算机内核发来的帧数据，解码得到舵机控制信息，输出给无人直升机动力学模型，从而实现对无人直升机的闭环控制过程；

Step7：判断无人直升机的被控姿态或位置是否达到期望值，若是则停止实验，否则重复Step3～6。

2.根据权利要求1所述的基于嵌入式硬件的无人直升机飞控改进PSO算法验证方法，其特征在于，所述缩放因子F取0.5到1之间。

3.根据权利要求1所述的基于嵌入式硬件的无人直升机飞控改进PSO算法验证方法，其特征在于，所述交叉概率CR取0.8到1之间。

4.根据权利要求1所述的基于嵌入式硬件的无人直升机飞控改进PSO算法验证方法，其特征在于，所述机载飞控计算机内核由嵌入式处理器实现。

5.根据权利要求1所述的基于嵌入式硬件的无人直升机飞控改进PSO算法验证方法，其特征在于，机载飞控计算机内核为基于高性能32位ARM Cortex-M7内核的STM32F767IGT6微处理器。