[发明专利]基于粒子群算法的无人机飞控系统参数优化方法

权利要求书

1.基于粒子群算法的无人机飞控系统参数优化方法，其特征在于，包括如下步骤：

确定ArduPlane飞控系统中级联PID控制器的参数和取值范围；

设置粒子群算法代码中初始参数；

粒子群算法根据成本计算模块反馈回的成本值大小计算更新粒子群中每个粒子群移动的速度大小和方向，得到新的待优化参数值；

ArduPalne的飞控系统根据新得到的控制器参数值启动软件在环仿真器，飞控系统向仿真器发送飞行姿态控制器输入数据，仿真则返回给飞控系统传感器数据，飞控系统和仿真器共同完成指定飞行任务；

成本计算模块计算飞控系统里的各个级联PID控制器的成本值并求和；

成本值计算模块完成飞控系统和输入能量损耗之后，将更新的成本值传回给粒子群算法，直至迭代终止。

2.根据权利要求1所述的基于粒子群算法的无人机飞控系统参数优化方法，其特征在于，成本计算模块计算成本值时考虑四个控制输入能量大小。

3.根据权利要求1所述的基于粒子群算法的无人机飞控系统参数优化方法，其特征在于，具体包括如下步骤：

1)确定ArduPlane飞控系统中级联PID控制器的待优化参数，所述待优化参数至少包括：仰角控制器，滚角控制器，偏航控制器，总能量控制器中的比例控制器增益，积分控制器增益和微分控制器增益；确定参数后，设置参数的待优化取值范围，并将这些参数的取值范围输入粒子群算法代码中；

2)在粒子群算法代码中设置初始参数，所述初始参数至少包括：粒子个数，最大迭代次数，迭代终止的精度；随机初始化每个粒子，个体最优解p_best和全局最优解g_best；

3)将新得到的每个粒子最优解p_best对应的参数值输入到ArduPlane飞控系统中的对应控制器增益；

4)启动ArduPlane的飞控系统，向软件在环仿真器发送飞行姿态控制器输入数据，仿真器则返回给飞控系统传感器数据，所述数据至少包括：飞行状态角度速度，高度，速度；飞控系统和仿真器将共同完成指定飞行任务；

5)完成飞行任务后，成本计算模块利用改进的成本函数计算飞控系统里的各个级联PID控制器的成本值；成本值包含飞控系统中各个控制器里的测量状态与目标状态之间的差值e及其时间倒数其公式为：

其中i是指飞控的仰角控制器模块，滚角控制器模块，偏航控制器模块和总能量控制器模块；所述测量状态至少包括无人机仰角，滚角，速度，高度；计算成本值时考虑四个控制输入能量大小，其公式为：

其中E_i是指飞控系统各个控制器的输入能量大小，这样得到飞控系统中的总成本值为：

其中Cost_ori是指原始飞控系统中的状态成本值，Cost_{E_ori}是指原始飞控系统中的能量成本值；

6)将步骤5)得到的成本值Cost返回给粒子群算法，更新当前每个粒子的个体最优解和群体全局最优解；每个粒子将利用下面的公式更新自己的速度和位置：

x_j+1＝x_j+V_j+1

其中V_j是指移动速度，x_j是指位置；

7)查看是否满足迭代终止条件，如果满足条件则退出迭代，结束并输出最优参数值，否则返回步骤3)。

4.根据权利要求3所述的基于粒子群算法的无人机飞控系统参数优化方法，其特征在于，所述步骤1)中参数个数组成粒子群搜索空间的维度。

5.根据权利要求3所述的基于粒子群算法的无人机飞控系统参数优化方法，其特征在于，所述步骤3)中飞控系统中的对应控制器包括如下控制器：ArduPlane中libraries里的PitchController，RollController，YawController，TECS的相应控制器。