[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在审
| 申请号： | 201810354181.6 | 申请日： | 2018-04-19 |
| 公开（公告）号： | CN108490965A | 公开（公告）日： | 2018-09-04 |
| 发明（设计）人： | 丁仁强;周武能;程航洋 | 申请（专利权）人： | 东华大学 |
| 主分类号： | G05D1/08 | 分类号： | G05D1/08;G05D1/10 |
| 代理公司： | 上海泰能知识产权代理事务所 31233 | 代理人： | 宋缨;钱文斌 |
| 地址： | 201620 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及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，包括以下步骤：创建初始种群T，并对数据进行预处理；确定编码方式；确定适应度函数；遗传算法的遗传操作；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Kp、积分环节系数Ki和微分环节系数Kd来调节控制强度和效果，输出理想控制信号；旋翼飞行器的姿态得到理想控制，恢复到理想的飞行姿态。本发明有效地避免了神经网络陷入局部极小值的缺点。 | ||
| 搜索关键词： | 旋翼飞行器 神经网络 遗传算法优化 姿态控制 权值和 预处理 神经网络模型 误差反向传播 适应度函数 编码方式 初始种群 飞行姿态 惯性环节 积分环节 计算误差 控制信号 输出作用 算法更新 微分环节 遗传操作 遗传算法 有效地 最优解 输出 创建 恢复 | ||
【主权项】：
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Kp、积分环节系数Ki和微分环节系数Kd来调节控制强度和效果，输出理想控制信号。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东华大学，未经东华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810354181.6/，转载请声明来源钻瓜专利网。
