一种基于蚁群算法固定翼无人机PID参数控制方法技术

本发明专利技术公开一种基于蚁群算法固定翼无人机PID参数控制方法,包括有：设置蚁群搜索节点，通过经验法对PID控制器参数：比例因子K

【技术实现步骤摘要】
一种基于蚁群算法固定翼无人机PID参数控制方法
本专利技术涉及无人机控制领域，具体涉及一种基于蚁群算法固定翼无人机PID参数控制方法。
技术介绍
无人机(UnmannedAerialVehicle,UAV)因其小巧的机身、灵活的动作、便捷的操作以及高性能性价比使无人机成为各行各业争先研发与使用的焦点，并且无人机小巧的机身上可搭载例如摄像头、声纳、激光等传感器，让无人机可以很好的适用于区域侦察及地图测绘等战略环境。无人机高效的侦测与灵活的动作与无人机的姿态控制有着必然的联系。目前大多数无人机采用的控制器主要为传统的PID(比例-积分-微分)控制系统参数：比例因子Kp、积分时间Ti和微分时间Td的参数优化搭配是决定PID控制系统优劣的关键。控制器，通过对PID参数Kp、Ki与Kd优化与整定来达到对无人机控制精度、鲁棒性和最优性能的控制。由于人们日益追求对无人机的高精度控制，使传统PID控制因其高超调与次优PID参数线性组合而难以满足对无人机全部的精确控制的需求。蚁群算法源自于致盲蚂蚁该在脱离视觉信息要素的情况下，通过对所走路径上留下信息素的方法搜索从巢穴到食物的最短路径，并且其路径上所留信息素的浓度大小对后续蚂蚁搜索循迹起着重要的导向作用，经过多次往返迭代最终达到从巢穴到食物源最短路径的搜索。而蚂蚁这种搜索机制犹如控制系统中的正反馈机制，通过采用并行分布式计算方法来对组合优化问题求解显示出极强的鲁棒性。但是这种搜索方法往往随着单独某路径信息素浓度而高于其他路径而陷入局部最优导致算法早熟。
技术实现思路
本专利技术的目的在于针对上述现有技术中存在的问题，提出了一种基于蚁群算法固定翼无人机PID参数控制方法，通过利用改进蚁群算法来实现对固定翼无人机的最优PID参数搜索与整定,加快了对最优解的搜索进程，十分适用于多条件约束的系类组合优化问题。为达到上述专利技术的目的，本专利技术通过以下技术方案实现：本专利技术还公开一种基于蚁群算法固定翼无人机PID参数控制方法，包括步骤如下：步骤S1,设置蚁群搜索节点，通过经验法对PID控制器参数：比例因子Kp、积分时间Ti和微分时间Td的取值范围进行界定，并将搜索节点设定为每行一种参数的N×3搜索点矩阵集合，其中N是大于1的参数取值范围内的随机值的个数；步骤S2，在蚁群寻优机制中加入信息素蒸发机制，使每轮迭代结束后对当前蚁群搜索最优路径上的信息素进行蒸发；步骤S3，采用信息素蒸发的蚁群寻优机制遍历蚁群搜索节点，寻找满足评价控制性能指标的节点，所述评价控制性能指标为：绝对误差的矩的积分最小。本专利技术的一种基于蚁群算法固定翼无人机PID参数控制方法，采用的蚁群算法针对诸如PID组合参数优化整定问题具有良好的鲁棒性及便捷的分布式搜索机制，与固定翼无人机多控制通道相结合，可以高效解决固定翼无人机PID参数整定组合优化问题，并且从显示结果中可以看出算法针对PID参数寻优使无人机控制系统具有快速的响应速度，较短的调节时间与摆幅较小的超调响应，并用固定翼对所求PID参数的控制优化性能进行验证。从上述结论中可以看出蚁群算法在无人机PID参数整定寻优中具有极高的可行性，可以适用于无人机PID参数优化控制。附图说明图1为传统的PID控制系统原理图。图2为本专利技术的基于蚁群算法固定翼无人机PID参数控制方法的步骤图。图3为本专利技术的基于蚁群算法固定翼无人机PID参数控制方法模拟俯仰通道PID调节的曲线图。图4为本专利技术的基于蚁群算法固定翼无人机PID参数控制方法模拟滚转通道PID调节的曲线图图5为本专利技术的基于蚁群算法固定翼无人机PID参数控制方法模拟偏航通道PID调节的曲线图。图6a至图6c分别为XYZ三通道输出的无人机飞行姿态变化曲线图具体实施方式下面结合附图和实施例对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部实施例。蚁群算法基本原理蚁群算法源自于致盲蚂蚁该在脱离视觉信息要素的情况下，通过对所走路径上留下信息素的方法搜索从巢穴到食物的最短路径，并且其路径上所留信息素的浓度大小对后续蚂蚁搜索循迹起着重要的导向作用，经过多次往返迭代最终达到从巢穴到食物源最短路径的搜索。而蚂蚁这种搜索机制犹如控制系统中的正反馈机制，通过采用并行分布式计算方法来对组合优化问题求解显示出极强的鲁棒性。但是这种搜索方法往往随着单独某路径信息素浓度而高于其他路径而陷入局部最优导致算法早熟。因此，在设计算法时在蚁群寻优机制中加入信息素的蒸发要素，随着每次蚂蚁寻优结束时会对当前蚂蚁所走最短路径上的信息素进行蒸发，并当每轮迭代结束后会对当前蚁群搜索最优路径上的信息素进行蒸发，并以此来提高蚁群算法全局搜索路径的效率[10-11]。假设起始设置M只蚂蚁从起点开始寻优，通过搜索当前所在位置与相邻搜索点上的信息素浓度大小来决定蚂蚁下一转移点，因此第k只蚂蚁从节点i到节点j的转移概率为：其中allowedk为蚂蚁可行点，τij(t)为i与j两点之间的信息素浓度；ηij(t)为ij之间的启发函数，并且ηij(t)＝1/distance(i,j)；α为信息素启发因子，α的大小决定蚂蚁搜索下一节点的导向；β彰显着启发函数的重要性，对算法收敛起着重要的作用，但取值过大可能会导致蚂蚁只搜索当前距离最近节点，使算法陷入局部最优。当蚁群完成一轮迭代搜索之后，为使算法具有更高的全局性，需要对当前蚂蚁搜索路径之间的信息素含量进行蒸发，其蒸发规则如下所示：τij(t+1)＝(1-ρ)τij(t)+Δτij…(2)式中ρ为信息素蒸发参量,且ρ取值介于0与1之间；Δτij当前迭代(i,j)上所包含的信息素增量；为第k只蚂蚁在本次迭代搜索中遗留在(i,j)上的信息素，且还可如式(4)所示：式中F为一恒定不变的数，对算法收敛速度上有一定影响作用，Q为对第k只蚂蚁当前搜索路径的原函数值。蚁群算法PID参数优化法PID(比例-积分-微分)控制系统中其参数Kp、Ti和Td的参数优化搭配是决定PID控制系统优劣的关键。传统PID控制原理框图如图1所示。其中e与u的关系如下式所示：其中Kp为比例因子；Ti为积分时间；Td为微分时间；T为算法采样周期。并且Ki＝KpT/Ti为积分因子，Kd＝KpTd/T为微分因子。因此，只需要对Kp、Ki与Kd三个参数寻优整定，即可亏整个PID参数控制系统有直接的影响。为了能使蚁群算法达到对PID控制参数优化目的,必须将PID参数整定寻优转换为组合优化问题的求解，因此本文将PID参数值的选取当作一个组合优化问题，通过蚁群算法迭代寻优来解决PID控制系统的参数优化。从上述蚁群算法搜索模型，通过释放更多信息素给相对较短的路径从而形成一个信息的正反馈机制。并且信息素的更新公式可以很好的增强蚁群算法全局搜索性，从而得到全局最优解。根据上述蚁群算法，本专利技术提出一种基于蚁群算法固定翼无人机PID参数控制方法,包括步骤如下：步骤S1,设置蚁群搜索节点，通过经验法对PID控制器参数：比例因子Kp、积分时间Ti和微分时间Td的取值范围进行界定，并将搜索节点设定为每行一种参数的N×3搜索点矩阵集合，其中N是大于1的参数取值范围内的随机值的个数；步骤S2，在蚁群寻优机制中加入信息素蒸发机制，使每轮迭代结束后对当前蚁群搜索最优路本文档来自技高网...

【技术保护点】
一种基于蚁群算法固定翼无人机PID参数控制方法,其特征在于，包括步骤如下：步骤S1,设置蚁群搜索节点，通过经验法对PID控制器参数：比例因子K

【技术特征摘要】
1.一种基于蚁群算法固定翼无人机PID参数控制方法,其特征在于，包括步骤如下：步骤S1,设置蚁群搜索节点，通过经验法对PID控制器参数：比例因子Kp、积分时间Ti和微分时间Td的取值范围进行界定，并将搜索节点设定为每行一种参数的N×3搜索点矩阵集合，其中N是大于1的参数取值范围内的随机值的个数；步骤S2，在蚁群寻优机制中加入信息素蒸发机制，使每轮迭代结束后对当前蚁群搜索最优路径上的信息素进行蒸发；步骤S3，采用信息素蒸发的蚁群寻优机制遍历蚁群搜索节点，寻找满足评价控制性能指标的节点，所述评价控制性能指标为：绝对误差的矩的积分最小。2.根据权利要求1所述的基于蚁群算法固定翼无人机PID参数控制方法，其特征在于，步骤S1所述搜索节点，设定N为20,则经验法设置20×3的搜索点矩阵集合如下：3.根据权利要求1或2所述的基于蚁群算法固定翼无人机PID参数控制方法，其特征在于，所述信息素蒸发机制为:τij(t+1)＝(1-ρ)τij(t)+Δτij，式中ρ为信息素蒸发参量,且ρ取值介于0与1之间；Δτij当前迭代(i,j)上所包含的信息素增量；为第k只蚂蚁在本次迭代搜索中遗留在(i,j)上的信息素。4.根据权利要求3所述的基于蚁群算法固定翼无人机PID参数控制方法，其特征在于，所述遗留在在(i,j)上的信息素还可为：式中F为一恒定不变的数，对蚁群寻优机制收敛速度上有一定影响作用，Q为对第k只蚂蚁当前搜索路径的原函数值。5.根据权利要求4所述的基于蚁群算法固定翼无人机PID参数控制方法，其特征在于，步骤...

【专利技术属性】
技术研发人员：郑武略，尚涛，张富春，张蔓，赵敏，汲广，李伟性，金钊，赵雪峰，袁文俊，林翔，方博，贺敏恒，林明杰，贾培亮，廖江雨，马智，梁超，刘延超，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司广州局，
类型：发明
国别省市：广东,44