【技术实现步骤摘要】
基于鸽群智能优化动态逆控制的无人机轨迹跟踪制导方法
[0001]本专利技术涉及一种基于鸽群智能优化动态逆控制的无人机轨迹跟踪制导方法，属于无人机自主控制领域。
技术介绍
[0002]轨迹跟踪制导技术是解决飞行器按照预想路线进行自主飞行的一种有效手段，无人机在自主飞行状态下对参考轨迹信号的有效跟踪也是无人机自主控制很重要的一个方面，在通常的无人机控制方法设计过程中，无人机在飞行过程中存在很多的外界干扰，由于系统的复杂性、环境的变化、系统的损耗和错误的操作等，这些因素使得可靠的控制律设计变得相当复杂。本专利技术旨在利用鸽群优化算法的强鲁棒性与动态逆控制方法的高度可靠性，设计无人机轨迹跟踪制导方法，使得无人机在自主控制过程中能够有效地跟踪期望中的轨迹信号，实现稳定、可靠的飞行。
[0003]利用动态逆控制的无人机制导方法将飞机的数学模型(通常是非线性模型)，找出平衡点，将其线性化，而后将无人机的数学模型分为偏航、滚转和俯仰三个不同的通道，然后分别分开来看每个通道，对每个通道先后用经典控制理论里的根轨迹法(极点配置)、频域法...
【技术保护点】
【技术特征摘要】
1.一种基于鸽群智能优化动态逆控制的无人机轨迹跟踪制导方法，其特征在于：该方法步骤如下：步骤一：无人机的轨迹跟踪制导控制建模不加推导的给出各状态向量的动态方程的数学模型步骤二：无人机动态逆控制建模不加推导的给出无人机的系统方程和动态逆控制方程步骤三：无人机四回路轨迹跟踪制导控制建模所述的四回路包括：位置控制回路、飞行轨迹控制回路、姿态控制回路及角速率控制回路；步骤四：鸽群智能优化无人机对航路的轨迹跟踪制导通过模仿自然界中鸽子归巢行为提出了鸽群优化，利用鸽群算法优化无人机在位置控制回路跟踪参考位置信息的过程，使无人机实际轨迹更快地朝最优位置收敛；根据不同飞行阶段的导航工具的不同，仿鸽群智能分为两个阶段，分别是：地图和指南针算子阶段、以及地标算子阶段；其中，地图和指南针算子阶段模仿太阳和地磁场的导航作用，地标算子阶段模仿地标的导航作用，利用鸽群智能算法在无人机的位置跟踪回路中实时进行最优参考位置的更新，使得无人机能够快速收敛至理想航路，具体如下：假设种群规模为N
G
，地图和指南针算子阶段最大迭代次数为T
max1
，个体i的速度和位置分别记作V
i
(t)＝{v
i,1
(t),v
i,2
(t),...,v
i,N
(t)}，X
i
(t)＝{x
i,1
(t),x
i,2
(t),...,x
i,N
(t)}，该阶段速度和位置的更新表示为：V
i
(t+1)＝V
i
(t)
·
e
‑
R
·
t
+rand
·
(X
g
(t)
‑
X
i
(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)X
i
(t+1)＝X
i
(t)+V
i
(t+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(24)其中，t表示迭代次数，R表示地图和指南针因子，N表示解空间的维度，在这里其含义与航路点的个数相同，rand∈(0,1)，X
g
(
·
)表示全局最优解；当迭代次数t>T
max1
时，循环迭代进入地标算子阶段，否者，继续执行地图和指南针算子阶段循环；假设地标算子阶段的最大迭代次数为T
max2
，个体按照适应度值大小进行排序，仅较优个体保留，因此，每次迭代之后种群数减半；同时，个体朝着保留个体的中心位置靠近，该阶段的位置更新表示为：N
G
(t+1)＝N
G
(t)/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25)X
i
(t+1)＝X
i
(t)+rand
·
(X
c
(t)
‑
X
i
(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(26)其中，X
c
(
·
)表示剩下较优个体的中心位置，S(
·
)表示较优个体构成的集合，f(
·
)表示代价函数；当迭代次数t>(T
max1
+T
max2
)时，结束循环，输出优化结果；否者继续执行地标算子阶段循环；步骤五：输出无人机轨迹跟踪结果
输出无人机对预定轨迹的三维状态下以及各姿态、运动参数的跟踪制导仿真结果。2.根据权利要求1所述的基于鸽群智能优化动态逆控制的无人机轨迹跟踪制导方法，其特征在于：所述的无人机位置控制回路的建模过程如下：不加推导的给出参考位置变量表达式：无人机位置控制回路为飞行轨迹控制回路产生的输出χ
des
，γ
des
表示为：3.根据权利要求1所述的基于鸽群智能优化动态逆控制的无人机轨迹跟踪制...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。