无人机云台控制方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及一种无人机云台控制方法，包括步骤：获取初始控制参数，以初始控制参数初始化粒子种群；对粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的粒子参数值；运行控制算法，输出用于控制无人机云台的控制信号；对粒子种群的粒子参数值进行多次迭代，包括步骤：根据控制误差通过适应度函数计算每个粒子的适应度值；若粒子的适应度值大于群体粒子平均适应度值的差值，增大粒子惯性权重；若粒子的适应度值小于群体粒子平均适应度值的差值，减小粒子惯性权重；根据惯性权重对粒子的参数值进行迭代；若粒子的适应度值达到收敛，结束迭代。能够在无人机飞行过程中对云台控制算法进行自动调参，能够快速获得最优控制参数。得最优控制参数。得最优控制参数。

【技术实现步骤摘要】
无人机云台控制方法、装置、设备及存储介质


[0001]本专利技术涉及无人机云台控制
，尤其是涉及一种无人机云台控制方法、装置、设备及存储介质。

技术介绍

[0002]在无人机云台控制领域，通常通过控制算法进行云台控制，控制算法中包括多个控制参数，需要对控制算法中的控制参数进行调节，以使得算法性能符合设计要求。传统调参方法以云台抖动过程作为判断标准，手动调节参数，这种方法需要大量的排列组合来尝试算法，高度依赖调参人员的操作经验，不仅费时费力，而且不一定能够找到一组最优参数。另外，这种调参方法需要将云台固定在桌面后进行有线串口调试，调试完成之后再安装到无人机上测试效果，无法做到在无人机飞行过程中对参数进行调节，这忽略了飞行过程中的外因干扰，导致出现桌面测试效果与飞行测试效果不一致的情况。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的缺点与不足，提供一种无人机云台控制方法，能够在无人机飞行过程中对云台控制算法进行自动调参，能够快速获得最优控制参数。
[0004]本专利技术是通过以下技术方案实现的：一种无人机云台控制方法，包括步骤：
[0005]获取初始控制参数，以所述初始控制参数初始化粒子种群；
[0006]对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值；
[0007]运行所述控制算法，输出用于控制无人机云台的控制信号；
[0008]其中，对所述粒子种群的粒子参数值进行多次迭代，包括步骤：
[0009]获取控制误差，根据所述控制误差通过适应度函数计算每个粒子的适应度值；
[0010]若所述粒子的适应度值大于群体粒子平均适应度值的差值，则增大粒子的惯性权重；若所述粒子的适应度值小于群体粒子平均适应度值的差值，则减小粒子的惯性权重；
[0011]根据更新的所述惯性权重对所述粒子的参数值进行迭代；
[0012]若所述粒子的适应度值达到收敛，则结束迭代。
[0013]相对于现有技术，本专利技术提供一种无人机云台控制方法通过在粒子群中通过每个粒子的适应度值自适应改变粒子的惯性权重，提高了控制算法的控制精度，能够使无人机云台得到更准确的控制。同时，在粒子群中通过每个粒子的适应度值自适应改变粒子的惯性权重，能够提高粒子适应度值的收敛速度，从而提高对无人机云台的控制速度。
[0014]进一步地，增大所述粒子的惯性权重时，令所述粒子的惯性权重等于最大惯性权重；减小所述粒子的惯性权重时，所述粒子惯性权重w的表达式为：w＝w
min
‑
(w
max
‑
w
min
)*(f
‑
f
min
)/(f
avg
‑
f
min
)，其中，w
min
为最小惯性权重，w
max
为最大惯性权重，f为当前粒子的适应度值，f
min
为粒子种群中粒子适应度值的最小值，f
avg
为粒子种群所有粒子的平均适应度值。
[0015]进一步地，对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数
设置为每次迭代的所述粒子参数值后，还包括步骤：
[0016]获取控制误差和控制误差变化速度，通过隶属度函数分别计算所述控制误差和所述控制误差变化速度的隶属度向量；
[0017]根据所述控制误差和所述控制误差变化速度的隶属度向量依照所述模糊规则进行模糊推理，得到控制隶属度向量；
[0018]对所述控制隶属度向量进行清晰化处理，得到更新的控制参数。
[0019]进一步地，所述模糊规则表包括所述控制隶属度向量中的元素与所述控制误差的隶属元素及所述控制误差变化速度的隶属元素的对应关系，所述模糊规则表为：
[0020][0021]针对每一所述控制隶属度向量的隶属度值对应的元素，将同时具有对应关系的所述控制误差的隶属元素和所述控制误差变化速度的隶属元素对应的隶属度值相乘，后将所有乘积相加，得到所述元素对应的隶属度值。
[0022]进一步地，获取初始控制参数，以初始控制参数初始化粒子种群，包括步骤：
[0023]根据云台的多组目标控制值与控制误差建立二阶数学模型；
[0024]根据所述二阶数学模型进行云台闭环控制系统的建模；
[0025]通过控制变量法调整所述云台闭环控制系统的控制参数，运行所述云台闭环控制系统获得所述云台闭环控制系统的阶跃响应，确定一定范围内的阶跃响应所对应的控制参数为可选取的初始控制参数。
[0026]基于同一专利技术构思，本申请还提供一种无人机云台控制装置，包括：
[0027]初始化模块，用于获取初始控制参数，以初始控制参数初始化粒子种群；
[0028]迭代模块，用于对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值；
[0029]输出模块，用于运行所述控制算法，输出用于控制无人机云台的控制信号；
[0030]其中，所述迭代模块包括：
[0031]适应度子单元，用于获取控制误差，根据所述控制误差通过适应度函数计算每个粒子的适应度值；
[0032]权重调节子单元，用于若所述粒子的适应度值大于群体粒子平均适应度值的差值，则增大粒子的惯性权重；若所述粒子的适应度值小于群体粒子平均适应度值的差值，则减小粒子的惯性权重；
[0033]更新参数子单元，用于根据所述惯性权重对所述粒子的参数值进行迭代；
[0034]收敛子单元，用于若所述粒子的适应度值达到收敛，则结束迭代。
[0035]进一步地，所述权重调节子单元包括：
[0036]权重增大第二子单元，用于增大所述粒子的惯性权重时，令所述粒子的惯性权重等于最大惯性权重；
[0037]权重减小第二子单元，用于减小所述粒子的惯性权重时，所述粒子惯性权重w的表达式为：w＝w
min
‑
(w
max
‑
w
min
)*(f
‑
f
min
)/(f
avg
‑
f
min
)，其中，w
min
为最小惯性权重，w
max
为最大惯性权重，f为当前粒子的适应度值，f
min
为粒子种群中粒子适应度值的最小值，f
avg
为粒子种群所有粒子的平均适应度值。
[0038]进一步地，还包括：
[0039]隶属度模块，用于对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值后，获取控制误差和控制误差变化速度，通过隶属度函数分别计算所述控制误差和所述控制误差变化速度的隶属度向量；
[0040]模糊控制模块，用于根据所述控制误差和所述控制误差变化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机云台控制方法，其特征在于，包括步骤：获取初始控制参数，以所述初始控制参数初始化粒子种群；对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值；运行所述控制算法，输出用于控制无人机云台的控制信号；其中，对所述粒子种群的粒子参数值进行多次迭代，包括步骤：获取控制误差，根据所述控制误差通过适应度函数计算每个粒子的适应度值；若所述粒子的适应度值大于群体粒子平均适应度值的差值，则增大粒子的惯性权重；若所述粒子的适应度值小于群体粒子平均适应度值的差值，则减小粒子的惯性权重；根据更新的所述惯性权重对所述粒子的参数值进行迭代；若所述粒子的适应度值达到收敛，则结束迭代。2.根据权利要求1所述的方法，其特征在于：增大所述粒子的惯性权重时，令所述粒子的惯性权重等于最大惯性权重；减小所述粒子的惯性权重时，所述粒子惯性权重w的表达式为：w＝w
min
‑
(w
max
‑
w
min
)*(f
‑
f
min
)/(f
avg
‑
f
min
)，其中，w
min
为最小惯性权重，w
max
为最大惯性权重，f为当前粒子的适应度值，f
min
为粒子种群中粒子适应度值的最小值，f
avg
为粒子种群所有粒子的平均适应度值。3.根据权利要求1所述的方法，其特征在于，对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值后，还包括步骤：获取控制误差和控制误差变化速度，通过隶属度函数分别计算所述控制误差和所述控制误差变化速度的隶属度向量；根据所述控制误差和所述控制误差变化速度的隶属度向量依照所述模糊规则进行模糊推理，得到控制隶属度向量；对所述控制隶属度向量进行清晰化处理，得到更新的控制参数。4.根据权利要求3所述的方法，其特征在于：所述模糊规则表包括所述控制隶属度向量中的元素与所述控制误差的隶属元素及所述控制误差变化速度的隶属元素的对应关系，所述模糊规则表为：针对每一所述控制隶属度向量的隶属度值对应的元素，将同时具有对应关系的所述控制误差的隶属元素和所述控制误差变化速度的隶属元素对应的隶属度值相乘，后将所有乘
积相加，得到所述元素对应的隶属度值。5.根据权利要求1所述的方法，其特征在于，获取初始控制参数，以初始控制参数初始化粒子种群，包括步骤：根据云台的多组目标控制值与控制误差建立二阶数学模型；根据所述二阶数学模型进行云台闭环控制系统的建模；通过控制变量法调整所述云台闭环控制系统的控制参数，运行所述云台闭环控制系统获得所述云...

【专利技术属性】
技术研发人员：陈翔，廖科文，何展鹏，
申请(专利权)人：广州成至智能机器科技有限公司，
类型：发明
国别省市：