【技术实现步骤摘要】
本专利技术涉及无人机姿态分数阶pid控制，特别是一种基于智能优化算法的无人机姿态控制方法。
技术介绍
1、无人机高架电网姿态控制是电力行业的重要发展方向。近年来，随着无人机技术的不断发展，无人机在输电线路巡检、电力抢险等领域的应用越来越广泛。在无人机巡检中，通过高精度的姿态控制系统，可以实现对输电线路的精细巡检，提高巡检质量和效率。
2、尽管无人机高架电网姿态控制技术取得了长足的进展，但仍然存在一些问题。首先，姿态控制系统受到风、雨、雪等天气因素的影响较大，导致巡检精度和稳定性受到限制。其次，姿态控制系统的算法和数据处理技术还需要进一步优化，以提高巡检的智能化水平。
3、分数阶pid在姿态控制中具有广泛的应用，但仍然存在一些待优化问题。首先，分数阶pid的参数整定较复杂，需要针对不同的系统进行精细调整，这增加了控制的难度和复杂性。其次，分数阶pid对噪声的抑制能力较弱，容易受到干扰的影响，影响控制的稳定性和精度。此外，对于某些非线性系统，分数阶pid的控制效果可能不理想，需要进行改进或与其他控制方法结合使用。因此，针对这些待优化问题，需要进一步研究和发展更先进、更灵活的控制策略，以提高姿态控制的性能和鲁棒性。
4、鱼鹰优化算法是一种自然界启发式优化算法，其灵感来源于鱼鹰的捕食行为。在算法中，鱼鹰象征着搜索过程中的最优解，而鱼则代表了待优化问题的潜在解，鱼鹰优化算法通过模拟鱼鹰的捕食行为，采用群体搜索策略，不断迭代寻找最优解。然而，它也存在一些缺点，首先，该算法的搜索过程中容易陷入局部最优解，无
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于智能优化算法的无人机姿态控制方法，通过在算法探索阶段，实现动态种群数量策略，进而在勘探阶段，利用动态搜索参数和算法适应度值，引入自适应搜索参数改进鱼鹰优化算法，利用改进鱼鹰优化算法优化无人机姿态分数阶pid控制，提高无人机高架电网姿态控制的鲁棒性，提高巡检的智能化水平。
2、为实现上述目的，本专利技术采用如下技术方案：一种基于智能优化算法的无人机姿态控制方法，利用改进鱼鹰优化算法优化无人机姿态分数阶pid控制器，具体步骤如下：
3、步骤一、搭建电网安全巡检无人机姿态控制系统，包括无人机本体、姿态传感器、分数阶pid控制器和鱼鹰优化算法模块；
4、步骤二、根据电网安全巡检环境，建立无人机姿态控制动力学数学模型；
5、步骤三、针对无人机对扰动要求，对鱼鹰优化算法改进；
6、步骤四、利用改进鱼鹰优化算法优化电网安全巡检无人机姿态分数阶pid控制器，得到最佳分数阶pid控制参数；
7、步骤五、将无人机姿态控制动力学数学模型和改进鱼鹰优化算法以及最佳分数阶pid控制参数应用到电网安全巡检无人机姿态控制系统；根据无人机的实时反馈信息，算法自动调整分数阶pid控制参数，实现无人机系统姿态自适应优化调整。
8、在一较佳的实施例中，所述步骤一中，根据电网安全巡检无人机姿态控制系统，用过simulink搭建仿真模型用于测试，仿真模型包括无人机姿态目标值模块、无人机实时姿态数据输入模块、无人机姿态目标数据与输入数据差值计算模块、算法优化后的分数阶pid控制器模块、无人机姿态控制动力学数学模型模块、实际姿态数据采集模块。
9、在一较佳的实施例中，所述步骤二中，无人机姿态控制动力学数学模型公式如下：
10、
11、式中，分别为电网巡检无人机的横滚角速度、俯仰角速度、偏航角速度，分别是电网巡检无人机的横滚角加速度、俯仰角加速度、偏航角加速度，j1、j2、j3分别为电网巡检无人机绕机体坐标系x、y、z的转动惯量，k1、k2、k3为阻力系数，取值均为0.5，u1(t)、u2(t)、u3(t)分别为电网巡检无人机的控制输入量，l为无人机翼轴心到机心的距离，d1、d2、d3为内部不确定性和外部干扰项的总扰动向量。
12、在一较佳的实施例中，所述步骤三具体包括以下步骤：
13、s1：改进鱼鹰优化算法的搜索策略，提出一种实现动态种群数量的方法，引入动态搜素参数；
14、s2：利用动态搜索参数n(t)和算法适应度值，引入自适应搜索参数，改进鱼鹰算法勘探策略；公式如下：
15、
16、式中，ψ自适应因子，f(t)当前迭代下种群随机适应度值，f(best)为当前迭代下种群最优适应度值，ψ1为前一次迭代的自适应因子。
17、在一较佳的实施例中，所述步骤三中，一种实现动态种群数量的方法，公式为：
18、
19、式中，n(t)为动态搜索参数，nmax为最大搜索参数，nmin为最小搜索参数，取值为2，n0为最小搜索参数，取值为0，a为控制搜索参数调整速度的常数，取值为0.6，t为当前迭代次数，t为总的迭代次数。
20、在一较佳的实施例中，所述步骤四中具体包括以下步骤：
21、step1、针对无人机电网巡检姿态需求，选取合适的目标函数，即适应度函数，具体公式为：
22、f(u,t)＝(e(t)-e(0))2+∑[e(k)-e(0)]2(t-k)；
23、式中，e(t)为无人机实际姿态与目标姿态的误差，e(0)为无人机初始姿态误差，t为当前迭代次数，u为无人机控制输入，e(k)表示在某一个离散时间无人机实际姿态与目标姿态的误差；
24、step2、针对电网环境的扰动，设计simulink仿真传递函数；
25、
26、式中，k为电网环境扰动增益，取值为2，s为复数频率变量；
27、step3、将电网巡检无人机分数阶pid控制参数kp、ki、kd以及λ、μ编码为鱼鹰搜索空间的解，随着算法的迭代，鱼鹰的位置即为无人机分数阶pid控制参数的解；
28、step4、初始化改进鱼鹰优化算法，包括种群规模n、问题维度d、猎物数量n、算法搜索空间上界ub、算法搜索空间下界lb以及最大迭代次数t、鱼鹰初始位置；
29、step5、根据适应度函数计算当前迭代鱼鹰种群个体适应度值，将最小适应度值记录下，记作f(best)，即最优适应度值，并于上次迭代的种群最优适应度值比较，保留最优适应度值；
30、step6、根据改进鱼鹰优化算法在搜索阶段和勘探阶段的种群位置更新公式，求解最优个体位置，确定电网安全巡检无人机姿态分数阶pid控制器参数最优解；
31、step7、在改进鱼鹰优化算法搜索阶段，首先实现动态种群数量，然后根据种群位置更新策略进行分数阶pid控制参数的更新，种群位置更新策略公式所示：
32、
33、式中，为第i只鱼鹰最新位置，即一个分数阶pid控制参数解，xi为第i只鱼鹰的上次迭代的本文档来自技高网...
【技术保护点】
1.一种基于智能优化算法的无人机姿态控制方法，其特征在于，利用改进鱼鹰优化算法优化无人机姿态分数阶PID控制器，具体步骤如下：
2.根据权利要求1所述的一种基于智能优化算法的无人机姿态控制方法，其特征在于，所述步骤一中，根据电网安全巡检无人机姿态控制系统，用过Simulink搭建仿真模型用于测试，仿真模型包括无人机姿态目标值模块、无人机实时姿态数据输入模块、无人机姿态目标数据与输入数据差值计算模块、算法优化后的分数阶PID控制器模块、无人机姿态控制动力学数学模型模块、实际姿态数据采集模块。
3.根据权利要求1所述的一种基于智能优化算法的无人机姿态控制方法，其特征在于，所述步骤二中，无人机姿态控制动力学数学模型公式如下：
4.根据权利要求1所述的一种基于智能优化算法的无人机姿态控制方法，其特征在于，所述步骤三具体包括以下步骤：
5.根据权利要求4所述的一种基于智能优化算法的无人机姿态控制方法，其特征在于，所述步骤三中，一种实现动态种群数量的方法，公式为：
6.根据权利要求1所述的一种基于智能优化算法的无人机姿态控制方法，其
...【技术特征摘要】
1.一种基于智能优化算法的无人机姿态控制方法，其特征在于，利用改进鱼鹰优化算法优化无人机姿态分数阶pid控制器，具体步骤如下：
2.根据权利要求1所述的一种基于智能优化算法的无人机姿态控制方法，其特征在于，所述步骤一中，根据电网安全巡检无人机姿态控制系统，用过simulink搭建仿真模型用于测试，仿真模型包括无人机姿态目标值模块、无人机实时姿态数据输入模块、无人机姿态目标数据与输入数据差值计算模块、算法优化后的分数阶pid控制器模块、无人机姿态控制动力学数学模型模块、实际姿态数据采集模块。
【专利技术属性】
技术研发人员：张伟豪，陈伯建，李哲舟，吴文斌，陈卓磊，韩腾飞，王仁书，梁曼舒，林承华，李怡然，吴晓杰，沈添福，
申请(专利权)人：国网福建省电力有限公司电力科学研究院，
类型：发明
国别省市：
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。