基于改进差分进化算法的多旋翼无人机姿态控制方法及系统
本发明涉及无人机控制。更具体地,本发明涉及基于改进差分进化算法的多旋翼无人机姿态控制方法及系统。
背景技术:
1、得益于自动化、计算机与微电子技术的协同突破,无人机技术随之兴起并实现了民用转变。其中,四旋翼无人机作为多旋翼无人机的重要分支,其凭借着垂直起降能力、有效载荷优异性和运动可控性等特征,成为智能无人系统领域的研究热点。有关理论分析与工程实践表明,四旋翼无人机在精准农业、应急搜救等民用场景展现出显著技术优势,其动态建模与智能控制算法的持续优化正推动行业应用边界不断延伸。然而,四旋翼无人机受到自身物理效应影响(如重力和陀螺效应)和外部环境(气流)的干扰,容易出现飞行姿态异常的情况。因此,如何实现准确可靠的飞行姿态控制是目前研究的主要难点。
2、为解决上述技术难点,公布号为cn118113062a的中国申请专利公布了一种用于四旋翼无人机姿态控制器的深度强化学习方法,其主要利用基于马尔可夫决策的神经网络控制算法执行10万次以上的迭代训练,实现无人机的飞行场景适应性控制,整个过程至少需要4.608s。而四旋翼无人机平均飞行速度可以达到20m/s-60m/s,这意味着,利用该技术控制无人机一旦失控/场景变更,其失控状态/场景变更下的可运动范围较大,若训练空间不够大,姿态训练矫正还没完成无人机可能就已经撞上障碍物,可见,这是一套实时性、可靠性较差的飞控方法,并且对计算资源的消耗极大,其对应的生产成本较高。
技术实现思路
1、为解决上述飞控方法实时性及可靠性较差的技术问题,本发明公开了一种基于改进差分进化算法的多旋翼无人机姿态控制方法及系统。
2、第一方面,本发明公开了一种基于改进差分进化算法的多旋翼无人机姿态控制方法,包括:
3、对无人机的pid控制器进行初始化;
4、响应于初始化的完成,执行差分迭代循环:
5、采集pid控制器的控制器参数;
6、在迭代周期中对控制器参数执行变异、交叉及选择操作以更新种群,并记录当前的执行周期数;
7、当执行周期数达到预设上界时,退出差分迭代循环并将种群中的最优解作为pid控制器的当前控制参数。
8、有益效果:本发明方法利用改进改进差分进化算法实现无人机控制器参数的自适应调节,与现有技术相比,本发明方法有效保障了无人机姿态控制器参数的控制性能,同时在控制器设计的过程中,本方法无需包含过多的数学模型信息,这有效解决了无人机物理模型未知和时变性的问题,提高了无人机控制器的设计效率,进而克服了现有飞控方法实时性及可靠性较差的缺陷。
9、优选的,在迭代周期中对控制器参数执行变异操作,具体为:
10、将控制器参数作为个体;
11、随机选取两个不同的个体,作为随机配对;
12、将随机配对进行做差缩放后与待变异个体进行组合,生成中间个体。
13、优选的,将随机配对进行做差缩放后与待变异个体进行组合,生成中间个体,具体表达式为:
14、
15、式中,为第代第个中间个体的第个参数,为第代第个待变异个体的第个参数,和为种群中随机选择的两个个体的第个参数,且,为缩放因子。
16、优选的,在迭代周期中对控制器参数执行交叉操作,具体为:
17、基于预设的自适应交叉概率和交叉操作算法,计算得到第一交叉个体;
18、校验第一交叉个体是否符合预设的边界条件,若是,输出对应的第二交叉个体。
19、优选的,交叉操作算法的具体表达式为:
20、
21、式中,为第代第个第一交叉个体的第个参数,为区间中的随机数,为自适应交叉概率。
22、优选的,在迭代周期中对控制器参数执行选择操作,包括:
23、定义控制器参数对应误差绝对值的代价函数;
24、基于代价函数,生成用于比对第二交叉个体与上一代成员的选择函数;
25、将第二交叉个体和上一代成员代入选择函数中,得到用于更新种群的实际个体。
26、优选的,选择函数的表达式为:
27、
28、式中,为第代第个实际个体,为第代第个第二交叉个体,为上一代成员,为代价函数。
29、优选的,对无人机的pid控制器进行初始化,包括:
30、初始化种群生成过程中在n维空间随机产生的m个个体。
31、优选的,初始化种群生成过程中在n维空间随机产生的m个个体的具体算术表达式为:
32、
33、式中,为第0代第个体的第个参数,和分别为第个体的第个参数取值的下界和上界,为区间中的随机数。
34、第二方面,本发明一种基于改进差分进化算法的多旋翼无人机姿态控制系统,包括处理器和存储器,存储器存储有计算机程序指令,当计算机程序指令被处理器执行时实现第一方面记载的基于改进差分进化算法的多旋翼无人机姿态控制方法。
35、本发明的有益效果在于:
36、(1)相较于现有技术,本发明方法解决了现有无人机姿态控制实时性及可靠性较差的缺陷。
37、(2)相较于现有技术,本发明方法中的多项函数/模型参数支持自适应调节,以实现基于飞行场景的自适应控制。
38、(3)相较于现有技术,在迭代进化过程中,为确保解的合理性与有效性,本发明方法还对种群个体中各参数的边界条件进行校验。
1.一种基于改进差分进化算法的多旋翼无人机姿态控制方法,其特征在于,包括:
2.根据权利要求1所述的基于改进差分进化算法的多旋翼无人机姿态控制方法,其特征在于,在迭代周期中对所述控制器参数执行变异操作,具体为:
3.根据权利要求2所述的基于改进差分进化算法的多旋翼无人机姿态控制方法,其特征在于,将所述随机配对进行做差缩放后与待变异个体进行组合,生成中间个体,具体表达式为:
4.根据权利要求3所述的基于改进差分进化算法的多旋翼无人机姿态控制方法,其特征在于,在迭代周期中对所述控制器参数执行交叉操作,具体为:
5.根据权利要求4所述的基于改进差分进化算法的多旋翼无人机姿态控制方法,其特征在于,所述交叉操作算法的具体表达式为:
6.根据权利要求4所述的基于改进差分进化算法的多旋翼无人机姿态控制方法,其特征在于,在迭代周期中对所述控制器参数执行选择操作,包括:
7.根据权利要求6所述的基于改进差分进化算法的多旋翼无人机姿态控制方法,其特征在于,所述选择函数的表达式为:
8.根据权利要求1所述的基于改进差分进化算法的多旋翼无人机姿态控制方法,其特征在于,对无人机的pid控制器进行初始化,包括:
9.根据权利要求2所述的基于改进差分进化算法的多旋翼无人机姿态控制方法,其特征在于,初始化所述种群生成过程中在n维空间随机产生的m个个体的具体算术表达式为:
10.一种基于改进差分进化算法的多旋翼无人机姿态控制系统,其特征在于,包括处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现权利要求1-9任意一项所述的基于改进差分进化算法的多旋翼无人机姿态控制方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com