基于自调节搜索鸽群智能的太阳能旋翼无人机设计方法

1.本发明涉及一种基于自调节搜索鸽群智能的太阳能旋翼无人机设计方法，属于新能源和航空技术领域。


背景技术：

2.旋翼无人机作为无人机中重要类型之一，具有小巧轻盈、操作方便、便宜易得等优点。无论是在军事上的侦察、定点打击，还是民用上的药物喷洒、救灾抢险，都少不了旋翼无人机的身影。但旋翼无人机有一项重要缺陷——耗能太大，一次执行任务时间远小于同种条件下的固定翼无人机。而将太阳能电池片与旋翼相结合是较为可行的方案。太阳能作为一种清洁可再生能源，具有来源丰富、获取方便等优点，符合国家节能减排，发展绿色能源的战略需求。太阳能无人机就是一类采用太阳能作为能量来源的新型航空设备。太阳能无人机通过采集太阳光中的辐射能量来不断补充能源，具有滞空时间长，污染很小，飞行范围大，灵活多变等优点，可以完成更加复杂、要求长时间执行的任务，对于无人机来说，意义是十分重大的。如今太阳能无人机的研究重点是针对固定翼无人机的，而旋翼无人机同样面临滞空时间短的问题，但对太阳能旋翼的无人机的研究多集中在某些方面，如无人机气动能力、太阳能阵列设计、最大功率点跟踪(maximum power point tracking，mppt)控制算法设计等，有关发明设计也仅仅是针对特定环境、特定需求而展开，如定点长时间悬停场景，缺乏在考虑约束、设计需求等条件下，对太阳能旋翼无人机系统性设计方案的研究。另一方面，太阳能的获取具有不稳定性，受到遮挡产生的能量会明显下降，而旋翼无人机由于其飞行特性，需要一直有较为稳定的能量供应。因此旋翼无人机无法只依靠太阳能来维持其飞行，需要多种能源混合使用。
3.仿生智能优化算法是一类从生物系统出发，研究它们有关进化、生物社会或生存行为等现象而得到的新型优化算法，具有应用范围广、不依赖严格数学关系等特点。现有的仿生智能优化算法，如粒子群算法、蚁群优化算法、遗传算法以及鸽群优化算法等，在处理复杂优化问题上的表现较好。鸽群优化算法是一种受鸽群归巢行为启发而设计的仿生智能优化算法。但是其在对解空间进行搜索时容易陷入早熟，得到局部最优解，无法对解空间进行有效搜索，在处理强非线性问题、多极值问题时表现较差。因此对于需要对这些算法进行改进，以提高其在解空间上的探索能力，提升对复杂问题的处理能力。
4.本发明提出一种基于自调节策略的鸽群优化算法的和太阳能旋翼无人机设计方法，旨在提出一种流程化的太阳能旋翼设计方法，能够按照需求来规范化、高效化地设计太阳能旋翼无人机。


技术实现要素：

5.本发明提供了一种基于自调节搜索鸽群智能的太阳能旋翼无人机系统设计方法，旨在解决多旋翼无人机悬停等任务航时有限、电池阵列对光照和温度等环境条件过于敏感的问题，利用自调节搜索鸽群优化算法来设计新型太阳能mppt控制器、优化飞行控制器参
数，在降低设计成本、提高系统抗环境干扰能力的基础上，提高光能-电能转换效率，减少不必要的光能浪费，进一步提升太阳能旋翼无人机任务航时。
6.本发明设计的太阳能旋翼无人机系统由五部分组成，分别为：1)太阳能电池组模块、2)能源控制模块、3)旋翼飞行控制模块、4)旋翼动力系统部分、5)旋翼机架部分。下面详细介绍各部分。
7.1)太阳能电池组模块，是由多片太阳能电池片按照常规串-并规则连接而构成的发电模块。考虑设计时对无人机构型轴距、太阳能阵列所需输出功率等约束或需求，多个太阳能电池组模块串联构成太阳能阵列，作为太阳能旋翼无人机的太阳能部分能量来源。
8.2)能源控制模块，是由基于自调节搜索鸽群优化算法的mppt控制器、能源管理控制器和锂电池三部分组成，其中mppt控制器和能源管理控制器是太阳能旋翼无人机的能源控制和管理的核心。
9.其中，所述mppt控制器包括：mppt控制器主控电路、boost电路、驱动电路、电压检测电路、电流检测电路、可拆卸液晶显示器以及usb连接口、输入接口、输出接口和供电接口。
10.接口介绍如下：输入接口用于连接太阳能阵列；输出接口用于连接能源管理控制器；供电接口给mppt控制器内部重要电路供电，以保证较为稳定的电源供应；usb连接口可以方便将mppt控制器与电脑中上位机软件连接，用户可对mppt控制器中优化算法参数等参数进行修改，实现自定义。
11.主要电路功能介绍如下：电压检测电路、电流检测电路可采样检测输入端的电流和电压，为mppt控制器主控电路提供必要的数据支持；boost电路是一种dc/dc变换电路，使太阳能阵列在一个较宽泛的电压范围工作，对阵列的输出进行直接控制调节；驱动电路可根据mppt控制器主控电路输出的较弱的控制信号得到对boost电路的直接控制信号。
12.其他重要部件介绍：mppt控制器主控电路作为mppt控制器核心，用于读取、存储并处理mppt控制器输入数据，运行优化算法，生成控制信号，并具有一定拓展能力；液晶显示器用以显示mppt控制器测得的太阳能阵列输出曲线并给出mppt控制器主控电路的工作状态，且该显示器采用插拔设计，可按需添加。
13.综上，所述的mppt控制器用以跟踪太阳能电池组模块的最大功率点，其本质是使太阳能阵列的输出阻抗和所接负载的阻抗相等。由于所接负载的阻抗近乎保持不变，只能改变输出阻抗来达到跟踪目的。mppt控制器寻找最大功率点并以该功率对外输出能量，依靠能源管理策略进行调配。为使mppt控制器能够在较短时间内找到太阳能阵列的最大输出功率点，本发明采用自调节搜索鸽群优化算法来进行寻优控制。
14.其中，所述的能源管理控制器由基于有限状态机的能源管理策略、锂电池充电保护电路、一个连接旋翼供电端的输出接口和两个输入接口组成。两个输入接口分别连接mppt控制器输出端、锂电池输出端。进一步的与锂电池输出端相连的输入接口分为电池输出子接口和充电子接口，前者用于连接锂电池供电输出，后者用于连接锂电池充电端。具体工作细节为：本发明采用基于有限状态机的能源管理策略，根据不同供应状态来触发自主选择不同的供电策略；锂电池直接给旋翼无人机供电，以保证稳定的电源供应，而太阳能阵列的输出经过mppt控制器后，通过所述的能源管理策略，管理太阳能阵列是否给锂电池进行充电。为了保障锂电池的充电效果，锂电池充电保护电路将mppt控制器输出的电流、电压
经过转换，在小功率损失的前提下转换到能够给锂电池充电的电流和电压，且实现对锂电池各电芯的平衡充电。所述的锂电池充电保护电路是采用成熟的多芯锂电池平衡充电保护电路，以达到较好的充电保护能力。
15.锂电池则采用市面上出售的、常用于给旋翼无人机供电的高倍率锂电池，直接和能源管理控制器相连接。
16.3)旋翼飞行控制模块，是由无人机飞控板、gps模块、数传模块及其他相关配件组成，是控制旋翼无人机安全飞行、提供各种飞行模式所必须的模块，使得太阳能旋翼无人机可以受遥控器或地面站控制。旋翼飞行控制模块是太阳能旋翼无人机的底层控制部分，可以接受并驱动无人机执行人或电脑的指令。旋翼飞行控制模块采用常规连接方案，可根据设计需求进行适当调整，但需要保证基本操控需求，而若有其他复杂任务需求，还可以在此模块上拓展，在太阳能旋翼载重范围里，加装机载电脑、相机等其他设备。
17.4)旋翼动力系统部分，是受旋翼飞行控制模块直接控制的、为旋翼无人机提供动力的部分。旋翼动力系统部分主要由无刷电机、螺旋桨、电子调速器(简称电调)三部分组成。接受旋翼飞行控制模块飞控板生成的电机转速指令，经电调转换后控制无刷电机以需求转速进行转动，进而带动螺旋桨产生拉力。其中无刷电机所需能源由能源控制模块供应，使之能够正常转动起来。
18.5)旋翼机架部分，是太阳能旋翼无人机的骨架部分，用于支撑起上述四大部分，并提供一定的安全保障，包括电机座、电池片铺设底板、机臂、起落架、机身支架等。其中，电机座用于连接电机；电池片铺设底板用于支撑电池片，防止其发生较大形变的硬质底板，机臂用于连接电机座和机身支架，同时作为太阳能阵列的安装支架。本发明中电池片铺设底板采用硬质薄塑料板设计，固定在机身支架的上层碳板和机臂上，作为太阳能阵列的安装位置。而其他机架部分可以挑选市面有售的、质量合适的作为一种选择，也可根据需求对机臂、机身支架等进行修改。为了兼顾机架强度和较小重量的要求，机架可采用碳钎维材料设计。
19.本发明主要针对太阳能电池组模块设计、能源控制模块设计、飞行控制模块控制参数设计进行说明，其他部分的设计可根据本发明所述步骤进行设计得到的参数，查找有关硬件厂商数据进行选定，不再进行赘述。
20.一种基于自调节搜索鸽群优化的太阳能旋翼无人机系统设计方法的过程如图1所示，具体实现步骤如下：
21.步骤一：太阳能阵列建模
22.(1)单电池片建模
23.采用太阳能电池片的五参数等效，建立单块电池片的输出特性，然后转化为可直接使用的、仅包含太阳能电池片可测参数的工程模型：
[0024][0025][0026]
其中，i
sc_st
、v
oc_st
、i
m_st
、v
m_st
分别为太阳能电池片在标准状态下(1000w/m
2 25℃)下的短路电流、开路电压、最大功率点电流、最大功率点电压；i、v分别为太阳能电池片的输出电流和输出电压；s、t为实际光照强度和实际温度；s
st
、t
st
为标准状态下的光照强度和温度；a、b、c为补偿系数。
[0027]
(2)部分遮挡下太阳能阵列建模
[0028]
根据电路的串并联特性，建立太阳能阵列的数学模型。假设使用的电池片在标准条件下输出特性完全一样，在光照强度均匀时，防逆流截止二极管处于导通状态而旁路二极管处于截止状态，可建立sp型拓扑连接下系统输出特性
[0029][0030]
其中，ns、n
p
为阵列拓扑结构中参与串联、并联的电池片数目；i
sp
、v
sp
为阵列的输出电流和输出电压。
[0031]
在光照强度不一致时，各部分输出特性不一样，使得部分旁路二极管导通，阵列输出特性变得复杂。本发明采用一种特定的连接方案，太阳能阵列由各个太阳能模块串联而成，在光照不均下，随着光照的变化而部分模块被旁路二极管截止，进而得到阵列的输出特性为输出电流的分段函数，即
[0032][0033]
其中，i
sc_pvn
为第n个模块的短路电流；i
spn
、v
spn
为第n个模块输出电流、输出电压；i
pv
、v
pv
为阵列的输出电流、输出电压。vb为防逆流二极管电压，有n0、i0由防逆流二极管参数决定；k、q为玻尔兹曼常数、电子电荷。
[0034]
步骤二：旋翼无人机及动力系统建模
[0035]
考虑旋翼无人机的空间运动特性，建立旋翼的六自由度动力学模型。并且为了对能源系统进行分析，也建立锂电池、电机、电调的数学模型，有
[0036][0037][0038][0039][0040][0041]
其中，pe、ve、fg、θ为惯性系下无人机位置、无人机速度、所受空气阻力、所受重力、无人机姿态角；m、j为无人机总质量、惯性矩阵；ωb、τ、gm为机体系下旋翼总拉力、机体角速度、拉力力矩、陀螺力矩；w为机体系到惯性系的转换矩阵、机体角速度到姿态
角速度转换矩阵。f为总拉力；为控制分配矩阵，且nr为螺旋桨个数；为电机i的转速的平方。u
out
、u
oc
、uc为锂电池输出电压、开路电压、等效电容两端电压；r、r1为锂电池内阻、极化内阻；i0、c1为、soc、q为锂电池输出电流、极化电容、荷电状态、额定容量。m、ke、rm为电机输出力矩、电机转矩常数、空载电流、内阻；im、um为电机等效电流、等效电压。ue、u
eout
、ie为电调输入电压、等效输出直流电压、电调等效输入电流；re、σ为电调等效内阻、油门值。
[0042]
步骤三：基于自调节搜索鸽群优化算法的mppt控制器设计
[0043]
(1)自调节搜索鸽群优化算法设计
[0044]
标准鸽群优化算法中，鸽子个体i有自己的位置xi＝[x
1i
,x
2i
,
…
,x
di
]
t
和速度vi＝[v
1i
,v
2i
,
…
,v
di
]
t
，其中d为待优化问题维度，i＝1,2,
…
,n
p
，n
p
为鸽群个体数，而个体在地图与指南针算子和地标算子的作用下对解空间进行探索，得到问题的优化解。本发明针对标准鸽群优化算法早熟，易陷于局部最优的缺点进行改进，提出一种自调节搜索鸽群优化算法，相关更新机制如下：
[0045]
①
将所述指南针算子和地标算子两个算子的计算用一个导引因子g进行合并，让种群在优化初期能够保持一定的向最优位置靠近的能力，而在优化后期仍旧具有一定的探索能力。
[0046]
②
对地图与指南针因子进行迭代更新，使得在优化后期鸽子个体的运动惯性的影响增大，提高其对环境的探索能力。
[0047]
③
改进优化后期的更新策略，加入一个新的算法控制参数，以提高算法的适应能力。即设置一个特征迭代数n
c0
，在迭代数大于n
c0
时，自动调节更改对鸽群中心位置的选择机制，以提高算法在优化后期对已知“最优解”附近的探索能力，提高种群多样性，在一定程度上避免陷入局部最优。
[0048]
所述的自调节搜索鸽群优化算法的更新机制的算法流程图如图5所示。下面对自调节搜索鸽群优化算法的更新机制进行详细说明。
[0049]
对个体i采用如下速度更新公式来对个体速度进行更新：
[0050][0051]
其中，其中k、n
c1
、n
c2
、r为当前迭代步、地图与指南针算子作用迭代步数、地标算子作用迭代步数、地图与指南针因子；r1、r2为随机数；x
gbest
、为鸽群最优位置、中心位置。
[0052]
x
gbest
为鸽群从开始到当前迭代步过程中所探索到的适应度值最小的个体位置，随着迭代的进行，当出现适应度值更小的位置则进行更新。而适应度值为待优化函数在当前鸽子个体位置的函数值。而为种群在迭代步k时的种群中心，可由下式计算：
[0053][0054]
在迭代后期，为减小不必要的迭代，减少搜索次数，进行种群缩减，即当k＞n
c1
时，有
[0055][0056]
当迭代步k＞n
c0
时，引入自调节策略，个体根据对前期在解空间的搜索“记忆”，自调节学习的值。首先根据前期搜索结果，利用平均指标方差指标σ以及极值指标和来对前期搜索结果进行评价，然后由正态分布得到对当前的相对最优解的一个预估关系，得到用以对速度进行更新(式(10))的具体公式如下：
[0057][0058]
其中，σ
max
、σ
min
为方差的最大值、最小值，可以用来对正态分布概率进行控制；为个体的根据探索“记忆”得到的平均指标、根据正态分布得到的对目标位置的一个估计、自调节学习得到的当前迭代步对中心位置的估计。特别注意，正态分布下可能取到偏离预期值比较远的地方，因此用极值指标进行限制，且限制中采用的参数ra、rb可以根据算法效果进行调整。
[0059]
这样，将代替代入式(10)对个体速度进行更新。最后，采用下式对个体位置进行更新，完成一次迭代。
[0060][0061]
(2)mppt控制器设计
[0062]
利用所述的自调节搜索鸽群优化算法，设计mppt控制器，使在检测到光照强度等环境条件变化时，mppt控制器能够快速启动，寻找在该条件下太阳能阵列所能取得的最大输出功率，以减弱环境变化对太阳能阵列输出的影响，提升太阳能利用率。mppt控制器示意
图如图6示。设计的mppt控制器以跟踪电流变化为切入点，不断控制boost电路产生不同输出功率，从而进行跟踪寻优。mppt控制器工作触发条件为功率变化率η＝|p-p
t
|/p大于阈值η0，其中p为mppt控制器记忆的上次优化跟踪到的最大功率点，在mppt控制器初始工作时取p＝1w，p
t
为当前检测到的太阳能阵列输出功率。
[0063]
mppt控制器工作流程如图7示，具体说明如下：
[0064]
①
环境变化触发mppt控制器工作。环境条件改变，太阳能阵列的输出发生改变，输出功率变化；mppt控制器主控电路实时通过电流、电压检测电路得到太阳能阵列的输出情况，当检测到η＞η0时，触发mppt控制器工作，重新开始寻找最大功率点。否则执行
⑨
。
[0065]
②
mppt控制器主控电路对优化算法进行初始化并启动优化。mppt控制器主控电路启动优化算法，将采样得到的输入电流作为优化参数，并对种群数量、个体初始位置、初始速度、迭代次数等算法基本参数进行初始化。令当前迭代步k＝1。其中对输出位置采用均匀分布初始化原则。即
[0066][0067]
③
令鸽子个体索引i＝1。
[0068]
④
得到控制信号。根据当前鸽群中个体i的位置值，得到对应控制信号，作用于boost电路；通过检测电路检测作用后太阳能阵列的输出电流和电压，得到输出功率，即当前个体i所在位置对应的适应度值。利用式(10)、(14)对个体的速度和位置进行更新；同时采用自调节策略，根据式(11)、(13)对种群中心进行改进，得到当前个体i下一迭代步下的位置和速度。
[0069]
⑤
令i＝i 1，若i＞n
p
，执行
⑤
，否则执行
③
。
[0070]
⑥
更新迭代步k的种群的中心位置若由更优的全局最优位置，则更新x
gbest
。
[0071]
⑦
令k＝k 1。若k＞n
c1
，则利用式(12)缩减种群。若k＞n
c1
n
c2
.则执行
⑧
，否则执行
③
。
[0072]
⑧
选取种群最优值，优化完成。
[0073]
⑨
得到当前控制信号并固定，作用于boost电路。若结束工作，则mppt控制器工作完成，否则执行
①
。
[0074]
按照上述过程，mppt控制器以自调节搜索鸽群优化算法为核心，跟踪最大功率点的变化，提升太阳能阵列的工作效率。
[0075]
步骤四：基于有限状态机的能源管理策略设计
[0076]
根据设计需求和无人机平台供电需求，设计工作状态，然后基于有限状态机原理确定各状态之间的转移规则。本发明依托太阳能-锂电池混合动力太阳能旋翼无人机，采用锂电池平稳对电机、机载设备等负载供电、太阳能阵列给锂电池充电的设计原则，设计基于有限状态机的能源管理策略，根据当前锂电池状态、mppt控制器输出状态进行选择该处于何种工作状态。具体状态表及转移条件如下表所示。
[0077]
表1有限状态机能源管理策略规则表
[0078][0079]
表中，soc表示锂电池的荷电状态，分为满电不可充电、可正常充放电、低电量三种状态，分别表示为high、norm和low；p
pv
为阵列输出功率；p
mppt
为mppt控制器自身的损耗功率。
[0080]
步骤五：太阳能旋翼能源系统设计优化
[0081]
能源系统由太阳能电池组模块和能源控制模块组成，可细分为由多个太阳能电池组模块组成的太阳能阵列、mppt控制器、能源管理控制器和锂电池这几个主要部分。能源系统的功能是向旋翼无人机提供稳定的电能。根据在步骤一和步骤二中的对太阳能阵列和旋翼无人机的建模，步骤三和步骤四中对mppt控制器和能源管理策略的设计，建立太阳能旋翼能源系统的仿真测试程序。通过设置光照条件，测试不同大小太阳能阵列和锂电池组合下旋翼无人机理论上所能拥有的飞行任务航时。旋翼无人机的质量m由机架、动力系统和飞行控制模块等固有质量m0和锂电池质量m
li
、太阳能阵列质量m
pv
这三部分组成。其中，m
pv
＝nm
solar
，n为选取的太阳能电池片数量，m
solar
为单块电池片的质量；m
li
可由选取的不同容量q的锂电池直接查到。构建一个优化问题：
[0082][0083]
其中，m、n为单个太阳能模块所具有的电池片排布组合；λ为选择的锂电池容量的索引，而容量所能取得的值根据市面所能购买到的、适合旋翼无人机使用的锂电池标准容量进行选取；n
max
、d
max
、soc
min
、m
max
、t
min
、s
max
是电池片数量限制、最大轴距约束、锂电池允许
的最低荷电状态、旋翼无人机最大质量限制、最小飞行任务航时要求、最大表面积限制。此外，约束条件可根据实际需求进行增减，使得通过求解上述约束问题得到满足设计需求的能源系统设计方案。
[0084]
利用构建的自调节搜索鸽群优化算法进行优化求解，以获得满足各种约束条件的设计。其中，鸽子个体的位置定义为x＝[m,n,λ]
t
，待优化函数为t(m,n,λ)。该函数是一个高度非线性函数，需要调用建立的仿真程序进行综合计算。旋翼无人机的飞行状态采用悬停飞行。优化结果有时无法满足一些设计需求或结果过于极端，需要结合实际需求进行手动调整并仿真验证，多次迭代，得到最终的太阳能模块和锂电池的组合设计结果。需要特别说明的是，有时设计约束(如阵列最大表面积、总质量限制等)组合下，可选太阳能模块和锂电池的组合并不多，可以较为方便的得到结果，无需运行优化求解，只需结合能源系统仿真验证。
[0085]
在确定了太阳能模块的大小后，根据无人机轴距限制、无人机构型需求、无人机动力学震荡影响、抗风性能需求等队中约束，设计太阳能阵列的排布。排布要求为尽可能紧密、满足串-并-串的连接原则，提高阵列的容错性，不至于某一片的异常工作带来很明显的性能下降。
[0086]
步骤六：基于自调节搜索鸽群优化算法的飞行控制系统参数优化
[0087]
(1)旋翼无人机飞行控制系统设计
[0088]
本发明采用已经成熟的串级pid控制策略，保证飞行控制系统的简单性和可行性。首先将式(5)所示的旋翼模型进行线性化得到线性化模型，然后基于所述的线性化模型建立串级pid控制系统，有内环的水平通道和高度通道、内环的姿态通道：
[0089][0090][0091][0092]
其中，下角标h、z、d代表水平通道变量、高度通道变量、期望值；g、ψ为重力加速度、偏航角；e表示实际值与期望值误差；k、k为控制参数，前者为标量，后者为对角矩阵，对应的角标p、i、d代表比例、积分、微分控制参数。
[0093]
且有
[0094][0095]
(2)基于自调节搜索鸽群优化算法的飞行控制系统参数优化
[0096]
从上述飞行控制系统设计可以看到需优化参数有：二阶对角矩阵k
vh,p
、k
vh,i
、k
vh,d
；标量k
pz
、k
vz,p
、k
vz,i
、k
vz,d
；三阶对角矩阵k
θ
、k
ω,p
、k
ω,i
、k
ω,d
。总共有24个控制参数需要进行优化。
[0097]
本发明采用分层优化策略。将飞行控制系统控制参数分解为三部分：水平通道控制参数、高度通道控制参数和姿态通道控制参数，分别进行参数优化。首先手动调参，得到一组可行的参数集，然后分通道对这一组参数集进行优化设计。先对高度通道的4个参数进行优化，此时将其他通道的控制参数设置为0且仅加入对高度通道的指令。然后对内环优化。根据对称性，可以将控制俯仰的4个参数和控制滚转的4个参数设置为同一组，这样内环就有8个参数需要优化，此时将水平位置的控制参数设置为0，直接给内环期望欧拉角。而偏航、俯仰/滚转又可以通过给特定的期望值(优化偏航时俯仰/滚转期望值给为0，反之优化俯仰/滚转时偏航期望值给为0)，分隔开来，分两次进行优化。最后对水平通道进行优化。水平通道的8个参数也可以分为2组——4个前后方向的和4个横侧向的，根据对称性也可以选用同一组参数。此时给期望位置和期望偏航角的输入，进行控制参数优化。这样，24个控制参数的优化问题被分解为4 8 4的三个优化子问题。
[0098]
在每个优化子问题中，仅有4个控制参数需要进行优化，以此作为解空间进行优化。选取在步骤三中设计的自调节搜索鸽群优化算法进行优化求解。鸽子个体的位置定义为一个四维向量，每个元素对应一个待优化参数。针对要优化的参数，选取相对应的期望值作为输入量：优化高度通道时输入量为期望高度，其他姿态、位置的输入为0，其他控制参数设为0；优化偏航通道时输入量为期望偏航角，其他输入为0，除高度通道、偏航通道外其他控制参数设为0；依次类推。
[0099]
选取如下适应度函数：
[0100][0101]
其中，t为当前时间；e(t)为响应误差，根据具体优化子问题计算；ε为超调权重，没有超调时取值为0，一旦出现超调取值变为100。
[0102]
步骤七：飞行效果仿真与设计改进
[0103]
设置飞行场景，对飞行控制器的控制效果进行测试；进行整机的飞行任务时间测试，验证设计结果是否满足需求。
[0104]
根据仿真效果，对比设计需求，如无人机总质量、太阳能阵列面积、飞行任务航时等。若某一点不满足设计需求，则对比仿真结果和需求，定位设计不足之处，返回对应设计步骤，重新进行一轮设计。设计人员可通过分析原因，采用提高模型精度，减弱约束条件，如最大轴距限制、太阳能电池片数量限制、总质量限制等等方式，按照步骤进行迭代设计，使得设计参数向设计需求靠近。
[0105]
本发明提出了一种基于自调节搜索鸽群优化的太阳能旋翼设计方法。该设计方法的主要优势体现在三个方面：一方面，本发明提供了一套完整规范的太阳能旋翼无人机设计方法及各个步骤所需解决的问题、设计流程框架，将优化算法融入其中，提高设计可靠性
和系统性能；另一方面，本发明设计了一种自调节搜索鸽群优化算法，并将其运用于设计mppt控制器，提高了对太阳能阵列最大功率点的跟踪能力，特别是在局部遮挡条件下的最大功率点跟踪能力，还将该优化算法用于在航时最大化目标下来优化太阳能-锂电池组合设计，建立起满足给定约束的能源系统设计；再者，本发明针对串级pid飞行控制系统的设计特点，将其分解为多个通道，分层采用自调节搜索鸽群优化算法进行优化，大大简化优化问题，提高优化结果的可靠性。
附图说明
[0106]
图1基于自调节搜索鸽群优化的太阳能旋翼无人机设计流程图
[0107]
图2太阳能模块示意图
[0108]
图3太阳能旋翼无人机
[0109]
图4太阳能阵列连接示意图
[0110]
图5自调节搜索鸽群优化算法流程图
[0111]
图6能源控制系统示意图
[0112]
图7基于自调节搜索鸽群优化的mppt控制器优化流程图
[0113]
图8单一太阳能电池片输出特性曲线
[0114]
图9光照不均下太阳能电池片输出特性曲线
[0115]
图10锂电池模型仿真(太阳能-锂电池供电下锂电池soc输出图)
[0116]
图11能源系统仿真(mppt控制器输出功率图)
[0117]
图12飞行控制器参数优化偏航角整定效果对比图
[0118]
图13飞行控制器参数优化电机转速整定效果对比图
[0119]
图14整体仿真无人机位置变化图
[0120]
图15整体仿真太阳能阵列对锂电池充电电流变化图
[0121]
图16整体仿真有无太阳能阵列下锂电池soc变化对比图
[0122]
图中标号及符号说明如下：
[0123]vdi
——第i旁路二极管电压
[0124]vb
——防逆流阻塞二极管
[0125]
spi——太阳能模块i
[0126]vspi
——太阳能模块i输出电压
[0127]ispi
——太阳能模块i输出电流
[0128]ipv
——太阳能阵列输出电流
[0129]vpv
——太阳能阵列输出电压
[0130]
nc——迭代次数设置
[0131]np
——种群个体数量
[0132]
soc——锂电池荷电状态
[0133]
ψ——偏航角
[0134]
x、y、z——无人机在地面坐标系下位置
具体实施方式
[0135]
下面通过具体的实例来验证本发明提出的基于自调节搜索鸽群优化的太阳能旋翼无人机系统设计方法的有效性。实例中，要求设计质量不大于3.2kg，飞行时间至少1000秒，且具备长航时能力，对轴距、旋翼面积等无约束。
[0136]
步骤一：太阳能阵列建模
[0137]
以某太阳能电池片的标准条件(1000w/m225℃)下的数据为例，代入单电池片模型，得到单块电池片的输出特性。其中，太阳能电池片尺寸大小为125
×
125(单位mm)、质量为7g、短路电流为6.28a，开路电压0.787v、最大功率点电流5.93a和最大功率点电压0.582v。设置光照强度为500w/m2、700w/m2、900w/m2；设置温度为15℃、35℃、55℃，得到太阳能电池片p-u特性曲线和太阳能电池片i-u特性曲线。太阳能阵列的设计需要结合步骤五的优化设计来确定，而本实例经过优化，得到如下阵列设计：将80片电池片分成5个模块，每个模块由16片电池片按照的串联(s)型或并联(p)型连接，5个模块依次串联形成最终的太阳能阵列。设定每个模块不同的光照强度，即可得到局部遮挡条件下的太阳能阵列输出，定义以下四种光照状态，数据为各个太阳能模块的光照强度，单位为w/m2：状态i为1000，1000，1000，1000，1000；状态ii为800，800，1000，1000，1000；状态iii为600，800，1000，1000，1000；状态iv为600，800，1000，1000，1000。图8为单电池片在上述光照、温度下的输出特性；图9给出了太阳能阵列在不同光照组合下的输出特性。
[0138]
步骤二：旋翼及动力系统建模
[0139]
本实例以
“×”
型四旋翼为例，则可以给出控制分配矩阵m4为
[0140][0141]
其中，c
t
为综合拉力系数，cm为综合力矩系数，d为轴距。
[0142]
给定四旋翼主要参数为旋翼部分质量m0为2.5kg，j＝diag(6.977
×
10-2
,6.977
×
10-2
,0.1301)，且单位为kg
·
m2，轴距为0.55m，综合拉力系数为4.482
×
10-5
n/(rad/s)2，综合力矩系数为9.149
×
10-7n·
m/(rad/s)2。给定锂电池参数为：开路电压为14.8v，内阻为0.0356ω，极化内阻为0.0196ω，极化电容为338.3583f，容量为5.3ah。设定电机参数：电机内阻为0.135ω，空载电流为0.3a。设定电调内阻为0.0025ω。将输出电流设置为(单位为安培和秒)：
[0143][0144]
图10给出了锂电池模型的输出仿真图。
[0145]
步骤三：基于自调节搜索鸽群优化算法的mppt控制器设计
[0146]
针对本实例中太阳能阵列的输出特性，设置mppt控制中自调节搜索鸽群优化算法的参数如下：种群大小为5，迭代次数n
c1
＝6、n
c2
＝4，自调节策略触发条件为迭代步在2之后，地图与指南针因子最大值为2.0、最小值为0.1，导航因子为1.2，方差最大值2、最小值0.001，鸽群个体位置最大值为27、最小为12。光照状态与步骤一中给出的一致，假定光照在6秒变化一次。由此可以建立对mppt控制器的仿真测试，如图11所示
[0147]
步骤四：基于有限状态机的能源管理策略设计
[0148]
将能源系统，包括太阳能电池阵列、锂电池、mppt控制器和能源管理策略，进行能源系统的整体仿真。输出电流变化设置同步骤二，光照强度的变化设置同步骤一，变化时间间隔改为300秒。设置有限状态机的参数如下：sochigh为soc≥0.95；socnorm为0.10≤soc《0.95；soclow为soc《0.10，mppt控制器耗能p
mppt
＝20w。在给锂电池充电时，将充电功率根据能量守恒和锂电池开路电压折算后的电流进行充电。图10为上述条件下锂电池的soc变化曲线。
[0149]
步骤五：太阳能旋翼能源系统设计优化
[0150]
设定电池片数量限制、最大轴距约束、锂电池允许的最低荷电状态、旋翼无人机最大质量限制、最小飞行任务航时要求等限制，不对最大表面积进行限制。锂电池选用14.8v的标准锂电池，电池容量(单位ah)选择范围则根据市场已有产品进行选择。
[0151]
设置自调节搜索鸽群优化算法的参数，如种群大小，迭代次数，自调节策略触发条件，地图与指南针因子最大值和最小值，导航因子，鸽群个体位置范围等。
[0152]
本实例中，是设计重量轻的小型太阳能旋翼无人机，在已有约束下，可选方案不多，因此未进行优化选择，而是采用带入能源系统仿真验证，最终得到如下结果：电池容量为5.3ah；电池片总数为80，分成5个模块，每个模块由16片电池片按照的串联(s)型或并联(p)型连接，5个模块依次串联形成最终的太阳能阵列。然后设计机架构型，最终设计结果如图2、图3和图4所示。
[0153]
步骤六：基于自调节搜索鸽群优化算法的飞行控制系统参数优化
[0154]
建立上述串级pid飞行控制系统，以实现对太阳能旋翼无人机的飞行控制。然后手动粗略调参，得到一套初步的pid控制参数集，可对无人机进行一定的控制。按照先高度通道，再内环姿态通道，最后水平位置通道的顺序，利用自调节搜索鸽群优化算法对pid控制器进行参数整定。整定结果参数对比如下表，飞行控制器参数整定前后控制效果对比如图12和图13所示。
[0155]
表2自调节搜索鸽群优化算法整定pid控制参数对比表
[0156][0157]
步骤七：飞行效果仿真与设计改进
[0158]
用锂电池模型、电调模型、电机模型联系起能源系统与飞行控制系统，实现对整体的仿真。仿真条件同步骤四，只是不指定电流变化，实际电流需求由飞行控制系统对电机转速需求给出。飞行需求设置为：设定无人机初始位置为[0 0 0]
t
且静止，目标点的坐标为[20,20,-15]
t
(单位：m)。两个位置相距太远，需要进行简单的路径规划。由于太阳能旋翼无人机体积较大，且考虑电池片易碎等特点，需要对无人机的速度进行限制。假定速度限制为1m/s，则飞到目标点需要20秒，在此期间采用根据时间、距离均匀设置期望位置的方式生成中间位置指令。到达目的地后，悬停，测试飞行时长。结果如图14、图15和图16所示。