[发明专利]一种应用改进的粒子群算法对四旋翼无人机控制的方法在审
申请号: | 201810546838.9 | 申请日: | 2018-05-31 |
公开(公告)号: | CN108763779A | 公开(公告)日: | 2018-11-06 |
发明(设计)人: | 马珺;康日晖;贾华宇;侯江宽 | 申请(专利权)人: | 太原理工大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/00 |
代理公司: | 太原市科瑞达专利代理有限公司 14101 | 代理人: | 李富元 |
地址: | 030024 山西*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: |
本发明涉及无人机自动控制领域。一种应用改进的粒子群算法对四旋翼无人机控制的方法,随机建立初始化粒子群,若本次迭代时粒子群中存在粒子的适应度值小于种群最优粒子Pg,种群最优粒子Pg替换成该粒子;若本次迭代时存在单个粒子适应度值小于个体历史最优粒子Pj,个体历史最优粒子Pj替换成该粒子,根据公式 |
||
搜索关键词: | 粒子 粒子群算法 种群 无人机控制 个体历史 粒子群 适应度 迭代 旋翼 替换 自动控制领域 改进 变异算法 单个粒子 公式计算 精准控制 初始化 时效性 应用 遗传 引入 概率 | ||
【主权项】:
1.一种应用改进的粒子群算法对四旋翼无人机控制的方法,其特征在于,按照如下的步骤进行:步骤一、随机建立初始化粒子群,粒子群数目q,因为是用粒子群对PID控制器的三个参数进行整定,则算法的维度为d=3,第i个粒子的位置Xi=(xi1,xi2,xi3)代表第i个粒子的第[1,3]维度的位置分量,对应PID控制器中的粒子群中第i个粒子的速度为Vi=(vi1,vi2,vi3)代表第i个粒子的第[1,3]维度的速度分量,q一般取大于100的自然数,i为小于等于q的自然数;步骤二、任意一个粒子的适应度值表示为
t为时间,e(t)表示系统的理论输出信号r(t)与实际输出信号y(t)之间的偏差,即e(t)=r(t)‑y(t),本次迭代时粒子群中适应度值最小的粒子作为种群最优粒子Pg,粒子群中每个粒子在本次迭代和本次迭代以前的迭代时适应度值最小的粒子作为个体历史最优粒子Pj;步骤三、粒子群按照下列公式更新粒子的位置和速度信息,若本次迭代时粒子群中存在粒子的适应度值小于种群最优粒子Pg,种群最优粒子Pg替换成该粒子;若本次迭代时存在单个粒子适应度值小于个体历史最优粒子Pj,个体历史最优粒子Pj替换成该粒子;
其中,
表示种群中的粒子i在第k次迭代时第d维的速度分量,
表示种群中的粒子i在第k+1次迭代时第d维的速度分量,Pgd表示第k次迭代时最优粒子Pg在第d维的分量,Pjd表示第k次迭代时历史最优粒子Pj在第d维的分量,d为小于等于D的粒子群的维度,k为迭代次数,r1和r2为[0,1]之间的一个随机数,c1和c2为学习因子,
表示种群中的粒子i在第k次迭代时第d维的位置分量,
表示种群中的粒子i在第k+1次迭代时第d维的位置分量,w为惯性权重;步骤四、根据公式P=α+Ge·β计算种群的调整概率P,如果满足P>Pm,则执行步骤五,否则执行步骤八,Pm为设定的在(0,1)区间的任意值,α和β是给定的概率的调整系数,Ge为群体最优粒子Pg和个体历史最优粒子Pj无变动或变动很小的迭代次数累计值,迭代时种群最优粒子Pg和个体历史最优粒子Pj都更新,表明粒子群的全局性良好不需要对种群进行调节,直接跳转到步骤八,如果种群最优粒子Pg和个体历史最优粒子Pj连续若干次迭代都无变化或变化很小,Ge将变大,相应的这个调节概率值就会变大,当Ge=1/β时进行强制调整即执行步骤五;步骤五、利用公式
计算本次迭代时种群中任意粒子u1与种群最优粒子Pg之间的距离,
表示最优粒子Pg第d维度的位置分量,xu1d表示粒子u1第d维度的位置分量,如果l小于阈值△φ,表明粒子群聚集需要对粒子进行交叉操作,执行步骤六,否则返回步骤三,其中,△φ=|iter/itermax|n×(ub‑lb),iter表示到本次迭代为止的迭代次数,itermax表示最大的迭代次数,ub表示粒子群中粒子位置的上限Xmax,lb表示粒子群中粒子位置的下限Xmin;步骤六、按照公式
对粒子进行交叉操作,若适应值变小则用交叉后的粒子替换该粒子,之后对下一个粒子执行步骤五,直至粒子群中所有粒子都交叉完毕后执行步骤八,否则执行步骤七对粒子进行变异操作,xu1为当前操作的粒子的位置,xu2为粒子群中除xu1外的任意一个粒子的位置,x’u1是xu1交叉后的粒子位置,x’u2是xu2交叉后的粒子位置,z是一个D维随机数列其数值介于(0,1)之间;步骤七、对交叉操作后的粒子按照公式x″u1=x’u1+(1‑iter/itermax)γ(ub‑x’u1)或x″u1=x’u1‑(1‑iter/itermax)γ(x’u1‑lb)对进行变异操作,x″u1为变异后的粒子;若变异后的粒子适应度值小于个体历史最优粒子Pj的适应度值,则该粒子的历史最优粒子Pj替换为变异后降低的粒子,若变异后的粒子适应度值小于种群最优粒子Pg的适应度值。则种群最优粒子Pg替换为变异后降低的粒子,之后对下一个粒子执行步骤五,直至粒子群中所有粒子都变异完毕后执行步骤八;步骤八、进行下一次循环迭代,并返回步骤二直至适种群最优粒子Pg和个体历史最优粒子Pj的适应度值都小于或者等于预设值或迭代次数达到迭代次数最大值为止。步骤九、最后得到的全局最优值即适应度最小的粒子的3个维度的分量分别作为PID控制器的三个参数转化到s域,对无人机进行飞行控制。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于太原理工大学,未经太原理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810546838.9/,转载请声明来源钻瓜专利网。