用于无人机应急降落伞的姿态控制优化的方法和系统与流程

本发明涉及无人机应急降落伞领域，特别是涉及用于无人机应急降落伞的姿态控制优化的方法和系统。

背景技术：

1、无人机应急降落伞是一种用于无人机应急降落的设备，可以在无人机失去控制或出现其他紧急情况时，通过打开降落伞来使无人机安全降落。如果无人机的姿态控制系统出现故障，无人机的姿态可能会失控，导致无人机无法正常降落，甚至可能发生坠毁事故。无人机应急降落伞的姿态pid控制器的参数调整比较困难。在无人机应急降落伞的姿态控制中，pid控制器的参数包括比例系数、积分系数和微分系数。这些参数的调整需要一定的经验，而且往往需要反复调整才能达到最佳效果。如果参数调整不当，可能会导致控制效果不稳定，甚至出现超调、振荡等问题。其次，pid控制器的控制精度往往受到系统非线性的影响。在无人机应急降落伞的姿态控制中，系统的非线性包括空气阻力、重力、风力等因素的影响。这些因素会随着无人机的姿态和飞行条件的变化而变化，从而导致控制效果的差异。如果pid控制器的参数没有及时调整，可能会导致控制精度下降，甚至出现失控的情况。黏菌优化算法(slime mould algorithm，sma)是一种受黏菌觅食行为启发的优化算法。黏菌优化算法作为一种元启发式算法，存在一些缺点，例如后期迭代震荡作用较弱、易陷入局部最优，以及收缩机制不强、收敛速度较慢。

技术实现思路

1、针对上述现有技术，本发明的目的在于提供用于无人机应急降落伞的姿态控制优化的方法和系统,通过改进黏菌优化算法，引入最优位置思想，改进黏菌算法在开发阶段的位置更新策略，同时在算法每次迭代结束时，引入圈养机制，缩小算法寻优范围，从而提高黏菌优化算法的寻优速度和精度，在优化pid控制器时，可以提高pid控制的控制速度和精度，从而使无人机的应急降落伞的姿态控制的速度和控制精度提高，保证无人机坠落时安全。

2、为达到上述目的，本发明提供的技术方案是：

3、用于无人机应急降落伞的姿态控制优化的方法，包括如下步骤：

4、s1、搭建无人机的应急降落伞的姿态控制系统；

5、s2、将无人机的应急降落伞的姿态控制问题转换成待优化数学模型；

6、s3、将待优化数学模型设置为改进黏菌优化算法目标函数；

7、s4、引入圈养机制，首先利用贪婪策略保留较优解，然后根据较优解的位置，以最优位置为中心，设置圈养范围作为下次迭代的搜索范围，做多次迭代训练，最终得到最优控制参数，实现姿态控制优化。

8、优选的，所述s1中的姿态控制系统为以增量式pid为核心的双闭环控制系统，所述双闭环控制系统包括内环和外环，内环为舵机角度控制环，外环为应急降落伞姿态控制环；

9、所述s2中的姿态控制问题为应急降落伞非正常姿态数据值向正常姿态数据值调整的速度和精度控制问题，所述待优化的数学模型表达式为：

10、

11、式中，f(i)为当前个体适应度值，e(t)为应急降落伞实时姿态数据值与正常姿态数据值的差值，t为当前迭代次数；

12、优选的，所述s3还包括初始化改进黏菌优化算法，具体包括以下步骤：

13、初始化改进黏菌优化算法，包括初始化算法种群规模n、问题维度dim、算法总迭代次数t、当前迭代次数t、当前算法搜索上界ub、搜索下界lb和黏菌种群个体初始位置，初始化公式为：

14、xi＝rand·(ub-lb)+lb；

15、式中，xi为第i个个体的位置，ub为算法搜索上界，lb为算法搜索下界，rand为0到1之间的随机数；

16、黏菌种群个体初始位置为应急降落伞的姿态pid控制器kp、ki、kd参数的初始解。

17、优选的，所述s4具体包括以下步骤：

18、s41、将每个黏菌的位置编码为一个pid参数组解；

19、s42、随着算法迭代，更新黏菌个体位置时，位置的更新即为pid参数值的更新，编码采用实数编码方式；

20、s43、计算当前迭代每个黏菌个体的适应度值，并记录下当前最小适应度值；

21、s44、按照黏菌各阶段位置更新公式，更新pid参数组解。

22、优选的，所述s44具体为：

23、a、黏菌算法搜索阶段，通过随机扰动，更新黏菌种群位置，pid参数组解的公式为：

24、x(t+1)＝rand·(ub-lb)+lb，rand<z；

25、式中，x(t+1)为待更新的黏菌新位置，ub和lb分别表示搜索区域的上下界，rand表示取值[0,1]之间的随机数，t为当前迭代次数；

26、b、黏菌算法开发阶段，引入最优位置思想，改进pid参数组解更新公式：

27、

28、式中，xbest(t)为当前未更新前种群最佳位置，即当前pid参数最优解，vb为[-a,a]内的随机数，vc为[-1,1]内的随机数，w为权重系数，xa(t)和xb(t)为两个随机黏菌个体位置；r和p为位置更新控制参数；

29、所述参数a决定了参数vb，参数a的公式为：

30、

31、式中，t为当前迭代次数，t为总的迭代次数；

32、控制参数p的公式为：

33、p＝tanhf(i)-df,i＝1,2,3,...,n；

34、式中，n为种群规模，f(i)为第i个个体当前适应度函数值，df为当前迭代最佳适应度值；

35、c、设置控制变量z＝0.3，若rand小于z，则执行a，否则执行b。

36、优选的，所述黏菌算法开发阶段中，当前迭代次数t自加1，判断当前迭代次数是否达到最大迭代次数t，若达到，则退出循环，输出全局最优参数解，并分配给无人机的应急降落伞的姿态pid控制器的参数；否则返回执行s3。

37、优选的，步骤s4中，将最佳kp、ki、kd参数应用到无人机的应急降落伞的姿态控制，实现无人机的应急降落伞的姿态最优鲁棒控制。

38、用于无人机应急降落伞的姿态控制优化的系统，所述系统包括应急降落伞的姿态正常值模块、应急降落伞的姿态传感器模块，增量式pid控制器模块、改进黏菌优化算法模块，应急降落伞的舵机模块；所述应急降落伞的姿态正常值模块为设定好的姿态正常值输入，将姿态正常值与应急降落伞姿态传感器采集的实时姿态数据的差值作为增量式pid控制器模块的输入，改进黏菌优化算法模块通过采集差值并且经过算法迭代计算得到最优pid参数值，将改进黏菌优化算法寻优得到的pid控制参数值应用到增量式pid控制器单元中，增量式pid控制器单元输出值控制舵机旋转，调整应急降落伞姿态。

39、本发明的有益效果在于：

40、本发明提供了一种用于无人机的应急降落伞的姿态控制优化方法和系统，通过改进黏菌优化算法，引入最优位置思想，改进黏菌算法在开发阶段的位置更新策略，同时在算法每次迭代结束时，引入圈养机制，缩小算法寻优范围，从而提高黏菌优化算法的寻优速度和精度，在优化pid控制器时，可以提高pid控制的控制速度和精度，从而使无人机的应急降落伞的姿态控制的速度和控制精度提高，保证无人机坠落时安全。