[發明專利]用于無人飛機控制律參數自動優化的改進粒子群算法

無效

• 申請號: 200910029310.5
• 申請日: 2009-04-08
• 公開（公告）號: CN101551642A
• 公開（公告）日: 2009-10-07
• 發明（設計）人: 張民
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;G05D1/00
• 代理公司: 南京經緯專利商標代理有限公司
• 代理人: 唐小紅

技術領域：

本發明涉及一種用于無人飛機控制律參數自動優化的改進粒子群(PSO)算法，屬于無人飛機飛行控制技術。

背景技術：

無人飛機控制律的一般設計方法是在整個飛行包線中取一定數量的典型工作點，然后在每個工作點上進行小擾動線形化，針對線性化數學模型，可以運用時域或頻域中的設計方法獲得滿足性能要求的控制參數，最后采用增益調節的方法得到全包線飛行控制律。因此當確定了無人飛機的控制結構以后，設計具有良好性能的控制參數就成為了一項主要任務。

無人飛機控制系統的性能指標有：時域指標(上升時間t_r、峰值時間t_p、穩態時間t_s、超調量σ_p、穩態誤差e_ss等)，頻域指標(幅值裕度G_m、相位裕度P_m、截止頻率ω_c、帶寬等)，在上述性能指標不能全部滿足時，還需要進行折衷，以滿足最重要的幾個指標，因此無論采用時域還是頻域中的經典設計方法，手工設計控制律參數都是一項細致、費時的工作，并且受到設計者經驗等主觀因素的影響。對于新一代無人作戰飛機，由于其大攻角、大過載、大空域作戰的特點，氣動參數變化劇烈，全包線線性化工作點可能高達數百個(在進行工作點驗證時更多)，控制參數人工設計成為一項非常繁雜，有時甚至不可接受的任務。在此情況下，采用優化算法進行控制參數自動設計成為解決這一問題的有效途徑，其中粒子群(PSO-Particle?Swarm?Optimization)算法由于在PID控制參數優化中的卓越表現日益受到重視，與常規遺傳算法(GA)相比，粒子群優化算法結構簡單，運行速度快，特別適合于控制參數自動設計的應用，然而標準粒子群優化算法在無人飛機多通道控制律參數優化時容易陷入局部最優，成功率不高。

發明內容：

本發明提出了一種PSO算法的改進方法，用于無人飛機控制律參數自動優化。

本發明的技術方案，一種用于無人飛機控制律參數自動優化的改進粒子群算法，所述粒子群算法，即PSO算法，是一種基于迭代的優化算法，控制參數初始化為一組隨機解，通過迭代尋找最優值，算法數學模型是：設在n維搜索空間中有m個粒子，粒子x_i(i＝1，2，...，m)的空間位置為p_i＝(x_i1，x_i2，...，x_in)，m、n均為自然數，將粒子x_i帶入目標函數計算出適應度，根據適應度的大小衡量x_i的優劣，單個粒子所經歷過的最優位置記為p_id，整個粒子群經歷過的最優位置記作p_xd，粒子根據以下公式來更新自己的速度v_id和位置x_id：

v_id(t+1)＝w×v_id(t)+c₁×rand()×(p_id(t)-x_id(t)+c₂×rand()×(p_nd(t)-x_id(t))

x_id(t+1)＝x_id(t)+v_id(t+1)

式中t為當前時間，w為加權系數，c₁與c₂為學習因子，x_id(t)為t時刻的粒子的位置；

其特征在于，粒子個數m取為10～30，加權系數利用下式自適應調整：

w＝w_max-(w_max-w_min)×g/g_max

式中w_max為加權系數最大值，取0.7～0.9，w_min為加權系數最小值，取0.1～0.3，g為收斂代數，取1～50，g_max為最大收斂代數，取50，學習因子c₁與c₂為非負常數，均取為2；

引入一個雜交算子，其方法是，選擇單個粒子所經歷過的最優位置p_id的值處于中間的數個粒子進行隨機的兩兩雜交，產生相同數目的子代粒子，用子代粒取代父代粒子，設x_i和x_j為2個父代粒子，則進行雜交操作的計算公式為