【摘要】：無人機自動駕駛的穩(wěn)定性關(guān)系到飛行器的自身安全。無人機自動駕駛控制過程中,由于無人機在飛行過程中會進行急速轉(zhuǎn)彎,外部強氣流沖擊對轉(zhuǎn)彎中的穩(wěn)定性帶來較大影響。傳統(tǒng)的PID控制方法在應(yīng)用到無人機駕駛過程中時,需要進行大幅度的參數(shù)調(diào)整,以保證機身穩(wěn)定,參數(shù)超調(diào)量過大會導(dǎo)致控制過程存在較為明顯的誤差。提出了基于量子遺傳算法、神經(jīng)網(wǎng)絡(luò)的新型PID控制器設(shè)計方法,并應(yīng)用到無人機的自動化控制中。利用量子遺傳算法的自適應(yīng)調(diào)整搜索能力優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值系數(shù),避免神經(jīng)網(wǎng)絡(luò)陷入局部極小化及收斂速度慢的缺陷,利用改進后的神經(jīng)網(wǎng)絡(luò)算法優(yōu)化PID控制過程,有效克服傳統(tǒng)PID算法的缺陷,根據(jù)PID算法完成無人機自動駕駛控制器設(shè)計。實驗結(jié)果表明,新一代控制器在無人機的PID控制過程中,耗時和延遲都明顯優(yōu)化,超調(diào)量較小,為駕駛系統(tǒng)穩(wěn)定性控制設(shè)計提供了依據(jù)。
【圖文】：

圖1新一代PID控制器設(shè)計原理圖4)依據(jù)神經(jīng)網(wǎng)絡(luò)各個節(jié)點的輸入及輸出計算獲得輸出層的3個節(jié)點就是對應(yīng)PID管制器的3個參數(shù)kp、ki、kd;5)利用量子遺傳算法來修正神經(jīng)網(wǎng)絡(luò)的加權(quán)值;6)令k=k+1，返回(2)重復(fù)進行。6系統(tǒng)實驗與實驗結(jié)果分析6．1系統(tǒng)參數(shù)的設(shè)置為了驗證本文所研究的新型PID控制器在整個控制系統(tǒng)中的有效性，需要利用MATLAB建立無人機飛行的仿真模型，如(4)式所示，仿真模型的參數(shù)可以在文獻［10］中的實驗數(shù)據(jù)中進行提取，可以得到下面的仿真模型:G(S)=0．05273S+0．7926*S+0．1516(10)設(shè)定本文所研究的新型PID控制器的輸出初始值u(k)=0;加速系數(shù)c1=c2=1．97;慣性引子=0．6;粒子數(shù)m=7;迭代次數(shù)k1=9;輸入信號采樣數(shù)為700;改進PID算法的權(quán)值初始化為wi=－0．27500．92160．53210．61320．7080－0．5268－0．92670．5897－0．4827－0．9837－0．4896－0．49520．4581－0．4727－0．0159－0．9981wo=－0．7968－0．25670．8769－0．6547……………………0．71270．5186－0．7586－0．7186……………………．－0．67850．2854－0．08980．72586．2實驗與結(jié)果分析為了驗證新型PID算法在無人機駕駛控制系統(tǒng)中的有效性，在MATLAB中搭建了基于圖1的仿真模型，并且使無人機的飛行速度調(diào)速控制在20－50m/s之間進行實驗，仿真結(jié)果如圖2、3、4所示。對圖2、3、4中的跟蹤曲線和誤差曲線進行對比可以得出，基于量子遺傳算法的PID算法與基于神經(jīng)網(wǎng)絡(luò)的PID算法的控制效果的穩(wěn)定性和精確度都不如基于經(jīng)過量子遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)的新型PID算法效果好，其中，基于神經(jīng)網(wǎng)絡(luò)的PID算法與本文所研究的新型PID算法對整個控制系統(tǒng)的控制有效性不相上下，但后者?

1的仿真模型，并且使無人機的飛行速度調(diào)速控制在20－50m/s之間進行實驗，仿真結(jié)果如圖2、3、4所示。對圖2、3、4中的跟蹤曲線和誤差曲線進行對比可以得出，基于量子遺傳算法的PID算法與基于神經(jīng)網(wǎng)絡(luò)的PID算法的控制效果的穩(wěn)定性和精確度都不如基于經(jīng)過量子遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)的新型PID算法效果好，其中，基于神經(jīng)網(wǎng)絡(luò)的PID算法與本文所研究的新型PID算法對整個控制系統(tǒng)的控制有效性不相上下，但后者的誤差變更加緩和，所以，本文研究的PID算法更能適用于無人機駕駛系統(tǒng)的控圖2量子遺傳算法的PID控制器的仿真輸出圖3基于量子遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制器的仿真輸出圖4基于神經(jīng)網(wǎng)絡(luò)的PID控制器的仿真輸出制過程，而基于量子遺傳算法的PID算法的超調(diào)量較大，將其運用在無人機駕駛系統(tǒng)的控制過程中會無法滿足控制過程的穩(wěn)定性和精確度。這主要是因為量子遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的PID算法具有局部正支撐性，具有自適應(yīng)調(diào)整功能的量子遺傳算法能夠發(fā)揮神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，并且神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度較快，還可抵消量子遺傳算法在自適應(yīng)調(diào)整過程中的時間消耗。另外，由圖2、3、4可見，在3種算法中，基于量子遺傳的PID算法誤差值最大，而另兩種算法的學(xué)習(xí)過程都利用了神經(jīng)網(wǎng)絡(luò)，因此可以進一步說明兩者結(jié)合的PID算法具有較強的全局和局部搜索能力�？傊�，結(jié)合量子遺傳算法和神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，并進行優(yōu)化處理，文中提出的新型PID控制器可以有效的提高整個駕駛控制系統(tǒng)的精度和跟蹤速度。分別采用本文算法和基于量子遺傳的PID算法進行100次仿真，對其迭代次數(shù)和耗時進行統(tǒng)計，得到的結(jié)果如表2—67—

【相似文獻】

相關(guān)期刊論文 前2條

1 孫豐誠;孫健國;張海波;;量子遺傳算法在航空發(fā)動機PID控制中的應(yīng)用[J];推進技術(shù);2007年03期

2 ;[J];;年期

本文編號：2740766