System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种模糊免疫控制优化PID的无人机俯仰控制方法及系统技术方案_技高网

一种模糊免疫控制优化PID的无人机俯仰控制方法及系统技术方案

技术编号:43928973 阅读:7 留言:0更新日期:2025-01-07 21:24
本发明专利技术公开了一种模糊免疫控制优化PID的无人机俯仰控制方法及系统,涉及无人机控制领域,分析方法包括,对无人机运动方程进行解耦和线性简化,得到纵向运动数学模型,根据系统的响应要求和性能指标,对PID控制器进行参数初始化,搭建无人机PID控制系统,建立模糊控制模块并进行模糊推理调节,对免疫算法参数初始化,并确定免疫算法的优化终止条件,得到初始无人机PID控制系统,对初始无人机PID控制系统进行优化,将优化无人机PID控制系统与被控对象连接并运行,根据实时运行效果对模糊控制模块和免疫算法参数进行优化和调整,本发明专利技术可以达到自适应调整PID参数的目的,适应不同飞行环境和任务需求,提高无人机的飞行性能和执行任务效率。

【技术实现步骤摘要】

本专利技术涉及无人机控制领域,特别是一种模糊免疫控制优化pid的无人机俯仰控制方法及系统。


技术介绍

1、固定翼无人机的俯仰控制系统的主要功能是保持稳定的飞行姿态、控制飞行高度、实现姿态调整和优化飞行性能。这些功能使得无人机能够在各种应用场景中高效、稳定地执行任务。由于pid控制理论体系发展十分完善,pid控制系统具有稳定性强,实用性高等特点,被广泛应用于无人机控制系统当中,对于无人机的精密控制操作具有重要意义。

2、随着无人机技术的快速发展,无人机的应用领域越来越广泛,对无人机的飞行性能和控制精度提出了更高的要求。固定翼无人机作为一种常见的无人机类型,其俯仰控制系统的性能直接影响到无人机的整体性能。传统的控制器在无人机俯仰控制中表现出一定的局限性,如对参数调整敏感、抗干扰能力较弱等。此外,无人机在飞行过程中又必须适应各种不确定因素的干扰,如复杂多变的空中环境、自身状态的变化以及作战任务的调整。这些因素增加了无人机飞行控制系统的设计难度,对控制系统提出了更高的要求。这要求控制系统具备良好的适应性和鲁棒性,能够快速响应变化的环境和任务需求,以保证无人机的飞行安全和任务完成的效果。

3、模糊算法是一种基于模糊逻辑原理的计算方法,用于处理不确定性和模糊性问题。它通过模糊集合、模糊规则和模糊推理来建模和处理模糊信息,以便进行决策、控制或优化等任务。免疫算法是一种基于免疫系统原理的计算方法,通过模拟免疫系统的进化、选择和适应能力,用于解决优化、搜索和模式识别等问题。

4、因此亟需一种模糊免疫控制优化pid的无人机俯仰控制方法及系统来满足无人机控制系统的高要求。


技术实现思路

1、为解决上述问题,本申请提供了一种模糊免疫控制优化pid的无人机俯仰控制方法及系统,以提高适应性和鲁棒性为目标,旨在能够快速响应变化的环境和任务需求,达到保证无人机的飞行安全和任务完成的目的。

2、在本申请,提供了一种模糊免疫控制优化pid的无人机俯仰控制方法,包括以下步骤:

3、s1、对无人机运动方程进行解耦和线性简化,得到纵向运动数学模型,所述纵向运动数学模型为pid控制对象;

4、s2、根据系统的响应要求和性能指标,对pid控制器进行参数初始化;

5、s3、搭建无人机pid控制系统,建立模糊控制模块并进行模糊推理调节,所述模糊控制模块包括,模糊集合和模糊规则,所述模糊控制模块以无人机pid控制系统误差量和无人机pid控制系统误差变化率为输入数据,以无人机pid控制器的参数调节量为输出数据;

6、s4、对免疫算法参数初始化,并确定免疫算法的优化终止条件,得到初始无人机pid控制系统;

7、s5、对初始无人机pid控制系统进行优化得到优化无人机pid控制系统,将优化无人机pid控制系统与被控对象连接并运行;

8、s6、根据实时运行效果对模糊控制模块和免疫算法参数进行优化和调整。

9、优选的,s1中,对无人机运动方程进行解耦和线性简化,得到纵向运动数学模型的具体内容如下:

10、建立无人机运动方程得到数学运动模型,将数学运动模型解耦得到纵向子模型;

11、根据小扰动原理对纵向子模型进行线性化,得到解耦模型;

12、根据无人机纵向中的短周期运动特征,对解耦模型中的自由度进行简化处理得到短周期解耦模型。

13、优选的,搭建无人机pid控制系统的表达式为:

14、

15、其中,kp为比例系数,ti为积分时间常数,td为微分时间常数,s为拉普拉斯算子,g(s)为传递函数。

16、其中,短周期解耦模型的表达式为:

17、

18、其中,v为沿机体x轴的速度,α为攻角,θ为俯仰角,q为俯仰角速度,δe为升降舵偏转增量,为迎角角速度变化所引起的力,为迎角角速度变化所引起的力矩,zα为迎角变化所引起的力,mα为迎角变化所引起的力矩,zδe为升降舵偏转增量引起的力,mδe为升降舵偏转增量引起的力矩。

19、优选的,所述进行模糊推理调节的具体内容为:

20、获取无人机pid控制系统被控制量的精确值得到采集量,对比采集量和给定量得到误差信号e;

21、对误差信号e的数字量进行模糊化得到模糊量;

22、预设有模糊量与模糊语言对应规则,对应的模糊语言对模糊量进行表示得到模糊语言集合的一个子集e;

23、结合模糊控制规则和模糊推理的规则,得到模糊决策;

24、将模糊决策与子集e结合,得模糊控制量u;

25、模糊控制量u的表达式为:

26、u=e*r

27、其中,r为模糊关系;

28、重复收集无人机pid控制系统被控制量的精确值,重复进行模糊推理调节处理。

29、优选的,s4中,采用免疫算法对比例系数kp进行调整。

30、在本申请,还提供了一种模糊免疫控制优化pid的无人机俯仰控制系统,包括,数据预处理模块:对无人机运动方程进行解耦和线性简化,得到纵向运动数学模型,所述纵向运动数学模型为pid控制对象,根据系统的响应要求和性能指标,对pid控制器进行参数初始化;

31、模型构建模块:搭建无人机pid控制系统,建立模糊控制模块并进行模糊推理调节,所述模糊控制模块包括,模糊集合和模糊规则,所述模糊控制模块以无人机pid控制系统误差量和无人机pid控制系统误差变化率为输入数据,以无人机pid控制器的参数调节量为输出数据,对免疫算法参数初始化,并确定免疫算法的优化终止条件,得到初始无人机pid控制系统;

32、模型优化模块:对初始无人机pid控制系统进行优化得到优化无人机pid控制系统,将优化无人机pid控制系统与被控对象连接并运行,根据实时运行效果对模糊控制模块和免疫算法参数进行优化和调整。

33、综上所述,本专利技术的一种模糊免疫控制优化pid的无人机俯仰控制方法及系统,相比传统pid控制方法,通过通过对无人机纵向运动模型线性简化,得到传递函数,引入模糊控制和免疫反馈算法,将两者与pid控制相融合,使无人机俯仰控制系统能够自适应调整pid参数,以适应不同飞行环境和任务需求,由于采用了模糊免疫控制算法,使得系统具有较强的抗干扰能力和鲁棒性,本申请提到的无人机俯仰控制系统的实施可提高无人机的飞行性能和执行任务的效率。

34、下面通过附图和实施例,对本专利技术的技术方案做进一步的详细描述。

本文档来自技高网...

【技术保护点】

1.一种模糊免疫控制优化PID的无人机俯仰控制方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种模糊免疫控制优化PID的无人机俯仰控制方法,其特征在于,S1中,对无人机运动方程进行解耦和线性简化,得到纵向运动数学模型的具体内容如下:

3.根据权利要求1所述的一种模糊免疫控制优化PID的无人机俯仰控制方法,其特征在于,搭建无人机PID控制系统的表达式为:

4.根据权利要求2所述的一种模糊免疫控制优化PID的无人机俯仰控制方法,其特征在于,短周期解耦模型的表达式为:

5.根据权利要求1所述的一种模糊免疫控制优化PID的无人机俯仰控制方法,所述进行模糊推理调节的具体内容为:

6.根据权利要求1所述的一种模糊免疫控制优化PID的无人机俯仰控制方法,其特征在于,S4中,采用免疫算法对比例系数kp进行调整。

7.一种模糊免疫控制优化PID的无人机俯仰控制系统,其特征在于,包括:

【技术特征摘要】

1.一种模糊免疫控制优化pid的无人机俯仰控制方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种模糊免疫控制优化pid的无人机俯仰控制方法,其特征在于,s1中,对无人机运动方程进行解耦和线性简化,得到纵向运动数学模型的具体内容如下:

3.根据权利要求1所述的一种模糊免疫控制优化pid的无人机俯仰控制方法,其特征在于,搭建无人机pid控制系统的表达式为:

4.根据权利要求2所述的一...

【专利技术属性】
技术研发人员:齐乃明潘贵琪于泽霍明英刘延芳王建锋
申请(专利权)人:哈尔滨工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1