用于无人飞机控制律参数自动优化的改进粒子群算法

摘要

本发明涉及一种用于无人飞机控制律参数自动优化的改进粒子群算法，该粒子群算法是基于迭代的优化算法，控制参数初始化为一组随机解，通过迭代寻找最优值，其特点是在粒子群算法中，引入一个杂交算子，选择单个粒子所经历过的最优位置的值处于中间的数个粒子进行随机的两两杂交，产生相同数目的子代粒子，用子代粒子取代父代粒子，杂交的时机选择，依据标准粒子群算法的收敛代数，即俯仰和偏航通道17～20代，滚转通道7～10代，扰动开始的代数选为：俯仰和偏航通道从第12代开始，滚转通道从第4代开始，本改进粒子群算法，扩大了解空间的范围，具有全局的搜索能力，获得的参数能满足给定的性能指标，能节省设计时间，具有工程应用价值。

主权项

1.一种用于无人飞机控制律参数自动优化的改进粒子群算法，所述粒子群算法，即PSO算法，是一种基于迭代的优化算法，控制参数初始化为一组随机解，通过迭代寻找最优值，算法数学模型是：设在n维搜索空间中有m个粒子，粒子xi (i＝1，2，...，m)的空间位置为pi＝(xi1，xi2，...，xin)，m、n均为自然数，将粒子xi带入目标函数计算出适应度，根据适应度的大小衡量xi的优劣，单个粒子所经历过的最优位置记为pid，整个粒子群经历过的最优位置记作pxd，粒子根据以下公式来更新自己的速度vid和位置xid：vid(t+1)＝w×vid(t)+c1×rand()×(pid(t)-xid(t)+c2×rand()×(pnd(t)-xid(t))xid(t+1)＝xid(t)+vid(t+1)式中t为当前时间，w为加权系数，c1与c2为学习因子，xid(t)为t时刻的粒子的位置；其特征在于，粒子个数m取为10～30，加权系数利用下式自适应调整：w＝wmax-(wmax-wmin)×g/gmax式中wmax为加权系数最大值，取0.7～0.9，wmin为加权系数最小值，取0.1～0.3，g为收敛代数，在1～50之间，gmax为最大收敛代数，取50，学习因子c1与c2为非负常数，均取为2；引入一个杂交算子，其方法是，选择单个粒子所经历过的最优位置pid的值处于中间的数个粒子进行随机的两两杂交，产生相同数目的子代粒子，用子代粒子取代父代粒子，设xi和xj为2个父代粒子，则进行杂交操作的计算公式为：xi(t+1)＝s·xi(t)+(1-s)·xj(t)xj(t+1)＝s·xj(t)+(1-s)·xi(t)式中s为[0，1]间的随机数；杂交的时机选择，依据标准PSO算法的收敛代数，即俯仰和偏航通道17～20代，滚转通道7～10代，扰动开始的代数选为：俯仰和偏航通道从第12代开始，滚转通道从第4代开始。