论文部分内容阅读
四旋翼飞行器往往容易受到外界环境的影响而无法平稳飞行。所以,寻求优良的控制算法来确保飞行器位姿的稳定是具有重要现实意义的。本文针对四旋翼飞行器PID控制算法中存在需人工调整控制参数、难以达到最优控制等问题,提出了一种基于ACPSO-WFLN的PID智能控制算法。并分别从控制系统分析和飞行器位姿控制两方面进行了研究,论文的主要研究内容如下:1.提出改进型WFLN网络模型。针对小波神经网路泛化性能的限制,本文通过增加输入与输出矢量的直接连接对小波网络结构进行改进,提出一种具有良好并行处理能力的小波函数链接型网络(Wavelet Functional Link Neural Network,WFLN)。首先,通过在小波神经网络的输入层与输出层之间加入了线性连接单元来构建WFLN网络模型;其次,以小波基函数作为WFLN网络隐含层的传递函数,并利用梯度修正法训练网络模型参数;最后,通过算例分析表明WFLN网络较小波神经网络性能更优,可明显减少隐含层所需神经元个数,有效提高了网络整体并行运算能力和收敛速度。2.ACPSO算法优化WFLN网络模型。针对WFLN网络在梯度训练过程中存在初始权值无法确定、容易陷入局部极值的不足,本文提出一种具有高效寻优能力的自适应混沌粒子群算法(Adaptive chaotic particle swarm optimization,ACPSO),以优化WFLN网络的初始参数。并利用四种标准测试函数对传统GA算法、PSO算法和本文所提出的ACPSO算法进行寻优能力对比分析,结果表明ACPSO较PSO算法不仅迭代步数少,而且具有更高效的动态平衡优势。随后,采用ACPSO算法对WFLN网络进行初始连接权值寻优,构建了ACPSO-WFLN网络算法模型。通过仿真实例表明,ACPSO-WFLN网络模型取得了相对较低的均方根误差,拥有良好的整体寻优能力。3.基于ACPSO-WFLN的智能PID控制系统分析。针对传统PID控制、单神经元PID控制、传统多层前馈网络PID控制存在收敛速度慢、超调量高等问题,将本文提出的ACPSO-WFLN网络算法模型应用到传统PID算法中以提高PID的参数整定效率。然后,将这三种控制算法与本文所提出的优化算法进行控制系统仿真对比分析。验证了本文提出的算法模型在控制领域具有收敛速度快、超调量小的优势,为四旋翼位姿控制提供了一个更为有效的控制策略。4.基于ACPSO-WFLN-PID的四旋翼智能控制研究。根据四旋翼飞行器工作原理与建模分析,将本文提出的ACPSO-WFLN-PID智能控制算法应用于四旋翼控制领域。首先,建立ACPSO-WFLN-PID位置与姿态智能控制器;然后,分别从飞行器阶跃响应、抗干扰性能和轨迹跟踪性能这三个方面进行了仿真实验分析。最后,根据仿真实验表明,较之传统PID控制算法,本文控制算法准确性提高了58.23%;较之WFLN-PID控制算法,本文控制算法准确性提高了22.19%,验证了该智能控制策略的良好自适应性和有效性。