CN105652664A 说明书 1/11页 一种基于鸽群优化的四旋翼无人机显式预测控制方法 【技术领域】 [0001] 本发明是一种基于启发式仿生鸽群优化的四旋翼无人机显式预测控制方法，属于 飞行器控制领域。 【背景技术】 [0o02]无人机(Unmanned Aerial Vehicle,UAV)在当今军事行动中扮演越来越重要的角 色，能够有效完成复杂和危险的侦查和作战任务。UAV虽然在军事和民用等领域已有广泛应 用，但其自身的很多关键技术尚有待进一步研究和应用。而四旋翼作为一种更便宜可靠性 更高，可以垂直起降的一种无人机，正被广泛的商业和军事运用，然而由于四旋翼的多维度 性，由四个马达控制起飞悬停转向，因此其对控制率要求比较高。 [0003] 模型预测控制可以实现对被控对象的精确控制，但有些模型预测控制依赖在线的 优化过程，比较耗时。对于有些线性模型预测控制问题来说，可以求取其最优控制的显式 解，但对于非线性问题，求取显式解比较困难。显示非线性模型预测控制(Exp1icit Nonlinear Model Predictive Control,ENMPC)应用泰勒展开原理，可以求取非线性模型 预测控制的显式解。其主要控制思想是要求轨迹一一逆推预测控制量一一输出轨迹。而本 专利申请将通过简化轨迹来简化预测过程，从而大大降低复杂难度。但是其自身有一定的 复杂度，而且对于复杂轨迹和散点轨迹并不能进行微分操作。所以我们可以通过插值方法 求其估计的线性轨迹。 [0004]群体智能是仿生智能的一个重要分支，人们通过对自然界生物群体的观察，受到 自然界中生物群体行为的启发，在此基础上总体提升，将其行为模式用数学的方式描述出 来。在群体智能模型的基础上，人们提出了群体智能优化算法的概念，用生物群体的行为模 式来求解优化问题。启发式仿生鸽群优化算法(Pigeon Inspired Optimization,PI0)是 HaibinDuan和PeixinQiao在2014年提出的一种新型的启发式群智能优化算法，该算法受到 鸽子群体行为的启发，根据鸽子在寻找目标的过程中，先后依据磁场和地标作为指示的行 为特点，建立起地图罗盘和地标两种算法机制。 [0005]鸽群在寻找目的地的过程中，会先参照太阳和磁场进行初步定位，然后依照地标 进行精确定位，根据这一特性，鸽群优化算法提出了两种相对应的算子，分别为地图罗盘算 子和地标机制，来模拟鸽群的这种特性，并将这两种算子结合起来解决优化问题。 [0006]传统的控制方式主要是通过将模型线性化来进行控制，而显式预测控制可以实现 非线性模型的控制，但是复杂度较高，而本方法保持模型原样而将要求轨迹线性化来实现 控制，大大降低控制预测模型控制难度，而又很好的保持了模型的方程。 [0007](1)非线性显式预测控制 [0008] 在非线性显式预测中，是通过将非线性部分泰勒展开，用提前预测要求量来进行 控制，其主要思想如下： [0009]对于一个非线性模型： 7