CN105652664A 说明书 5/11页 [0045] 其中襄为估计输出量构成的矩阵。 [0046] (2)启发式仿生鸽群优化算法 [0047] 第一步：通过地图罗盘算子寻优 [0048] 给定鸽群数量Np,,最大迭代次数t1max,以及地图罗盘算子R,进化方法可以由如 下给出： [0049] v,(t)=v,t-1)·e+and·(xgx(t-10) (17) x(t)=x(t-1)+v(t) [0050]其中xg为当前全局最优解，即为当前迭代中代价函数fitness:最大或者最小的鸽 群位置，v(t)为第i个鸽子在第t次迭代时的速度，xi(t)为第i个鸽子在第t次迭代时的位 置，rand为一个0到l之间的随机数。 [0051]用此种方法迭代，得到迭代t1imax步之后的鸽群的速度，以及局部和全局和局部 最优解。 [0052]第二步：通过地标算子寻优 [0053] 由于鸽子在寻找目的地的后期，主要依靠的是地标来进行目标的导引，为此根据 其行为特性提出地标算子。所以将上部经过地图罗盘算子寻优的结果继续通过改方法迭 代。该算子规定，每一代的鸽群数目减半，为了更快的到达目的地，剩下的鸽子直接飞向目 的地。具体的更新准则如下式所示： [0054] N0= (18) 2 [0055] X(t)= ∑X)fimess(x) N。·∑fitnes(x,() (19) [0056] Xi(t)=Xi(t-1)+rand.(Xe(t)-Xi(t-1))(20) [0057] 在上式中，N为鸽群的数目，fitness是鸽子位置信息的代价函数，为了求得代价 函数的最小值，可以取fm作为目标函数，X是鸽群的加权位置中心。通过该种方法，由于个 群数量呈指数型下降而且每次选取最优的一部分，所以可以很快的找到最优值。 [0058] 鸽群优化算法示意图如图3所示，下次迭代的速度由当前速度和目标速度矢量合 成。 【发明内容】 [0059]1、发明目的： [0060]本发明提出了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， 其目的是提供一种具有较高可靠性四旋翼无人机控制方法。 [0061]该方法采用鸽群算法对轨迹进行插值，并应用于显式非线性模型预测控制，可以 克服非线性模型预测控制对轨迹要求高，复杂轨迹难以应用的问题，避免了非线性模型预 测控制中求多次导数的问题，节省了控制成本。 [0062]2、技术方案： 11