CN105652664A 权利要求书 1/5页 1.一种基于鸽群优化的四旋翼无人机显式预测控制方法，其特征在于：该控制方法的 步骤如下： 步骤一：根据空气动力学和运动学建立四旋翼无人机模型，并给定控制量和状态量之 间的关系；并给定要求的控制轨迹：对四旋翼无人机的状态量进行微分直至出现控制量的 部分，并根据状态方程中出现控制量的那一阶微分反解控制量，得到相关逆推控制量的模 块：把要求的轨迹的预测微分量和状态量作为反解控制量模块的输入，把反解出的控制量 应用于原模型，建立显示预测四旋翼无人机：形成预测微分量一一反解控制量一一控制量 应用于原模型一一结果的模型： 步骤二：初始化鸽群优化算法，给定线性化轨迹中要求取样点点的个数D,点的个数即 为鸽群优化算法中鸽子位置的维数：给定鸽群数量Np,,最大迭代次数tlmax,以及地图罗盘 算子R; 步骤三：设计代价函数 代价函数的确定是智能优化算法的核心，决定目标检测的准确性：采用误差累计法，即 要求轨迹和误差轨迹的多点之间函数值差值绝对值的求和： 步骤四：利用地图罗盘因子进行寻优 利用初始化的群体位置和速度，根据初始的个体的代价函数值选取全局最优位置Xg:根 据公式(1)中的公式更新每个个体的位置X:,计算新生成鸽子的代价函数值，如果新鸽子的 代价函数值比全局最优位置的代价函数值低，则把新生成的鸽子位置定义为新的全局最优 位置Xg:反复应用地图罗盘算子进行寻优，直到运行代数大于地图罗盘算子最大代数tlmax 时停止： y,(t)=v,(t-1)·et+rand●(xg-x,(t-1) (1) x,(t)=x,(t-1)+v,(t) 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，x(t)为第i个鸽子在第t次迭代时的位置， rand为一个0到1之间的随机数： 步骤五：利用鸽群优化地标算子进行寻优 利用地图罗盘算子寻优的结果作为地标算子的初始群体，根据公式(2)~(4)中的公式 更新每个个体的速度V:和位置X,计算新生成鸽子的代价函数值，如果新鸽子的代价函数值 比全局最优位置的代价函数值更低，则把新生成的鸽子位置定义为新的全局最优位置Xg: 根据公式(2)计算新种群的群体数量，根据公式(2)计算的结果舍弃群体中代价函数小的 部分个体，选择当前群体中较优的群体作为保留群体进行下一轮寻优，反复应用地标算子 进行寻优，直到运行代数大于地标算子最大代数t2max时停止； N=心-型 (2) 2 x)卫x⑨me(x) N。·∑fitness(X,(d) (3) Xi(t)=Xi(t-1)+rand.(Xe(t)-Xi(t-1)) (4) 2