[发明专利]基于原鸽多行为智能的无人机抗干扰控制系统及方法

权利要求书

1.一种基于原鸽多行为智能的无人机抗干扰控制方法，其特征在于：该方法步骤如下：

步骤一：给定初始状态并建立垂起无人机六自由度非线性模型和风干扰模型

步骤二：垂起无人机旋翼模态抗干扰控制

将旋翼模态控制器设计成两部分，内环为姿态控制器，外环为位置控制器；其中姿态控制器控制对象为滚转角俯仰角θ、偏航角ψ，且均采用PID组合二阶自抗扰控制的方式，即用PID控制角度环，自抗扰控制角速度环；

步骤三：垂起无人机旋翼模态向固定翼模态切换

首先，垂起无人机垂直起飞至一定高度悬停，接着由旋翼模态切换为固定翼模态；切换阶段分为两个过程，两个过程时间均为2-3s，一个是初始加速过程，先使固定翼选择合适油门，旋翼接入高度控制与姿态控制，加速结束后速度为初始加速速度；第二个是混合控制过程，即进行权重分配，固定翼与旋翼混合控制姿态，而固定翼油门从开始的大车指令直接转换成由速度控制的油门输出指令；分别对固定翼与旋翼的姿态控制量进行加权，权值量为：

k_quad＝1-0.4(t-t₀)

式中：v₀,v₃分别为设定权值转换最小速度与最大速度，t₀为第一过程结束时的时间；

步骤四：基于原鸽多行为智能的参数寻优

采用多行为机制的改进鸽群优化，通过原鸽多行为仿生优化，针对模态切换过程，对垂起无人机控制器的参数进行寻优；

步骤五：垂起无人机固定翼模态抗干扰控制

将固定翼模态解耦为纵向和横侧向控制；

横侧向控制对象为航向角与侧滑角，分别设计两个控制回路，其中航向角控制通道为双环PID控制，内环为滚转角控制，外环为航向角控制；侧滑角通道采用一阶自抗扰控制技术，将侧滑角和侧滑角速度分别设置为两个状态量，模态转换时侧滑角通道下的不确定性以及风干扰作为第三状态量，通过估计第三状态量从而达到前馈补偿控制的目的，防止无人机因风干扰引起侧滑；

纵向控制中控制对象为高度和速度；其中高度通道为双环控制，内环为俯仰角控制，采用二阶自抗扰控制技术，外环为PID控制，速度通道采用单环PID控制；

步骤六：垂起无人机固定翼模态向旋翼模态切换

切换分为两个阶段，第一个阶段持续4-6s，为权值转换段，第二个阶段为俯仰角保持阶段，该阶段执行时间依无人机平飞速度而定；

步骤七：垂起无人机以旋翼模态进行垂直下降；

步骤四所述的原鸽多行为仿生优化，分为以下几步：

S41、设定鸽子的数量N，维度D，各维度的边界值X_min,X_max，以及地图与指南针算子最大迭代次数C1max，地标算子最大迭代次数C2max，进行初始化；

S42、在地图与指南针算子中，更新每只鸽子的速度、位置信息；

S43、计算适应度函数，判断当前最优位置；

S44、当最优位置没有改变，且停滞次数大于2次时，采取随机反向学习策略

X_i(t)＝Max+Min-ξ·X_i(t-1)

其中，Max和Min表示鸽子位置的上边界和下边界；

S45、当到达地图与指南针算子最大迭代次数C1max时，进入地标算子迭代，否则重复执行步骤S42-S44，每重复一次迭代次数加一；

S46、在地标算子中，更新群体数目

S47、计算适应度函数，判断当前最优位置；当到达地标算子最大迭代次数C2max时，迭代停止，否则重复执行步骤S46，每重复一次迭代次数加1；

其中，步骤S43所述适应度函数设置为：

J＝w₁·I_θ+w₂·I_H    (20)

其中，e_θ＝θ_d-θ,e_H＝H_d-H，θ_d,H_d分为期望俯仰角，期望高度，θ,H分别为当前俯仰角和高度状态量。