本發(fā)明涉及一種基于PSO的飛機(jī)縱向運(yùn)動(dòng)俯仰角控制系統(tǒng)PID優(yōu)化方法，屬于飛行試驗(yàn)
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：現(xiàn)代飛機(jī)控制系統(tǒng)，特別是對飛機(jī)運(yùn)動(dòng)姿態(tài)的快速性及復(fù)雜飛行下控制的精確性具有很高的要求。隨著飛機(jī)研究對象的復(fù)雜程度和控制要求的不斷提高，飛行控制律的設(shè)計(jì)也趨于復(fù)雜，呈現(xiàn)出多模態(tài)、多約束、多準(zhǔn)則、高風(fēng)險(xiǎn)的特征。俯仰角作為姿態(tài)角重要組成，是飛機(jī)縱向運(yùn)動(dòng)中最基本的控制模態(tài)，俯仰角的無超調(diào)跟蹤控制在飛行控制中也至關(guān)重要，與此同時(shí)，加快對俯仰角無超調(diào)跟蹤控制的響應(yīng)速度，對飛機(jī)的機(jī)動(dòng)性能也有一定改善。為此，有必要探索既能實(shí)現(xiàn)系統(tǒng)響應(yīng)無超調(diào)，又能獲得理想響應(yīng)速度的控制算法。粒子群算法(ParticleSwarmOptimization,PSO)是進(jìn)化技術(shù)的一種，本質(zhì)上屬于一種迭代隨機(jī)搜索算法,具有并行處理特征，魯棒性好，且易于實(shí)現(xiàn)，計(jì)算效率高，已成功的應(yīng)用于求解多種復(fù)雜的優(yōu)化問題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明為了克服上述缺陷，其目的在于提供一種基于PSO的飛機(jī)縱向運(yùn)動(dòng)俯仰角控制系統(tǒng)PID優(yōu)化方法，加快對飛機(jī)俯仰角無超調(diào)跟蹤控制的響應(yīng)速度，對飛機(jī)的機(jī)動(dòng)性能進(jìn)行改善。本發(fā)明為了實(shí)現(xiàn)上述目的，采用如下技術(shù)方案：一種基于PSO的飛機(jī)縱向運(yùn)動(dòng)俯仰角控制系統(tǒng)PID優(yōu)化方法，該方法：A)、飛機(jī)縱向運(yùn)動(dòng)方程的小擾動(dòng)線性化；基準(zhǔn)運(yùn)動(dòng)的選?。猴w機(jī)運(yùn)動(dòng)方程解耦分組過程中，利用水平無側(cè)滑飛行條件φ＝β≡0和p＝r≡0；將飛機(jī)運(yùn)動(dòng)方程解耦為縱向運(yùn)動(dòng)；當(dāng)q≡0和時(shí)就構(gòu)成基準(zhǔn)運(yùn)動(dòng)條件；在基準(zhǔn)運(yùn)動(dòng)條件下，可以得到：縱向線性化小擾動(dòng)線性方程組：EX·=AX+BU10000V-Zα·0000100-Mα·01ΔVΔα·Δθ·Δq·=XV+XTVcosαeXα-gcosμe0ZV-XTVsinαeZα-gsinμeV+Zq0001MT+MTVMα0MqΔVΔαΔθΔq+XδTcosαeXδe-XδTsinαeZδe00MδTMδeΔδTΔδe]]>其中可見，除了懸停飛行外，通常情況下，由于較小而V遠(yuǎn)遠(yuǎn)大于零，所以雅克比矩陣E總是非奇異的；B)、短周期模態(tài)近似；短周期模態(tài)反映受擾動(dòng)后的初始階段俯仰力矩重趨平衡的過程，和迎角和俯仰角速度的迅速衰減變化，該模態(tài)在幾秒鐘內(nèi)就消失了，速度和俯仰角變化較小，在此可以忽略；當(dāng)存在擾動(dòng)時(shí)，在飛機(jī)運(yùn)動(dòng)的初始階段，短周期運(yùn)動(dòng)占主導(dǎo)地位，其過渡時(shí)間很短，并且在這段時(shí)間里，飛機(jī)速度和俯仰角的增量不大；因此在討論短周期模態(tài)近似簡化時(shí)，近似認(rèn)為飛行速度和俯仰角為常量，即增量ΔV＝Δθ＝0，這樣由原來四個(gè)自由度：速度、迎角、俯仰角和俯仰角速度的縱向運(yùn)動(dòng)方程就變成了二自由度，迎角和俯仰角速度的短周期運(yùn)動(dòng)方程：V-Zα·0-Mα·1Δα·Δq·=ZαV+ZqMαMqΔαΔq+ZδeΔMδeΔδe]]>C)、基于PSO的縱向運(yùn)動(dòng)俯仰角控制PID優(yōu)化；(1)、PID控制器：該控制系統(tǒng)由模擬PID控制器和被控對象組成；PID控制是一種線性控制器，它根據(jù)給定值r(t)與實(shí)際輸出值y(t)構(gòu)成控制偏差：e(t)＝r(t)-y(t)(1)PID的控制規(guī)律為：u(t)=Kp(e(t)+1Ti∫0te(t)dt+Tdde(t)dt)---(2)]]>其中，Kp為比例系數(shù)，Ti為積分時(shí)間常數(shù)，Td為微分時(shí)間常數(shù)；PID控制器中的各個(gè)校正環(huán)節(jié)的作用如下：1、比例環(huán)節(jié)：成比例地反映控制系統(tǒng)的偏差信號(hào)e(t)，偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用，以減小偏差；2、積分環(huán)節(jié)：主要用于消除靜差，提高系統(tǒng)的無差度；積分作用的強(qiáng)弱取決于積分時(shí)間常數(shù)凡，凡值越大，積分作用越強(qiáng)，反之則越弱；3、微分環(huán)節(jié)：反映偏差信號(hào)的變化趨勢：變化速率，并能在誤差信號(hào)變得太大之前，在系統(tǒng)中引入一個(gè)有效的早期修正信號(hào)，從而加快系統(tǒng)的動(dòng)作速度，減少調(diào)節(jié)時(shí)間；(2)、目標(biāo)函數(shù)的選?。涸趨?shù)最優(yōu)化的問題中要涉及性能指標(biāo)函數(shù)，性能指標(biāo)函數(shù)是被尋參數(shù)的函數(shù)，稱為目標(biāo)函數(shù)；選擇不同的目標(biāo)函數(shù)的出發(fā)點(diǎn)是使它即能比較明確的反映系統(tǒng)的品質(zhì)，又便于計(jì)算；當(dāng)然選擇不同的目標(biāo)函數(shù)，即使對于同一系統(tǒng)，尋優(yōu)最后得到的優(yōu)化參數(shù)也是會(huì)有所不同的；目標(biāo)函數(shù)的選擇分為兩大類：第一類是特征型目標(biāo)函數(shù)，它是按照系統(tǒng)的輸出響應(yīng)的特征提出的；第二類是誤差型目標(biāo)函數(shù)，它是采用期望響應(yīng)和實(shí)際響應(yīng)之差的某個(gè)函數(shù)作為目標(biāo)函數(shù)；這種目標(biāo)函數(shù)實(shí)際上是對第一類目標(biāo)函數(shù)的幾個(gè)特征向量做數(shù)學(xué)分析，把它們包含在一個(gè)目標(biāo)函數(shù)的表達(dá)式中；因此它反映整個(gè)系統(tǒng)的性能；PID控制器的優(yōu)化問題就是確定一組合適的參數(shù)Kp、Ki、Kd，使得指標(biāo)達(dá)到最優(yōu)；常用的誤差性能指標(biāo)包括ISE、IAE、ITAE、ISTE；本文采用誤差絕對值積分型；這種目標(biāo)函數(shù)的表達(dá)式為:J=∫0tt|e(t)|dt---(4)]]>其尋優(yōu)方法顯然要比其他兩種方法優(yōu)點(diǎn)突出。一方面加了絕對值，它克服了在過度過程中e(t)時(shí)正時(shí)負(fù)的缺點(diǎn)，另外加了時(shí)間t，這樣過度過程中后期出現(xiàn)的誤差也基本上能消除。ITAE指標(biāo)又有較好的實(shí)用性和選擇性(系統(tǒng)參數(shù)變化引起指標(biāo)變化越大，選擇性越好)。D)、飛機(jī)縱向運(yùn)動(dòng)俯仰角控制律的設(shè)計(jì)：(1)、控制結(jié)構(gòu)飛機(jī)控制系統(tǒng)是由飛控計(jì)算機(jī)、傳感器、伺服機(jī)構(gòu)部分組成；由傳感器測量的飛機(jī)的有關(guān)狀態(tài)信息，輸入到飛控計(jì)算機(jī)中，計(jì)算機(jī)根據(jù)存儲(chǔ)的有關(guān)狀態(tài)和數(shù)據(jù)以及飛行員輸入或設(shè)定的指令數(shù)據(jù)，經(jīng)過處理后，輸出給舵機(jī)和發(fā)動(dòng)機(jī)的油門控制系統(tǒng)，以控制飛機(jī)的運(yùn)動(dòng)；對于自動(dòng)駕駛儀來說，輸入一般為定高飛行、定角飛行狀態(tài)；輸入經(jīng)過飛控計(jì)算機(jī)的判斷、計(jì)算、處理，轉(zhuǎn)化為舵機(jī)系統(tǒng)和發(fā)動(dòng)機(jī)油門的偏移量，以此改變舵面偏角和發(fā)動(dòng)機(jī)功率，進(jìn)一步改變飛機(jī)受力狀況，從而達(dá)到改變飛機(jī)姿態(tài)和高度的目的；對飛機(jī)模型的分析可知，飛機(jī)狀態(tài)量響應(yīng)速度快慢不同，12個(gè)狀態(tài)變量從快到慢可以劃分為如下4個(gè)層次：其中，為飛機(jī)的歐拉角速度，它直接受控于飛機(jī)的合外力矩，變化最快；為飛機(jī)相對速度軸的姿態(tài)矢量，其變化率主要受控于及飛機(jī)的轉(zhuǎn)動(dòng)角速度；為飛機(jī)相對于地軸系的速度矢量，由合外力矩控制，由于飛機(jī)慣性的因素，響應(yīng)速度較慢；是飛機(jī)質(zhì)心相對于地面的運(yùn)動(dòng)軌跡，只有速度矢量發(fā)生變化，飛機(jī)質(zhì)心才會(huì)響應(yīng)；E)、基于粒子群方法PID參數(shù)優(yōu)化：粒子群算法是進(jìn)化技術(shù)的一種,源于對鳥群捕食行為的研究,本質(zhì)上屬于一種迭代隨機(jī)搜索算法,具有并行處理特征,魯棒性好,原理上可以較大的概率找到優(yōu)化問題的全局最優(yōu)解,且易于實(shí)現(xiàn),計(jì)算效率高,已成功的應(yīng)用于求解多種復(fù)雜的優(yōu)化問題。粒子群算法的基本原理為粒子在搜索空間中的速度和位置根據(jù)一下公式確定：vt+1＝ωvt+c1r1(Pt-xt)+c2r2(Gt-xt)(5)xt+1＝xt+vt+1(6)其中，x表示粒子的位置；v表示粒子的速度；ω為慣性因子；c1、c2為加速常數(shù)；r1、r2為[0，1]區(qū)間的隨機(jī)數(shù)；Pt是粒子迄今為止搜索到的最優(yōu)位置；Gt是整個(gè)粒子群迄今位置搜索到的最優(yōu)位置；PSO的流程如下：(1)、初始化粒子群，隨機(jī)產(chǎn)生所有粒子的位置和速度，并確定粒子的Pt和Gt；(2)、對每個(gè)粒子，將其適應(yīng)值與該粒子所經(jīng)歷過的最優(yōu)位置Pt的適應(yīng)值進(jìn)行比較，比較好，則將其作為當(dāng)前的Pt；(3)、對每個(gè)粒子，將其適應(yīng)值與整個(gè)粒子群所經(jīng)歷過的最優(yōu)位置Gt的適應(yīng)值進(jìn)行比較，比較好，則將其作為當(dāng)前的Gt；(4)、按式(5)和式(6)更新粒子的速度和位置；(5)、如果沒有滿足終止條件：通常為預(yù)設(shè)的最大迭代次數(shù)和適應(yīng)值下限值，則返回步驟(2)；否則，推出算法，得到最優(yōu)解。本發(fā)明的有益效果：本發(fā)明實(shí)現(xiàn)俯仰角控制系統(tǒng)響應(yīng)無超調(diào)，又能獲得理想響應(yīng)速度，改善飛機(jī)的機(jī)動(dòng)性能；采用粒子群算法實(shí)現(xiàn)俯仰角控制系統(tǒng)響應(yīng)無超調(diào)，又能獲得理想響應(yīng)速度；粒子群算法(ParticleSwarmOptimization,PSO)是進(jìn)化技術(shù)的一種,本質(zhì)上屬于一種迭代隨機(jī)搜索算法,具有并行處理特征,魯棒性好,且易于實(shí)現(xiàn),計(jì)算效率高,已成功的應(yīng)用于求解多種復(fù)雜的優(yōu)化問題。附圖說明圖1為本發(fā)明的飛機(jī)縱向運(yùn)動(dòng)俯仰角的輸入輸出關(guān)系示意圖。具體實(shí)施方式下面結(jié)合附圖1對本發(fā)明進(jìn)行詳細(xì)描述：一種基于PSO的飛機(jī)縱向運(yùn)動(dòng)俯仰角控制系統(tǒng)PID優(yōu)化方法，該方法：A)、飛機(jī)縱向運(yùn)動(dòng)方程的小擾動(dòng)線性化；基準(zhǔn)運(yùn)動(dòng)的選?。猴w機(jī)運(yùn)動(dòng)方程解耦分組過程中，利用水平無側(cè)滑飛行條件φ＝β≡0和p＝r≡0；將飛機(jī)運(yùn)動(dòng)方程解耦為縱向運(yùn)動(dòng)；當(dāng)q≡0和時(shí)就構(gòu)成基準(zhǔn)運(yùn)動(dòng)條件；在基準(zhǔn)運(yùn)動(dòng)條件下，可以得到：縱向線性化小擾動(dòng)線性方程組：EX·=AX+BU10000V-Zα·0000100-Mα·01ΔVΔα·Δθ·Δq·=XV+XTVcosαeXα-gcosμe0ZV-XTVsinαeZα-gsinμeV+Zq0001MT+MTVMα0MqΔVΔαΔθΔq+XδTcosαeXδe-XδTsinαeZδe00MδTMδeΔδTΔδe]]>其中可見，除了懸停飛行外，通常情況下，由于較小而V遠(yuǎn)遠(yuǎn)大于零，所以雅克比矩陣E總是非奇異的；B)、短周期模態(tài)近似；短周期模態(tài)反映受擾動(dòng)后的初始階段俯仰力矩重趨平衡的過程，和迎角和俯仰角速度的迅速衰減變化，該模態(tài)在幾秒鐘內(nèi)就消失了，速度和俯仰角變化較小，在此可以忽略；當(dāng)存在擾動(dòng)時(shí)，在飛機(jī)運(yùn)動(dòng)的初始階段，短周期運(yùn)動(dòng)占主導(dǎo)地位，其過渡時(shí)間很短，并且在這段時(shí)間里，飛機(jī)速度和俯仰角的增量不大；因此在討論短周期模態(tài)近似簡化時(shí)，近似認(rèn)為飛行速度和俯仰角為常量，即增量ΔV＝Δθ＝0，這樣由原來四個(gè)自由度：速度、迎角、俯仰角和俯仰角速度的縱向運(yùn)動(dòng)方程就變成了二自由度，迎角和俯仰角速度的短周期運(yùn)動(dòng)方程：V-Zα·0-Mα·1Δα·Δq·=ZαV+ZqMαMqΔαΔq+ZδeΔMδeΔδe]]>C)、基于PSO的縱向運(yùn)動(dòng)俯仰角控制PID優(yōu)化；(1)、PID控制器：該控制系統(tǒng)由模擬PID控制器和被控對象組成；PID控制是一種線性控制器，它根據(jù)給定值r(t)與實(shí)際輸出值y(t)構(gòu)成控制偏差：e(t)＝r(t)-y(t)(1)PID的控制規(guī)律為：u(t)=Kp(e(t)+1Ti∫0te(t)dt+Tdde(t)dt)---(2)]]>其中，Kp為比例系數(shù)，Ti為積分時(shí)間常數(shù)，Td為微分時(shí)間常數(shù)；PID控制器中的各個(gè)校正環(huán)節(jié)的作用如下：1、比例環(huán)節(jié)：成比例地反映控制系統(tǒng)的偏差信號(hào)e(t)，偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用，以減小偏差；2、積分環(huán)節(jié)：主要用于消除靜差，提高系統(tǒng)的無差度；積分作用的強(qiáng)弱取決于積分時(shí)間常數(shù)凡，凡值越大，積分作用越強(qiáng)，反之則越弱；3、微分環(huán)節(jié)：反映偏差信號(hào)的變化趨勢：變化速率，并能在誤差信號(hào)變得太大之前，在系統(tǒng)中引入一個(gè)有效的早期修正信號(hào)，從而加快系統(tǒng)的動(dòng)作速度，減少調(diào)節(jié)時(shí)間；(2)、目標(biāo)函數(shù)的選取：在參數(shù)最優(yōu)化的問題中要涉及性能指標(biāo)函數(shù)，性能指標(biāo)函數(shù)是被尋參數(shù)的函數(shù)，稱為目標(biāo)函數(shù)；選擇不同的目標(biāo)函數(shù)的出發(fā)點(diǎn)是使它即能比較明確的反映系統(tǒng)的品質(zhì)，又便于計(jì)算；當(dāng)然選擇不同的目標(biāo)函數(shù)，即使對于同一系統(tǒng)，尋優(yōu)最后得到的優(yōu)化參數(shù)也是會(huì)有所不同的；目標(biāo)函數(shù)的選擇分為兩大類：第一類是特征型目標(biāo)函數(shù)，它是按照系統(tǒng)的輸出響應(yīng)的特征提出的；第二類是誤差型目標(biāo)函數(shù)，它是采用期望響應(yīng)和實(shí)際響應(yīng)之差的某個(gè)函數(shù)作為目標(biāo)函數(shù)；這種目標(biāo)函數(shù)實(shí)際上是對第一類目標(biāo)函數(shù)的幾個(gè)特征向量做數(shù)學(xué)分析，把它們包含在一個(gè)目標(biāo)函數(shù)的表達(dá)式中；因此它反映整個(gè)系統(tǒng)的性能；PID控制器的優(yōu)化問題就是確定一組合適的參數(shù)Kp、Ki、Kd，使得指標(biāo)達(dá)到最優(yōu)；常用的誤差性能指標(biāo)包括ISE、IAE、ITAE、ISTE；本文采用誤差絕對值積分型；這種目標(biāo)函數(shù)的表達(dá)式為:J=∫0tt|e(t)|dt---(4)]]>其尋優(yōu)方法顯然要比其他兩種方法優(yōu)點(diǎn)突出。一方面加了絕對值，它克服了在過度過程中e(t)時(shí)正時(shí)負(fù)的缺點(diǎn)，另外加了時(shí)間t，這樣過度過程中后期出現(xiàn)的誤差也基本上能消除。ITAE指標(biāo)又有較好的實(shí)用性和選擇性(系統(tǒng)參數(shù)變化引起指標(biāo)變化越大，選擇性越好)。D)、飛機(jī)縱向運(yùn)動(dòng)俯仰角控制律的設(shè)計(jì)：(1)、控制結(jié)構(gòu)飛機(jī)控制系統(tǒng)是由飛控計(jì)算機(jī)、傳感器、伺服機(jī)構(gòu)部分組成；由傳感器測量的飛機(jī)的有關(guān)狀態(tài)信息，輸入到飛控計(jì)算機(jī)中，計(jì)算機(jī)根據(jù)存儲(chǔ)的有關(guān)狀態(tài)和數(shù)據(jù)以及飛行員輸入或設(shè)定的指令數(shù)據(jù)，經(jīng)過處理后，輸出給舵機(jī)和發(fā)動(dòng)機(jī)的油門控制系統(tǒng)，以控制飛機(jī)的運(yùn)動(dòng)；對于自動(dòng)駕駛儀來說，輸入一般為定高飛行、定角飛行狀態(tài)；輸入經(jīng)過飛控計(jì)算機(jī)的判斷、計(jì)算、處理，轉(zhuǎn)化為舵機(jī)系統(tǒng)和發(fā)動(dòng)機(jī)油門的偏移量，以此改變舵面偏角和發(fā)動(dòng)機(jī)功率，進(jìn)一步改變飛機(jī)受力狀況，從而達(dá)到改變飛機(jī)姿態(tài)和高度的目的；對飛機(jī)模型的分析可知，飛機(jī)狀態(tài)量響應(yīng)速度快慢不同，12個(gè)狀態(tài)變量從快到慢可以劃分為如下4個(gè)層次：其中，為飛機(jī)的歐拉角速度，它直接受控于飛機(jī)的合外力矩，變化最快；為飛機(jī)相對速度軸的姿態(tài)矢量，其變化率主要受控于及飛機(jī)的轉(zhuǎn)動(dòng)角速度；為飛機(jī)相對于地軸系的速度矢量，由合外力矩控制，由于飛機(jī)慣性的因素，響應(yīng)速度較慢；是飛機(jī)質(zhì)心相對于地面的運(yùn)動(dòng)軌跡，只有速度矢量發(fā)生變化，飛機(jī)質(zhì)心才會(huì)響應(yīng)；E)、基于粒子群方法PID參數(shù)優(yōu)化：粒子群算法是進(jìn)化技術(shù)的一種,源于對鳥群捕食行為的研究,本質(zhì)上屬于一種迭代隨機(jī)搜索算法,具有并行處理特征,魯棒性好,原理上可以較大的概率找到優(yōu)化問題的全局最優(yōu)解,且易于實(shí)現(xiàn),計(jì)算效率高,已成功的應(yīng)用于求解多種復(fù)雜的優(yōu)化問題。粒子群算法的基本原理為粒子在搜索空間中的速度和位置根據(jù)一下公式確定：vt+1＝ωvt+c1r1(Pt-xt)+c2r2(Gt-xt)(5)xt+1＝xt+vt+1(6)其中，x表示粒子的位置；v表示粒子的速度；ω為慣性因子；c1、c2為加速常數(shù)；r1、r2為[0，1]區(qū)間的隨機(jī)數(shù)；Pt是粒子迄今為止搜索到的最優(yōu)位置；Gt是整個(gè)粒子群迄今位置搜索到的最優(yōu)位置；PSO的流程如下：(1)、初始化粒子群，隨機(jī)產(chǎn)生所有粒子的位置和速度，并確定粒子的Pt和Gt；(2)、對每個(gè)粒子，將其適應(yīng)值與該粒子所經(jīng)歷過的最優(yōu)位置Pt的適應(yīng)值進(jìn)行比較，比較好，則將其作為當(dāng)前的Pt；(3)、對每個(gè)粒子，將其適應(yīng)值與整個(gè)粒子群所經(jīng)歷過的最優(yōu)位置Gt的適應(yīng)值進(jìn)行比較，比較好，則將其作為當(dāng)前的Gt；(4)、按式(5)和式(6)更新粒子的速度和位置；(5)、如果沒有滿足終止條件：通常為預(yù)設(shè)的最大迭代次數(shù)和適應(yīng)值下限值，則返回步驟(2)；否則，推出算法，得到最優(yōu)解。當(dāng)前第1頁1 2 3