无人机云台控制方法、装置、设备及存储介质与流程

1.本发明涉及无人机云台控制技术领域，尤其是涉及一种无人机云台控制方法、装置、设备及存储介质。


背景技术：

2.在无人机云台控制领域，通常通过控制算法进行云台控制，控制算法中包括多个控制参数，需要对控制算法中的控制参数进行调节，以使得算法性能符合设计要求。传统调参方法以云台抖动过程作为判断标准，手动调节参数，这种方法需要大量的排列组合来尝试算法，高度依赖调参人员的操作经验，不仅费时费力，而且不一定能够找到一组最优参数。另外，这种调参方法需要将云台固定在桌面后进行有线串口调试，调试完成之后再安装到无人机上测试效果，无法做到在无人机飞行过程中对参数进行调节，这忽略了飞行过程中的外因干扰，导致出现桌面测试效果与飞行测试效果不一致的情况。


技术实现要素：

3.本发明的目的在于克服现有技术的缺点与不足，提供一种无人机云台控制方法，能够在无人机飞行过程中对云台控制算法进行自动调参，能够快速获得最优控制参数。
4.本发明是通过以下技术方案实现的：一种无人机云台控制方法，包括步骤：
5.获取初始控制参数，以所述初始控制参数初始化粒子种群；
6.对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值；
7.运行所述控制算法，输出用于控制无人机云台的控制信号；
8.其中，对所述粒子种群的粒子参数值进行多次迭代，包括步骤：
9.获取控制误差，根据所述控制误差通过适应度函数计算每个粒子的适应度值；
10.若所述粒子的适应度值大于群体粒子平均适应度值的差值，则增大粒子的惯性权重；若所述粒子的适应度值小于群体粒子平均适应度值的差值，则减小粒子的惯性权重；
11.根据更新的所述惯性权重对所述粒子的参数值进行迭代；
12.若所述粒子的适应度值达到收敛，则结束迭代。
13.相对于现有技术，本发明提供一种无人机云台控制方法通过在粒子群中通过每个粒子的适应度值自适应改变粒子的惯性权重，提高了控制算法的控制精度，能够使无人机云台得到更准确的控制。同时，在粒子群中通过每个粒子的适应度值自适应改变粒子的惯性权重，能够提高粒子适应度值的收敛速度，从而提高对无人机云台的控制速度。
14.进一步地，增大所述粒子的惯性权重时，令所述粒子的惯性权重等于最大惯性权重；减小所述粒子的惯性权重时，所述粒子惯性权重w的表达式为：w＝w
min-(w
max-w
min
)*(f-f
min
)/(f
avg-f
min
)，其中，w
min
为最小惯性权重，w
max
为最大惯性权重，f为当前粒子的适应度值，f
min
为粒子种群中粒子适应度值的最小值，f
avg
为粒子种群所有粒子的平均适应度值。
15.进一步地，对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数
设置为每次迭代的所述粒子参数值后，还包括步骤：
16.获取控制误差和控制误差变化速度，通过隶属度函数分别计算所述控制误差和所述控制误差变化速度的隶属度向量；
17.根据所述控制误差和所述控制误差变化速度的隶属度向量依照所述模糊规则进行模糊推理，得到控制隶属度向量；
18.对所述控制隶属度向量进行清晰化处理，得到更新的控制参数。
19.进一步地，所述模糊规则表包括所述控制隶属度向量中的元素与所述控制误差的隶属元素及所述控制误差变化速度的隶属元素的对应关系，所述模糊规则表为：
[0020][0021]
针对每一所述控制隶属度向量的隶属度值对应的元素，将同时具有对应关系的所述控制误差的隶属元素和所述控制误差变化速度的隶属元素对应的隶属度值相乘，后将所有乘积相加，得到所述元素对应的隶属度值。
[0022]
进一步地，获取初始控制参数，以初始控制参数初始化粒子种群，包括步骤：
[0023]
根据云台的多组目标控制值与控制误差建立二阶数学模型；
[0024]
根据所述二阶数学模型进行云台闭环控制系统的建模；
[0025]
通过控制变量法调整所述云台闭环控制系统的控制参数，运行所述云台闭环控制系统获得所述云台闭环控制系统的阶跃响应，确定一定范围内的阶跃响应所对应的控制参数为可选取的初始控制参数。
[0026]
基于同一发明构思，本技术还提供一种无人机云台控制装置，包括：
[0027]
初始化模块，用于获取初始控制参数，以初始控制参数初始化粒子种群；
[0028]
迭代模块，用于对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值；
[0029]
输出模块，用于运行所述控制算法，输出用于控制无人机云台的控制信号；
[0030]
其中，所述迭代模块包括：
[0031]
适应度子单元，用于获取控制误差，根据所述控制误差通过适应度函数计算每个粒子的适应度值；
[0032]
权重调节子单元，用于若所述粒子的适应度值大于群体粒子平均适应度值的差值，则增大粒子的惯性权重；若所述粒子的适应度值小于群体粒子平均适应度值的差值，则减小粒子的惯性权重；
[0033]
更新参数子单元，用于根据所述惯性权重对所述粒子的参数值进行迭代；
[0034]
收敛子单元，用于若所述粒子的适应度值达到收敛，则结束迭代。
[0035]
进一步地，所述权重调节子单元包括：
[0036]
权重增大第二子单元，用于增大所述粒子的惯性权重时，令所述粒子的惯性权重等于最大惯性权重；
[0037]
权重减小第二子单元，用于减小所述粒子的惯性权重时，所述粒子惯性权重w的表达式为：w＝w
min-(w
max-w
min
)*(f-f
min
)/(f
avg-f
min
)，其中，w
min
为最小惯性权重，w
max
为最大惯性权重，f为当前粒子的适应度值，f
min
为粒子种群中粒子适应度值的最小值，f
avg
为粒子种群所有粒子的平均适应度值。
[0038]
进一步地，还包括：
[0039]
隶属度模块，用于对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值后，获取控制误差和控制误差变化速度，通过隶属度函数分别计算所述控制误差和所述控制误差变化速度的隶属度向量；
[0040]
模糊控制模块，用于根据所述控制误差和所述控制误差变化速度的隶属度向量依照所述模糊规则进行模糊推理，得到控制隶属度向量；
[0041]
清晰化模块，用于对所述控制隶属度向量进行清晰化处理，得到更新的控制参数。
[0042]
基于同一发明构思，本技术还提供一种电子设备，包括：
[0043]
处理器；
[0044]
存储器，用于存储由所述处理器执行的计算机程序；
[0045]
其中，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0046]
基于同一发明构思，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现上述方法的步骤。
[0047]
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
[0048]
图1为无人机云台控制方法的一个示例性应用环境示意图；
[0049]
图2为一个实施例中的无人机云台控制方法的流程示意图；
[0050]
图3为一个优选实施例的无人机云台控制方法的流程示意图；
[0051]
图4为一示例性的模糊规则表；
[0052]
图5为三组控制测试中无人机云台的实际旋转角度对比图；
[0053]
图6为三组控制测试中的控制误差对比图；
[0054]
图7为基于传统粒子群的无人机云台控制的粒子适应度值迭代图；
[0055]
图8为本技术的无人机云台控制方法的粒子适应度值迭代图；
[0056]
图9为一个实施例的无人机云台控制装置的结构示意图；
[0057]
图10为一优选实施例的无人机云台控制装置的结构示意图。
具体实施方式
[0058]
为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施例方式作进一步地详细描述。
[0059]
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0060]
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
[0061]
在本技术的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。此外，在本技术的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0062]
请参阅图1，其为本技术的无人机云台控制方法的一个示例性应用环境示意图。包括无人机11、云台12、云台电机13、运动传感器14和无人机控制器15，云台11设置在无人机11上，用于搭载外部设备，如照明灯、摄像头等；云台电机13与云台11连接，云台电机13控制云台11相对于无人机的方位；运动传感器14与云台连接，用于采集云台12的实际运动信息，如云台12的旋转角度等；无人机控制器12可运行和存储计算机程序，可以是处理器，可运行msdk程序，还可以是云端服务器，可运行psdk程序。工作时，无人机控制器15通过控制信号控制云台电机13工作，云台电机13驱动云台12运动，运动传感器14将采集到的运动信息传输至无人机控制器15，远程控制器15根据本技术的无人机云台控制方法对接收的运动信息进行处理并输出控制信号，使云台12的运动结果与目标一致。
[0063]
请参阅图2，其为一个实施例中的无人机云台控制方法的流程示意图，该方法包括步骤：
[0064]
s11：获取初始控制参数，以初始控制参数初始化粒子种群；
[0065]
s12：对粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的粒子参数值；
[0066]
s13：运行控制算法，输出用于控制无人机云台的控制信号。
[0067]
在步骤s11中，获取初始控制参数，以初始控制参数初始化粒子种群。其中，初始控制参数为云台控制算法中各个参数的初始值，可以预设为默认值，或者根据云台不同控制的经验值进行设置，以使各个参数处于云台电机可正常运行的范围之内。
[0068]
当对云台控制算法缺乏经验时，可能将初始控制参数调整得过大或过小，这容易导致云台剧烈晃动而造成云台电机损坏。在一个优选实施例中，为了保护云台电机，以及提高云台控制的效率，可以通过如下步骤获取初始控制参数：
[0069]
s111：根据云台的多组目标控制值与控制误差建立二阶数学模型；
[0070]
其中，云台的目标控制值即可描述云台控制目标的数值，如云台的旋转角度等。控制误差绩目标控制值与云台的实际响应值的差值。
[0071]
通过matlab的systemidentification系统辨识工具，可根据云台电机的目标控制值与控制误差建立二阶数学模型。
[0072]
s112：根据二阶数学模型进行云台闭环控制系统的建模；
[0073]
其中，云台闭环控制系统即云台电机和云台的模拟数字模型。可通过simulink进行云台闭环控制系统的建模。
[0074]
s113：通过控制变量法调整云台闭环控制系统的控制参数，运行云台闭环控制系统获得云台闭环控制系统的阶跃响应，确定一定范围内的阶跃响应所对应的控制参数为可选取的初始控制参数。
[0075]
其中，云台闭环控制系统的控制参数通常包括td跟踪微分器的跟踪速度因子r和滤波因子h；扩张状态观测器eso的线性区间δ、补偿因子b、误差因子β01、β02、β03；非线性状态误差反馈律比例因子kp、微分因子kd非线性律β1、β2等。
[0076]
云台闭环控制系统的阶跃响应包括响应时间和最大超调量，其中最大超调量＝最大实际响应值/目标控制值-1，在一具体实施中，确定最大超调量在35％以内所对应的控制参数为可选取的初始控制参数，可在可选取的初始控制参数中获取任意初始控制参数进行粒子种群的初始化。
[0077]
粒子种群包括多个粒子，每个粒子对应控制算法中的一个控制参数，粒子的值为参数值。以初始控制参数初始化粒子种群即将初始控制参数设置为粒子初始的参数值。
[0078]
在步骤s12中，对粒子种群的粒子参数值进行多次迭代，包括步骤：
[0079]
s121：获取控制误差，根据控制误差通过适应度函数计算每个粒子的适应度值；
[0080]
其中，控制误差为云台运动的实际运动信息值与目标控制值的差值绝对值。
[0081]
适应度函数用于获取每个粒子在当前参数值下的适应度值，粒子的适应度值可作为当前参数是否为最优参数的参考。适应度函数可选用为itae(时间乘平方误差积分)函数，itae函数是控制误差与时间项的乘积对时间的积分，则粒子的适应度值既能体现出控制误差的大小，即控制精度，又能体现控制误差收敛的速度。适应度函数值越小则代表当前粒子的参数值越优，在完整的迭代过程中适应度函数值最小的粒子的参数值即为最优解。
[0082]
s122：若粒子的适应度值大于群体粒子平均适应度值的差值，则增大粒子的惯性权重；若粒子的适应度值小于群体粒子平均适应度值的差值，则减小粒子的惯性权重；
[0083]
进一步，若粒子的适应度值大于群体粒子平均适应度值的差值，则增大粒子的惯性权重至最大惯性权重；若粒子的适应度值小于群体粒子平均适应度值的差值，则减小粒子的惯性权重，更新的粒子惯性权重w的表达式为：w＝w
min-(w
max-w
min
)*(f-f
min
)/(f
avg-f
min
)，其中，w
min
为最小惯性权重，w
max
为最大惯性权重，f为当前粒子的适应度值，f
min
为粒子种群中粒子适应度值的最小值，f
avg
为粒子种群所有粒子的平均适应度值。
[0084]
s123：根据更新的惯性权重对粒子的参数值进行迭代；
[0085]
其中，根据惯性权重更新粒子的参数值，首先根据惯性权重计算粒子更新的移动步长，惯性权重越大粒子的移动步长越大，粒子更新的移动步长v(k+1)的表达式为：v(k+1)＝wv(k)+c1r1(pbest(k)-present(k))+c2r2(gbest(k)-present(k))，其中，w为更新的粒子惯性权重；v(k)为粒子当前的移动步长；c1，c2为加速因子，为非负常数；r1，r2为[0,1]中的随机数；pbest(k)为粒子的最优位置；gbest(k)为粒子种群中最优粒子位置；present(k)为粒子当前的参数值。
[0086]
粒子更新的参数值为更新移动步长与当前参数值的和，粒子更新的参数值present(k+1)的表达式为：present(k+1)＝present(k)+v(k+1)。
[0087]
s124：若粒子的适应度值达到收敛，则结束迭代。
[0088]
其中，若粒子的适应度值达到收敛，则确定粒子当前的参数值为控制算法最终的控制参数，并运行控制算法，可得到最优的控制信号，该控制信号使云台电机驱动云台运动至目标状态。
[0089]
在步骤s13中，运行控制算法，输出用于控制无人机云台的控制信号。
[0090]
其中，控制算法用于计算控制云台电机运动的控制信号，控制算法可以是adrc控制算法或pid控制算法。将控制算法的每个控制参数设置为对应粒子当前的参数值后，运行控制算法，得到控制信号，将控制信号传输至云台电机，可使云台电机驱动云台运动，可得到云台的实际运动信息值。
[0091]
在云台到达目标状态后，由于无人机飞行抖动等原因，可能造成云台的抖动。为了使云台保持稳定性，在此对一个优选实施例进行说明，请参阅图3，其为一个优选实施例的无人机云台控制方法的流程示意图，该方法包括步骤：
[0092]
s21：获取初始控制参数，以初始控制参数初始化粒子种群；
[0093]
s22：对粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的粒子参数值；
[0094]
s23：通过模糊控制对控制算法的控制参数进行更新；
[0095]
s24：运行控制算法，输出用于控制无人机云台的控制信号。
[0096]
其中，步骤s21-s22、s26与上述实施例中的步骤s11-s12、s13的具体实施相同，在此不再赘述。
[0097]
在步骤s23中，通过模糊控制对控制算法的控制参数进行更新，包括如下步骤：
[0098]
s231：获取控制误差和控制误差变化速度，通过隶属度函数分别计算控制误差和控制误差变化速度的隶属度向量；
[0099]
其中，控制误差变化速度为上一控制时刻至当前控制时刻中，单位时间内控制误差的变化值。
[0100]
隶属度函数用于计算控制误差和控制误差变化速度的隶属度向量，隶属度向量中包括多个隶属度值，隶属度值为当前变量倾向于某一元素的程度，计算隶属度向量的隶属度函数可以选用为重心法函数。
[0101]
示例性地，将控制误差的隶属度向量表示为{nb,nm,ns,zo,ps,pm,pb}，分别对应为控制误差对于七个元素的隶属度值，该七个元素分别为负大、负中、负小、零、正小、正中、正大。在云台的角度控制中，负大、负中、负小、零、正小、正中、正大的对应值分别为-180、-120、-60、0、60、120、180，若控制误差为170，则控制误差倾向于正中和正大，其中倾向于正中的隶属度值倾向于正大的隶属度值即控制误差为170时，其隶属度向量为
[0102]
s232：根据控制误差和控制误差变化速度的隶属度向量依照模糊规则进行模糊推理，得到控制隶属度向量；
[0103]
请参阅图4，其为一示例性的模糊规则表。模糊规则表示出控制隶属度向量中的元素与控制误差的隶属元素及控制误差变化速度的隶属元素的对应关系，根据模糊规则表进行模糊推理的过程中，针对每一控制隶属度向量的隶属度值对应的元素，将同时具有对应
关系的控制误差的隶属元素和控制误差变化速度的隶属元素对应的隶属度值相乘，后将所有乘积相加。
[0104]
示例性地，当控制误差e的隶属度向量为{0,0,a,(1-a),0,0,0}，控制误差变化速度ec的隶属度向量为{0,b,(1-b),0,0,0,0}时，根据模糊规则表，控制隶属度向量中非零的隶属度值对应的元素有zo、ns、nb，其中，元素zo同时对应控制误差的隶属元素ns＝a和控制误差变化速度的隶属元素nm＝b，则元素zo对应的隶属度值为a*b；元素ns同时对应控制误差的隶属元素zo＝1-a和控制误差变化速度的隶属元素nm＝b，则元素zo对应的隶属度值为(1-a)*b；元素nb同时对应控制误差的隶属元素ns＝a和控制误差变化速度的隶属元素ns＝1-b，以及同时对应控制误差的隶属元素zo＝1-a和控制误差变化速度的隶属元素ns＝1-b，则元素zo对应的隶属度值为a*(1-b)+(1-a)*(1-b)，即控制隶属度向量为{a*(1-b)+(1-a)*(1-b),0,(1-a)*b,a*b,0,0,0}。
[0105]
s233：对控制隶属度向量进行清晰化处理，得到更新的控制参数。
[0106]
其中，清晰化处理为将控制隶属度向量与一论域向量进行叉乘后求和，所得到的计算结果即为更新的控制参数。示例性地，若某一控制参数的论域向量为{0,1,2,3,4,5,6}，控制隶属度向量为{a*(1-b)+(1-a)*(1-b),0,(1-a)*b,a*b,0,0,0}，则该控制参数的更新参数值为0*(a*(1-b)+(1-a)*(1-b))+1*0+2*(1-a)*b+3*a*b+4*0+5*0+6*0＝ab+2b。
[0107]
以更新的控制参数运行控制算法，可使云台电机驱动云台平稳保持当前的位置状态。
[0108]
以下对无人机云台进行三组控制测试，其中，测试一通过手动调参的adrc控制算法控制无人机云台以40sin2t正弦函数角度运动；测试二通过上述包括步骤s11-s14的无人机云台控制方法控制无人机云台以40sin2t正弦函数角度运动，采用的控制算法为adrc算法；测试三通过上述包括步骤s11-s17的无人机云台控制方法控制无人机云台以40sin2t正弦函数角度运动，采用的控制算法为adrc算法。请参阅图5和图6，其中图5为三组控制测试中无人机云台的实际旋转角度对比图，图6为三组控制测试中的控制误差对比图。可见，包括步骤s11-s14的无人机云台控制方法相比手动调参的adrc控制算法的控制结果更贴近于目标角度，误差大幅度减小，而包括步骤s11-s17的无人机云台控制方法的控制结果最贴近目标角度，误差最小。相对于现有技术，本技术的无人机云台控制方法通过在粒子群中通过每个粒子的适应度值自适应改变粒子的惯性权重，提高了控制算法的控制精度，能够使无人机云台得到更准确的控制。此外，通过模糊控制对控制参数进行进一步的调整，保证了无人机云台控制的稳定性和进一步提高了控制准确性。
[0109]
同时，在粒子群中通过每个粒子的适应度值自适应改变粒子的惯性权重，能够提高粒子适应度值的收敛速度，从而提高对无人机云台的控制速度。请参阅图7和图8，其中图7为基于传统粒子群的无人机云台控制的粒子适应度值迭代图，图8为本技术的无人机云台控制方法的粒子适应度值迭代图，可见，基于传统粒子群的无人机云台控制的粒子适应度值需要28次迭代之后才开始收敛，而本技术的无人机云台控制方法的粒子适应度值仅在10次迭代之后就开始收敛，收敛速度得到提高。
[0110]
基于同一发明构思，本技术还提供一个无人机云台控制装置。请参阅图9，其为一个实施例的无人机云台控制装置的结构示意图，该装置包括初始化模块21、迭代模块22和输出模块23，其中，初始化模块21用于获取初始控制参数，以初始控制参数初始化粒子种
群。
[0111]
进一步，初始化模块21包括数学模型子单元211、建模子单元212和初始参数子单元213，其中，数学模型子单元211用于根据云台的多组目标控制值与控制误差建立二阶数学模型；建模子单元212用于根据二阶数学模型进行云台闭环控制系统的建模；初始参数子单元213用于通过控制变量法调整云台闭环控制系统的控制参数，运行云台闭环控制系统获得云台闭环控制系统的阶跃响应，确定一定范围内的阶跃响应所对应的控制参数为可选取的初始控制参数。
[0112]
迭代模块22用于对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值。
[0113]
进一步，迭代模块22包括适应度子单元221、权重调节子单元222、更新参数子单元223和收敛子单元224，其中，适应度子单元221用于获取控制误差，根据所述控制误差通过适应度函数计算每个粒子的适应度值；权重调节子单元222用于若所述粒子的适应度值大于群体粒子平均适应度值的差值，则增大粒子的惯性权重；若所述粒子的适应度值小于群体粒子平均适应度值的差值，则减小粒子的惯性权重；更新参数子单元223用于根据所述惯性权重对所述粒子的参数值进行迭代；收敛子单元224用于若所述粒子的适应度值达到收敛，则结束迭代。
[0114]
优选地，在权重调节子单元222包括权重增大第二子单元和权重减小第二子单元，权重增大第二子单元用于增大所述粒子的惯性权重时，令所述粒子的惯性权重等于最大惯性权重；权重减小第二子单元用于减小所述粒子的惯性权重时，所述粒子惯性权重w的表达式为：w＝w
min-(w
max-w
min
)*(f-f
min
)/(f
avg-f
min
)，其中，w
min
为最小惯性权重，w
max
为最大惯性权重，f为当前粒子的适应度值，f
min
为粒子种群中粒子适应度值的最小值，f
avg
为粒子种群所有粒子的平均适应度值。
[0115]
输出模块23用于运行所述控制算法，输出用于控制无人机云台的控制信号。
[0116]
请参阅图10，其为一优选实施例的无人机云台控制装置的结构示意图。在一优选实施例中，无人机云台控制装置还包括隶属度模块24、模糊控制模块25和清晰化模块26，其中，隶属度模块24用于对所述粒子种群的粒子参数值进行多次迭代，将控制算法的控制参数设置为每次迭代的所述粒子参数值后，获取控制误差和控制误差变化速度，通过隶属度函数分别计算所述控制误差和所述控制误差变化速度的隶属度向量；模糊控制模块25用于根据所述控制误差和所述控制误差变化速度的隶属度向量依照所述模糊规则进行模糊推理，得到控制隶属度向量；清晰化模块26用于对所述控制隶属度向量进行清晰化处理，得到更新的控制参数。
[0117]
对于装置实施例而言，由于其基本对应于方法实施例，所以相关细节之处请参见方法实施例的说明。
[0118]
基于同一发明构思，本发明还提供一种电子设备，所述电子设备可以是服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。该电子设备包括一个或多个处理器和存储器，其中处理器用于执行程序实现方法实施例的无人机云台控制方法；存储器用于存储可由所述处理器执行的计算机程序。
[0119]
基于同一发明构思，本发明还提供一种计算机可读存储介质，与前述无人机云台控制方法的实施例相对应，所述计算机可读存储介质其上存储有计算机程序，该程序被处
理器执行时实现上述任一实施例所记载的无人机云台控制方法的步骤。
[0120]
本技术可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
[0121]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，则本发明也意图包含这些改动和变形。