本发明主要涉及机器学习在无人机pid控制律参数整定过程中的。
背景技术：
：：1、随着机器学习和无人机控制系统的快速发展，如何设计高性能梯度优化算法进行pid控制律参数整定，从而快速设计无人机pid控制律，成为了一个热点研究问题。近年来，学者们发现梯度优化算法可以看成非线性反馈控制系统，利用控制系统的有关知识可以有效地分析优化算法的收敛特性和设计新型优化算法。然而现有的优化算法大都只能实现渐近收敛，为了加快算法的收敛速度，有限时间和固定时间理论被用于梯度优化算法的设计，可以保证算法在有限/固定时间内收敛到极小值点，从而快速设计高性能无人机控制律。2、对比论文“k.garg and d.panagou,“fixed-time stable gradientflows:applications to continuous-time optimization,”ieee transactions on automaticcontrol,vol.66,no.5,pp.2002-2015,2021.”中提出的固定时间梯度优化算法，其主要思想是利用文献“a.polyakov,“nonlinear feedback design for fixed-timestabilization of linear control systems,”ieee transactions on automaticcontrol,vol.57,no.8,pp.2106-2110,2011.”中的固定时间收敛理论进行设计，该固定时间收敛方法需要整定的参数过多，且在梯度为零时，由于梯度范数出现在分母上，存在奇异性问题。区别于已有固定时间收敛理论，本发明提出了一种新型分数阶自适应步长策略，在此基础上设计了二阶固定时间优化算法，算法的收敛时间与初值和目标函数特性无关，与已有固定时间优化算法相比，所提算法需要整定的优化算法参数更少，且消除了在梯度为零时的奇异现象，实际使用时更加简单可靠。技术实现思路1、本发明公开发明了一种基于分数阶自适应步长固定时间二阶优化算法的无人机pid控制律参数整定方法，方法实施主要包括下述步骤：确定无人机姿态控制律中优化问题的目标函数；计算目标函数的梯度，设计步长的分数阶自适应更新方程；利用目标函数的梯度信息和海森矩阵信息，并结合自适应步长设计优化变量的更新方程；根据期望的收敛时间，设计合适的优化算法参数；根据设计的更新方程，在给定初值后，完成优化问题的求解，给出无人机姿态控制律的参数优化结果。本发明从自适应步长角度出发设计了一种基于全新的分数阶自适应固定时间梯度优化算法的无人机姿态控制律参数整定方法，该方法的收敛时间与无人机姿态控制律的初始参数和目标函数特性无关，与已有研究相比，本发明所提方法需要整定的优化算法参数更少，且在梯度为零时不会存在奇异问题，实际使用时更加简单可靠。2、本发明公开发明了一种基于自适应步长固定时间梯度优化算法的无人机pid控制律参数整定方法方法实施主要包括下述步骤：确定无人机pid控制律参数整定的目标函数；计算目标函数的梯度，设计步长的分数阶自适应更新方程；利用目标函数的梯度信息和海森矩阵信息，并结合自适应步长设计优化变量的更新方程；根据期望的收敛时间，设计合适的优化算法参数；根据设计的更新方程，在给定pid控制律参数的初值后，完成优化问题的求解得到pid控制律参数。具体包括以下步骤：3、步骤1：根据无人机线性控制系统时域特征确定无人机pid控制律参数整定优化问题的目标函数和对应的函数特性。考虑x＝[kp,ki,kd]的无约束优化问题其中函数f(x)为有唯一极小值点x*的二次可微严格凸函数，且其海森矩阵存在且可逆。4、步骤2：计算目标函数的梯度，设计步长的自适应更新方程，实时更新步长。初始化自适应步长θ(0)＝0，计算无人机姿态控制系统性能参数的目标函数f(x)的梯度为利用梯度信息设计如下步长的分数阶自适应更新方程5、6、其中0＜α＜1，0＜β＜1，ρ＞0为自适应增益，dβ表示卡普托定义下的分数阶微分，即：7、其中γ(·)为伽玛函数。8、步骤3：利用目标函数的梯度信息和海森矩阵信息，并结合自适应步长设计优化变量的更新方程。计算目标函数f(x)的梯度为其海森矩阵为结合步骤2中的自适应步长，设计如下优化变量的更新方程9、10、其中0＜α＜1，表示对的每一项做1-α次幂运算。11、步骤4：根据期望的收敛时间设计合适的优化算法参数。如果期望的收敛时间上界为t，那么可以按照如下步骤设计参数12、a)任意选取0＜α＜1和0＜β＜1；13、b)根据仿真结果或者查表得到标准mittag-lefflere1+β,1(-t1+β)函数的零点t0，其中14、mittag-leffler函数的定义为15、c)依据mittag-leffler函数的尺度变换特性，可以得到e1+β,1(-ραt1+β)的零点为16、17、d)选取合适的ρ，使得即可。18、步骤5：按照步骤2-4设计的步长更新方程、优化变量更新方程和参数进行迭代，也即19、对任意初始值x(0)可以实现在固定时间t内收敛到极小值点x*得到无人机pid控制律中比例kp、积分ki、微分kd的优化结果。20、本发明的特点及有益效果在于：21、与现有无人机pid控制律参数整定中的固定时间梯度优化算法的设计思路不同，本发明首次提出了一种基于自适应步长的固定时间梯度优化算法的无人机姿态控制律参数整定方法，可以保障收敛到极小值点的时间与无人机pid控制律的初始参数x(0)＝[kp(0),ki(0),kd(0)]和函数特性无关。对比已有方法，本发明所提方法需要整定的优化算法参数更少，且在梯度为零时不会存在奇异问题，实际使用时更加简单可靠。技术特征：1.一种基于分数阶自适应步长固定时间二阶优化算法的无人机pid控制律参数整定方法，其特征在于，具体包括以下步骤：2.根据权利要求1所述的一种基于分数阶自适应步长固定时间二阶优化算法的无人机pid控制律参数整定方法，其特征在于，所述的步骤1中，无人机pid控制律参数整定时需要将无人机控制通道的线性传递函数得到，设计包含x＝[kp,ki,kd]的pid控制律，将时域特征中超调量、调节时间作为关键性能指标考虑凸优化问题其为二阶可微严格凸函数，有全局极小值点x*＝0，其海森矩阵为存在且可逆。3.根据权利要求1所述的一种基于分数阶自适应步长固定时间二阶优化算法的无人机pid控制律参数整定方法，其特征在于，所述的步骤4中，设置期望的收敛时间上界为t；根据0＜α＜1，0＜β＜1，选取α＝α*，β＝β*，根据仿真结果得到的第一个零点为t0；选取合适的ρ，使得即可，可以算出ρ≥ρ0即可满足要求，这里取ρ＝ρ*。4.根据权利要求1所述的一种基于分数阶自适应步长固定时间二阶优化算法的无人机pid控制律参数整定方法，其特征在于，所述的步骤5中，初始化x(0)＝[kp(0),ki(0),kd(0)]，依据更新方程进行迭代，在固定时间t内收敛到极小值点x*＝[kp*,ki*,kd*]，得出无人机pid控制律参数整定结果。技术总结一种基于分数阶自适应步长固定时间二阶优化算法的无人机PID控制律参数整定方法，包括下述步骤：确定优化问题的目标函数；计算目标函数的梯度，设计步长的分数阶自适应更新方程；利用目标函数的梯度信息和海森矩阵信息，并结合自适应步长设计优化变量的更新方程；根据期望的收敛时间设计优化算法参数；根据设计的更新方程，在给定PID控制律的比例、积分、微分的初值后，完成优化问题的求解得到PID参数。本发明从自适应步长角度出发，采用该方法对无人机PID控制律参数整定时收敛时间与参数初值和目标函数特性无关，与已有研究相比，本发明方法需要整定的优化算法参数更少，且在梯度为零时不会存在奇异问题，实际使用时更加简单可靠。技术研发人员：陈思远,李昂,黄海洋,李雪伟受保护的技术使用者：沈阳飞机设计研究所扬州协同创新研究院有限公司技术研发日：技术公布日：2024/3/21