13、基于粒子群优化算法的无人机轨迹跟踪与控制

基于粒子群优化算法的无人机轨迹跟踪与控制

1. 引言

近年来，无人机（UAV）在农业、物流、监视等多种领域的应用日益广泛。旋翼无人机具备垂直起降（VTOL）和悬停飞行的能力，这使得它们能够在人类难以介入的关键应用场景中发挥作用。对于诸如旧建筑检查、灾难管理、海岸巡逻等关键应用，无人机需要具备精确的轨迹跟踪能力。为确保无人机的精确轨迹跟踪，高效的控制策略至关重要。

过去，人们采用了多种方法来实现无人机的轨迹跟踪控制。经典控制方法中，PID控制器被广泛用于控制无人机的轨迹跟踪。同时，LQR控制器也被用于轨迹跟踪，但在寻找最优解方面存在一定的局限性。为了提高跟踪性能，有研究提出将PID控制器与自然启发算法相结合，但这些方法中PID控制器的参数通常是固定的，无法在线更新。为克服这一缺点，有学者提出了在线PID - PSO控制器。

在本文中，我们采用传统方法与自然启发元启发式方法相结合的方式。使用基于PI/PD/PID的控制器进行四旋翼无人机（QUAV）的轨迹控制，并利用粒子群优化（PSO）算法对控制器增益进行优化。

2. 系统建模

四旋翼无人机是一类具有六个自由度和四个螺旋桨的无人机，属于欠驱动系统。其方向由绕x、y和z轴的横滚（φ）、俯仰（θ）和偏航（ψ）旋转角度描述。

根据空气动力学升力原理，第i个旋翼的角速度ωi会产生垂直推力Fi，计算公式如下：
[Fi = b\omega_i^2]
其中，i∈{1, 2, 3, 4}，b为推力系数。

旋翼速度与残余角速度（γ）、净垂直推力以及绕x、y和z轴的扭矩之间的关系由以下方程表示：
[U1 = b(\omega_1^2 + \o