在本文中，作为小型无人机控制的一部分，使用了一种改进的遗传算法来全局优化控制系统的PID参数。于遗传算法中个体的多样性分解得太快且容易陷入最佳局部特征，因此遗传算法已得到必要的改进，以确保个体的多样性和优化速度。真结果：改进遗传算法的PID控制器具有较好的适应性，稳定性，可以保证系统的控制效果，提高了系统性能。型无人机飞行控制系统的内环是通过飞行方向，飞行路径，飞行高度等进行外环控制的基础。[1]。中，在俯仰角控制的内部回路的基础上维持无人机的高度，并引入大气压力高度的反馈信号，以形成无人机稳定性的外部回路。人机的飞行高度；进给滚轮可实现轨迹控制和稳定性，控制通道构成了无人机飞行方向控制的外环。主导航飞行是在飞行导航控制回路的基础上进行的，引入了横向偏移返回，从而形成了外航道控制回路[2]。了获得更好的系统性能，本文将遗传算法引入航向控制器，并使用遗传算法在全局范围内优化PID参数。于侧倾角控制的内环的保证稳定性，获得航向角反馈信号，以构成飞行航向稳定性的外环控制器的参数。
于遗传算法中个体的多样性分解得太快且容易陷入最佳局部特征，因此遗传算法已得到必要的改进，以确保个体的多样性和优化速度。
人机可以被认为是具有多个输入和输出的非线性系统。常，它以其直接的水平飞行为参考运动，线性化整个机器的状态方程，并获得无人机的性能线性方程。
择合适的状态向量后，建立整个机器的小扰动状态方程。向维护/控制环可执行无人机的航向维护和航向调整功能。向控制的框图如图1所示。无人机飞行控制系统的设计中，使用以下方法建立了具有四个通道（俯仰，横滚，方向和高度）的线性模型。
小干扰进行分析，然后根据该模型选择PID控制参数[3]。好的动态飞行质量特性，同时考虑了性能的鲁棒性和稳定的鲁棒性[4]。
了获得令人满意的系统性能，本文使用遗传算法来优化PID参数。传算法是一种随机搜索算法，它使用系统参数执行遗传操作，例如复制，杂交和变异，以模拟自然进化并完成问题的优化。本遗传算法的框图如图2所示，改进的遗传算法如图3所示。优化过程中，第一步是优化内环的参数。
人机的侧倾角控制，然后针对航向角返回信号形成的无人机的飞行路径稳定性，优化外环控制器的参数。传算法优化中使用的样本数为50，本文使用遗传运算1时pc和pm的参数分别为0.25和0.1，目标是考虑算法的收敛性和精度；当遗传运算为2，pc和pm时，参数pm的值分别为0.45和0.7，目的是考虑种群的多样性和算法的研究能力。
制参数值的范围统一为[0.5]，权重步长为0.01 s。过50代优化后，采用二进制编码。了检查实际系统，引入了舵机动力的限制，副翼舵面积的限制为±20度。上述条件下最终获得的航向PID控制器的参数为：[1.44.3 1.45]，其仿真结果如图4所示。
个系统达到稳定的时间相对较短，恒温阀芯所需的上升时间较快，系统输出振荡的过冲较小，可以满足系统的要求。真结果表明，采用遗传算法设计的PID控制器具有更好的灵活性，适应性，稳定性，可以保证系统的控制效果，提高系统性能。文中的仿真结果使用改进的遗传算法验证了控制器的有效性。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com