本申请涉及多旋翼无人机控制技术领域，特别是涉及一种轨迹跟踪优化控制、装置、多旋翼无人机及存储装置。
背景技术：
多旋翼无人机具有结构简单、飞行灵活、可垂直起降等特点，在军用与民用领域展示出广阔的应用前景，受到国内外学者的广泛关注。
多旋翼无人机的运动是由电机驱动旋翼产生，实际中电机由于物理上的限制只能达到有限转速，因此，多旋翼无人机具有控制器输入受限问题，即执行器饱和现象，这是控制工程中普遍存在但又经常被设计者所忽略的问题，该问题会使控制器输出达不到理论值，从而影响多旋翼无人机控制精度，导致系统调节时间延长、超调增大、振荡、甚至系统失稳。尤其在多旋翼无人机实际飞行环境较为复杂情况下，如出现大风扰、风切变等，将会加重输入受限对系统的恶劣影响，导致多旋翼无人机性能下降，严重甚至发生坠机事故。
现有的技术方案中，主要通过抗饱和控制来解决控制器输入受限问题，但是大多现有的抗饱和控制方法主要以抑制控制器饱和为主，未充分考虑环境因素影响，导致在复杂环境下飞行的多旋翼无人机往往会出现控制效率降低，鲁棒性变差的问题。
技术实现要素：
本申请提供一种轨迹跟踪优化控制方法、装置、多旋翼无人机及存储装置，以解决多旋翼无人机因输入受限导致性能下降的问题。
为解决上述技术问题，本发明提供了一种轨迹跟踪优化控制方法，包括：
获取预先设定的双闭环比例-积分-微分控制器的外环比例控制参数、外环微分控制参数，及无人机的轨迹跟踪误差和实际姿态角，并计算得到内环姿态角误差；
获取预先设定的双闭环比例-积分-微分控制器的内环比例控制参数、内环微分控制参数，并结合内环姿态角误差计算得到第一控制量；
当无人机的执行器饱和时，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量；
利用内环积分控制参数、内环姿态角误差、鲁棒抗饱和补偿量计算得到第二控制量；
利用第一控制量和第二控制量计算得到实际控制量；
根据实际控制量和轨迹跟踪误差对初始退饱和系数和初始鲁棒阈值进行粒子群优化处理，得到最优退饱和系数和最优鲁棒阈值；
根据最优退饱和系数和最优鲁棒阈值更新实际控制量，得到最优实际控制量，并根据最优实际控制量控制无人机。
作为本发明的进一步改进，当无人机的执行器饱和时，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量的步骤，包括：
当无人机的执行器饱和时，判断内环姿态角误差是否大于初始鲁棒阈值；
若内环姿态角误差大于初始鲁棒阈值，则鲁棒抗饱和补偿量为零；
若内环姿态角误差小于或等于初始鲁棒阈值，则获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量。
作为本发明的进一步改进，鲁棒抗饱和补偿量的计算公式为：
其中，
作为本发明的进一步改进，计算得到内环姿态角误差的步骤，包括：
利用外环比例控制参数、外环微分控制参数和轨迹跟踪误差计算得到内环姿态期望量；
计算内环姿态期望量和实际姿态角的差值，得到内环姿态角误差；
内环姿态期望量的计算公式为：
其中，r为内环姿态期望量，kpout为外环比例控制参数，kdout为外环微分控制参数，eout为轨迹跟踪误差。
作为本发明的进一步改进，第一控制量的计算公式为：
其中，u1为第一控制量，kpin为内环比例控制参数，kdin为内环微分控制参数，ein为内环姿态角误差。
作为本发明的进一步改进，第二控制量的计算公式为：
其中，u2为第二控制量，kiin为内环积分控制参数，ein为内环姿态角误差，
作为本发明的进一步改进，实际控制量的计算公式为：
un＝u1+u2；
其中，u为实际控制量，us为饱和控制量，un为名义控制量，u1为第一控制量，u2为第二控制量。
为了解决上述问题，本发明还提供了一种轨迹跟踪优化控制装置，包括：
第一计算模块，用于获取预先设定的双闭环比例-积分-微分控制器的外环比例控制参数、外环微分控制参数，及无人机的轨迹跟踪误差和实际姿态角，并计算得到内环姿态角误差；
第二计算模块，用于获取预先设定的双闭环比例-积分-微分控制器内环比例控制参数、内环微分控制参数，并结合内环姿态角误差计算得到第一控制量；
第三计算模块，用于当无人机的执行器饱和时，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量；
第四计算模块，用于利用内环积分控制参数、内环姿态角误差、鲁棒抗饱和补偿量计算得到第二控制量；
第五计算模块，用于利用第一控制量和第二控制量计算得到实际控制量；
参数优化模块，用于根据实际控制量和轨迹跟踪误差对初始退饱和系数和初始鲁棒阈值进行粒子群优化处理，得到最优退饱和系数和最优鲁棒阈值；
控制量优化模块，用于根据最优退饱和系数和最优鲁棒阈值更新实际控制量，得到最优实际控制量，并根据最优实际控制量控制无人机。
为了解决上述问题，本发明还提供了一种多旋翼无人机，多旋翼无人机包括处理器、与处理器耦接的存储器，其中，
存储器存储有用于实现上述任一项的轨迹跟踪优化控制方法的程序指令；
处理器用于执行存储器存储的程序指令以控制多旋翼无人机的飞行轨迹。
为了解决上述问题，本发明还提供了一种存储装置，存储有能够实现上述任一项的轨迹跟踪优化控制方法的程序文件。
本申请的有益效果是：本发明通过设计鲁棒抗饱和补偿量，根据内环姿态角误差大小自适应调节退饱和速度，再根据双闭环比例-积分-微分控制器的控制参数、内环姿态角误差、鲁棒抗饱和补偿量计算得到实际控制量，结合粒子群优化退饱和系数与鲁棒阈值，并对实际控制量进行更新，得到最优实际控制量，并根据最优实际控制量控制无人机，从而实现抗饱和优化控制，增强多旋翼无人机在输入受限的情况下轨迹跟踪控制的精度和抗扰动能力，提高了轨迹跟踪控制性能。
附图说明
图1是本发明第一实施例的轨迹跟踪优化控制方法的流程示意图；
图2是本发明第二实施例的轨迹跟踪优化控制方法的流程示意图；
图3是本发明实施例的轨迹跟踪优化控制装置的结构示意图；
图4是本发明实施例的多旋翼无人机的结构示意图；
图5是本发明实施例的存储装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
图1是本发明第一实施例的轨迹跟踪优化控制方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。需要说明的是，本发明的轨迹跟踪优化控制方法应用于多旋翼无人机上。
如图1所示，该轨迹跟踪优化控制方法包括步骤：
步骤s1，获取预先设定的双闭环比例-积分-微分控制器的外环比例控制参数、外环微分控制参数，及无人机的轨迹跟踪误差和实际姿态角，并计算得到内环姿态角误差。
需要说明的是，轨迹跟踪误差为期望轨迹与多旋翼无人机实际飞行轨迹的差值，期望轨迹预先设定。
具体地，双闭环比例-积分-微分控制器的外环比例控制参数、外环微分控制参数预先设定，无人机的实际飞行轨迹和实际姿态角可实时获取，轨迹跟踪误差根据实际飞行轨迹和预先设定的期望轨迹计算得到。本实施例中，利用外环比例控制参数、外环微分控制参数和轨迹跟踪误差计算得到内环姿态期望量，再计算内环姿态期望量和实际姿态角的差值，得到内环姿态角误差。
其中，内环姿态期望量的计算公式为：
其中，r为内环姿态期望量，kpout为外环比例控制参数，kdout为外环微分控制参数，eout为轨迹跟踪误差。
步骤s2，获取预先设定的双闭环比例-积分-微分控制器的内环比例控制参数、内环微分控制参数，并结合内环姿态角误差计算得到第一控制量。
具体地，双闭环比例-积分-微分控制器的内环比例控制参数、内环微分控制参数预先设定，在得到内环姿态角误差后，结合内环比例控制参数、内环微分控制参数进行计算，从而得到第一控制量，该第一控制量的计算公式为：
其中，u1为第一控制量，kpin为内环比例控制参数，kdin为内环微分控制参数，ein为内环姿态角误差。
步骤s3，当无人机的执行器饱和时，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量。
具体地，实时检测无人机的执行器是否饱和，当无人机的执行器饱和时，根据预先设定的初始退饱和系数和初始鲁棒阈值计算的到鲁棒抗饱和补偿量，实现自适应退饱和操作，而退饱和的速度可根据饱和程度进行调整。
进一步的，为了增强无人机抵抗扰动的性能，在一些实施例中，如图2所示，步骤s3包括：
步骤s31，当无人机的执行器饱和时，判断内环姿态角误差是否大于初始鲁棒阈值。若内环姿态角误差大于初始鲁棒阈值，则执行步骤s32；若内环姿态角误差小于或等于初始鲁棒阈值，则执行步骤s33。
具体地，当无人机的执行器饱和时，将内环姿态角误差与初始鲁棒阈值进行比较。
步骤s32，鲁棒抗饱和补偿量为零。
具体地，当内环姿态角误差大于初始鲁棒阈值时，将鲁棒抗饱和补偿量设置为零。
步骤s33，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量。
具体地，当内环姿态角误差小于或等于初始鲁棒阈值，则根据初始退饱和系数和初始鲁棒阈值进行计算，从而得到鲁棒抗饱和补偿量。
步骤s4，利用内环积分控制参数、内环姿态角误差、鲁棒抗饱和补偿量计算得到第二控制量。
具体地，利用内环积分控制参数、内环姿态角误差、鲁棒抗饱和补偿量计算第二控制量，该第二控制量的计算公式为：
其中，u2为第二控制量，kiin为内环积分控制参数，ein为内环姿态角误差，
步骤s5，利用第一控制量和第二控制量计算得到实际控制量。
具体地，根据第一控制量和第二控制量进行计算，从而得到实际控制量，其中，实际控制量的计算公式为：
un＝u1+u2；
其中，u为实际控制量，us为饱和控制量，un为名义控制量，u1为第一控制量，u2为第二控制量。
步骤s6，根据实际控制量和轨迹跟踪误差对初始退饱和系数和初始鲁棒阈值进行粒子群优化处理，得到最优退饱和系数和最优鲁棒阈值。
具体地，在得到实际控制量和轨迹跟踪误差之后，通过粒子群优化算法处理初始退饱和系数和初始鲁棒阈值，得到最优退饱和系数和最优鲁棒阈值。粒子群优化的具体过程为：
(1)初始化相关参数。包括粒子种群大小n，常数c1、c2，惯性权重w；在搜索空间随机初始化粒子群位置向量xi＝(a1,a2,β,v)，速度向量vi，局部最优pi，以及全局最优pg，其中，a1、a2为常数，β为初始退饱和系数，ν为初始鲁棒阈值。
(2)执行迭代操作。将每个粒子位置向量作为双闭环比例-积分-微分控制器的控制参数进行仿真操作，并根据适应度函数计算适应度值，具体计算公式为：
其中，e(τ)表示轨迹跟踪误差，u(τ)表示步骤s5得到的实际控制量，η1、η2为适应度函数的权值，适应度函数中加入控制量平方项，保证了粒子群整定出的参数不会使控制量过大，从而达到期望的控制效果。
(3)将粒子的适应度值与粒子个体最优值解pi的适应度值进行比较，若适应度值优于pi，则对pi、pg进行更新。
(4)更新每个粒子的速度向量vi和位置向量xi，具体为：
其中，w表示惯性权重，c1、c2表示pi、pg的系数，ξ为随机量，更新后的位置向量变为xi(t+1)。
(5)当迭代操作的次数达到预设次数之后，结束迭代，将最优退饱和系数和最优鲁棒阈值输出。
步骤s7，根据最优退饱和系数和最优鲁棒阈值更新实际控制量，得到最优实际控制量，并根据最优实际控制量控制无人机。
具体地，在得到最优抗饱和系数和最优鲁棒阈值之后，根据最优退饱和系数和最优鲁棒阈值重新计算得到最优的鲁棒抗饱和补偿量，再根据最优的鲁棒抗饱和补偿量和内环积分控制参数、内环姿态角误差计算得到最优的第二控制量，再根据第一控制量和最优的第二控制量计算得到最优的实际控制量，再根据该实际控制量控制无人机。
本实施例通过设计鲁棒抗饱和补偿量，根据内环姿态角误差大小自适应调节退饱和速度，再根据双闭环比例-积分-微分控制器的控制参数、内环姿态角误差、鲁棒抗饱和补偿量计算得到实际控制量，结合粒子群优化退饱和系数与鲁棒阈值，并对实际控制量进行更新，得到最优实际控制量，并根据最优实际控制量控制无人机，从而实现抗饱和优化控制，增强多旋翼无人机在输入受限的情况下轨迹跟踪控制的精度和抗扰动能力，提高了轨迹跟踪控制性能。
图3为本发明实施例的轨迹跟踪优化控制装置的结构示意图。如图3所示，该轨迹跟踪优化控制装置包括第一计算模块10、第二计算模块11、第三计算模块12、第四计算模块13、第五计算模块14、参数优化模块15和控制量优化模块16。
第一计算模块10，用于获取预先设定的双闭环比例-积分-微分控制器的外环比例控制参数、外环微分控制参数，及无人机的轨迹跟踪误差和实际姿态角，并计算得到内环姿态角误差。
第二计算模块11，用于获取预先设定的双闭环比例-积分-微分控制器内环比例控制参数、内环微分控制参数，并结合内环姿态角误差计算得到第一控制量。
第三计算模块12，用于当无人机的执行器饱和时，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量。
第四计算模块13，用于利用内环积分控制参数、内环姿态角误差、鲁棒抗饱和补偿量计算得到第二控制量。
第五计算模块14，用于利用第一控制量和第二控制量计算得到实际控制量。
参数优化模块15，用于根据实际控制量和轨迹跟踪误差对初始退饱和系数和初始鲁棒阈值进行粒子群优化处理，得到最优退饱和系数和最优鲁棒阈值。
控制量优化模块16，用于根据最优退饱和系数和最优鲁棒阈值更新实际控制量，得到最优实际控制量，并根据最优实际控制量控制无人机。
可选地，第三计算模块12当无人机的执行器饱和时，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量的操作可以为：当无人机的执行器饱和时，判断内环姿态角误差是否大于初始鲁棒阈值；若内环姿态角误差大于初始鲁棒阈值，则鲁棒抗饱和补偿量为零；若内环姿态角误差小于或等于初始鲁棒阈值，则获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量。
可选地，鲁棒抗饱和补偿量的计算公式为：
α＝a1+a2|un-us|；
其中，
可选地，第一计算模块10计算得到内环姿态角误差的操作可以为：利用外环比例控制参数、外环微分控制参数和轨迹跟踪误差计算得到内环姿态期望量；计算内环姿态期望量和实际姿态角的差值，得到内环姿态角误差；内环姿态期望量的计算公式为：
其中，r为内环姿态期望量，kpout为外环比例控制参数，kdout为外环微分控制参数，eout为轨迹跟踪误差。
可选地，第一控制量的计算公式为：
其中，u1为第一控制量，kpin为内环比例控制参数，kdin为内环微分控制参数，ein为内环姿态角误差。
可选地，第二控制量的计算公式为：
其中，u2为第二控制量，kiin为内环积分控制参数，ein为内环姿态角误差，
可选地，实际控制量的计算公式为：
un＝u1+u2；
其中，u为实际控制量，us为饱和控制量，un为名义控制量，u1为第一控制量，u2为第二控制量。
请参阅图4，图4为本发明实施例的多旋翼无人机的结构示意图。如图4所示，该多旋翼无人机60包括处理器61及和处理器61耦接的存储器62。
存储器62存储有用于实现上述任一实施例所述的轨迹跟踪优化控制方法的程序指令。
处理器61用于执行存储器62存储的程序指令以控制多旋翼无人机的飞行轨迹。
其中，处理器61还可以称为cpu(centralprocessingunit，中央处理单元)。处理器61可能是一种集成电路芯片，具有信号的处理能力。处理器61还可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
请参阅图5，图5位本发明实施例的存储装置的结构示意图。本发明实施例的存储装置存储有能够实现上述所有方法的程序文件71，其中，该程序文件71可以以软件产品的形式存储在上述存储装置中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储装置包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
技术特征：
1.一种轨迹跟踪优化控制方法，其特征在于，包括：
获取预先设定的双闭环比例-积分-微分控制器的外环比例控制参数、外环微分控制参数，及无人机的轨迹跟踪误差和实际姿态角，并计算得到内环姿态角误差；
获取预先设定的所述双闭环比例-积分-微分控制器的内环比例控制参数、内环微分控制参数，并结合所述内环姿态角误差计算得到第一控制量；
当所述无人机的执行器饱和时，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量；
利用所述内环积分控制参数、所述内环姿态角误差、所述鲁棒抗饱和补偿量计算得到第二控制量；
利用所述第一控制量和所述第二控制量计算得到实际控制量；
根据所述实际控制量和所述轨迹跟踪误差对所述初始退饱和系数和所述初始鲁棒阈值进行粒子群优化处理，得到最优退饱和系数和最优鲁棒阈值；
根据所述最优退饱和系数和所述最优鲁棒阈值更新所述实际控制量，得到最优实际控制量，并根据所述最优实际控制量控制所述无人机。
2.根据权利要求1所述的轨迹跟踪优化控制方法，其特征在于，所述当所述无人机的执行器饱和时，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量的步骤，包括：
当所述无人机的执行器饱和时，判断所述内环姿态角误差是否大于初始鲁棒阈值；
若所述内环姿态角误差大于初始鲁棒阈值，则所述鲁棒抗饱和补偿量为零；
若所述内环姿态角误差小于或等于初始鲁棒阈值，则获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量。
3.根据权利要求2所述的轨迹跟踪优化控制方法，其特征在于，所述鲁棒抗饱和补偿量的计算公式为：
α＝a1+a2|un-us|；
其中，
4.根据权利要求1所述的轨迹跟踪优化控制方法，其特征在于，所述计算得到内环姿态角误差的步骤，包括：
利用所述外环比例控制参数、所述外环微分控制参数和所述轨迹跟踪误差计算得到内环姿态期望量；
计算所述内环姿态期望量和所述实际姿态角的差值，得到内环姿态角误差；
所述内环姿态期望量的计算公式为：
其中，r为所述内环姿态期望量，kpout为所述外环比例控制参数，kdout为所述外环微分控制参数，eout为所述轨迹跟踪误差。
5.根据权利要求1所述的轨迹跟踪优化控制方法，其特征在于，所述第一控制量的计算公式为：
其中，所述u1为所述第一控制量，kpin为所述内环比例控制参数，kdin为所述内环微分控制参数，ein为内环姿态角误差。
6.根据权利要求1所述的轨迹跟踪优化控制方法，其特征在于，所述第二控制量的计算公式为：
其中，u2为所述第二控制量，kiin为内环积分控制参数，ein为内环姿态角误差，
7.根据权利要求1所述的轨迹跟踪优化控制方法，其特征在于，所述实际控制量的计算公式为：
un＝u1+u2；
其中，u为所述实际控制量，us为所述饱和控制量，un为所述名义控制量，u1为所述第一控制量，u2为所述第二控制量。
8.一种轨迹跟踪优化控制装置，其特征在于，包括：
第一计算模块，用于获取预先设定的双闭环比例-积分-微分控制器的外环比例控制参数、外环微分控制参数，及无人机的轨迹跟踪误差和实际姿态角，并计算得到内环姿态角误差；
第二计算模块，用于获取预先设定的所述双闭环比例-积分-微分控制器内环比例控制参数、内环微分控制参数，并结合所述内环姿态角误差计算得到第一控制量；
第三计算模块，用于当所述无人机的执行器饱和时，获取预先设定的初始退饱和系数和初始鲁棒阈值，并计算得到鲁棒抗饱和补偿量；
第四计算模块，用于利用所述内环积分控制参数、所述内环姿态角误差、所述鲁棒抗饱和补偿量计算得到第二控制量；
第五计算模块，用于利用所述第一控制量和所述第二控制量计算得到实际控制量；
参数优化模块，用于根据所述实际控制量和所述轨迹跟踪误差对所述初始退饱和系数和所述初始鲁棒阈值进行粒子群优化处理，得到最优退饱和系数和最优鲁棒阈值；
控制量优化模块，用于根据所述最优退饱和系数和所述最优鲁棒阈值更新所述实际控制量，得到最优实际控制量，并根据所述最优实际控制量控制所述无人机。
9.一种多旋翼无人机，其特征在于，所述多旋翼无人机包括处理器、与所述处理器耦接的存储器，其中，
所述存储器存储有用于实现如权利要求1-7中任一项所述的轨迹跟踪优化控制方法的程序指令；
所述处理器用于执行所述存储器存储的所述程序指令以控制多旋翼无人机的飞行轨迹。
10.一种存储装置，其特征在于，存储有能够实现如权利要求1-7中任一项所述的轨迹跟踪优化控制方法的程序文件。
技术总结
本发明公开了一种轨迹跟踪优化控制方法、装置、多旋翼无人机及存储装置，其通过预先设定的双闭环比例‑积分‑微分控制器的控制参数，初始退饱和系数和初始鲁棒阈值计算鲁棒抗饱和补偿量，且根据内环姿态角误差大小自适应调节退饱和速度，再利用控制参数、内环姿态角误差、鲁棒抗饱和补偿量计算得到初始的实际控制量，以初始的实际控制量和无人机的轨迹跟踪误差结合粒子群优化算法优化退饱和系数与鲁棒阈值，并以优化后的退饱和系数和鲁棒阈值更新实际控制量，得到最优实际控制量，并以此控制无人机，从而实现抗饱和优化控制，增强多旋翼无人机在输入受限的情况下轨迹跟踪控制的精度和抗扰动能力，提高了轨迹跟踪控制性能。
技术研发人员：彭程;白越;乔冠宇
受保护的技术使用者：中国科学院长春光学精密机械与物理研究所
技术研发日：.09.30
技术公布日：.01.10
如果觉得《轨迹跟踪优化控制方法 装置 多旋翼无人机及存储装置与流程》对你有帮助，请点赞、收藏，并留下你的观点哦！
