四旋翼的改进PSO-RBF神经网络自适应滑模控制

摘要

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型,提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上,利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数,从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数,搭建四旋翼的动力学模型,通过Lyapunov理论验证了系统的稳定性。仿真结果表明:与RBF神经网络自适应滑模控制器和双闭环PID控制器相比,改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量,其调节时间分别提升约50%和75%;改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。