付俊庆，林 朗

(1.长沙理工大学 汽车与机电工程院，湖南 长沙 410076；2.中南大学 机电工程学院，湖南 长沙 410083)

0 引言

近年来，四旋翼飞行器的发展受到了越来越多的关注，由于具有结构简单、机动性强等特点，四旋翼飞行器在军事和民用领域均展现出了巨大的应用价值.在现有的飞行器控制算法当中，PID算法被广泛应用.设计PID控制器时，控制器参数的选择往往决定了控制器最终能实现的控制效果.手动调节参数费时费力，也很难达到最优的控制效果，因此，研究控制器参数整定和优化方法的重要性就凸显了出来[1].四旋翼飞行器具有欠驱动、强耦合的特点，采用传统的整定方法(如Ziegler-Nichols法)很难获取控制器的最优参数.

随着人工智能算法的逐渐兴起，越来越多的算法被用于控制器参数的优化整定当中[2-4].目前，诸如遗传算法和模拟退火算法的一些随机搜索算法，均已在PID控制器的参数优化整定当中得到成功应用[5-6].相较于模拟退火算法，遗传算法采用并行搜索方式，因此其搜索速度更快.然而，当面对一些复杂的问题，特别是被优化参数相互关联时，常规遗传算法存在一定的缺陷，优化速度明显减慢.

粒子群算法(particle swarm optimization, PSO)由Kennedy和Eberhart在1995年提出，它是一种群体智能的优化算法[7].与同为群体智能优化算法的遗传算法相比，粒子群算法具有计算效率高、容易实现和计算量小等优势[8].基本的粒子群算法与常规遗传算法相似，在算法后期容易陷入局部最优中，找不到全局……