面向四旋翼无人机的多目标优化 PID 控制器方法

将无人机整合到日常使用中需要控制器来确保稳定飞行、高效能源使用和降低噪声。比例积分微分控制器仍然是标准方法，但对增益选择高度敏感，手动调谐常常yield suboptimal trade-offs。本文研究了不同优化技术，用于在统一仿真环境下自动调谐四旋翼 PID 增益。该仿真环境将基于桨叶元素势法的气动模型与快速深度神经网络替代模型相结合，包含六自由度刚体动力学、湍流以及数据驱动的声学替代模型，后者预测第三八乐谱并传递至地面接收器. 我们比较了三类无梯度优化器：元启发式方法、贝叶斯优化和深度强化学习。通过包含噪声足迹和功耗等多个指标的复合代价函数评估候选控制器。元启发式方法始终改善性能，灰狼优化产生最优结果。贝叶斯优化样本高效，但每迭代开销较大且取决于设计域。强化学习智能体在当前设置下未超过基线，表明问题表述需要进一步细化。在未见的任务中，最佳调谐控制器保持准确跟踪，同时降低振荡、功耗和声学排放。这些结果表明，通过黑箱搜索实现声音感知的比例积分微分调谐，可在无需硬件变更的情况下实现更安静、更高效的飞行。