用人工智能解决无人飞行器PID复杂调参问题
人工智能技术如何改善航空航班调度系统
人工智能技术如何改善航空航班调度系统近年来，随着人工智能技术的迅猛发展，它在各个领域的应用也越来越广泛。
其中，航空航班调度系统是一个非常重要的领域，而人工智能技术的应用正是为了改善这一系统。
本文将探讨人工智能技术如何改善航空航班调度系统，并分析其优势和挑战。
首先，人工智能技术可以通过数据分析和预测来提高航班调度的准确性和效率。
航空公司每天都会收集大量的数据，包括航班的起飞和降落时间、机场的交通情况、天气预报等等。
通过人工智能技术，这些数据可以被快速整理和分析，从而帮助航空公司更准确地预测航班的延误和取消情况，及时调整航班计划，提前安排备用航班或改变航线，以减少对旅客的影响。
其次，人工智能技术可以帮助航空公司优化航班调度，以提高效率和降低成本。
传统的航班调度系统往往依赖于人工的经验和决策，这可能会导致一些不必要的延误和浪费。
而人工智能技术可以通过机器学习和优化算法，自动分析和调整航班计划，使得航班的起降时间和航线更加合理，减少等待时间和燃料消耗，从而提高航班调度的效率和经济性。
此外，人工智能技术还可以改善航空航班调度系统的安全性。
航班调度系统涉及到大量的信息和决策，如果出现错误或失误，可能会对航班的安全产生严重的影响。
而人工智能技术可以通过自动化和智能化的方式，减少人为因素的干扰，提高系统的稳定性和可靠性。
例如，人工智能可以通过监控和预测飞机的维修需求，及时安排维修工作，避免飞机在飞行中出现故障或事故。
然而，人工智能技术在改善航空航班调度系统中也面临一些挑战。
首先，数据的准确性和完整性是人工智能技术的基础，但航空领域的数据往往存在着不确定性和复杂性。
例如，天气预报的准确性可能会受到影响，机场的交通情况也可能发生变化。
因此，如何处理这些不确定性和复杂性，是人工智能技术在航空航班调度系统中的一个重要挑战。
其次，人工智能技术的应用需要得到航空公司和相关机构的支持和合作。
航空公司的决策和操作往往受到多方面的影响，包括政策法规、航空市场的竞争等等。
无人机飞行PID控制及智能PID控制技术研究
无人机和有人机相比，具有许多优点。第一，成本低，效费好，造价数万至数十 万美元，仅个别最先进的大型机超过２０００万美元。第二，没有人员伤亡和被俘的风 险，可深入敌军纵深军事要地上空实施侦察和作战。第三，生存力强，有较强的突防 能力，可以在超低空到超高空的广阔空间长期盘旋监视战场，提供人造卫星、Ｕ－２侦 察机难以奏效的情报。第四，机动性好，小型无人机体积小、重量轻，不要求有专门 设备和机场起降，便于跟随野战部队行动作战。
关键词：无人机，常规ＰＩＤ，智能ＰｌＤ，飞行控制，纵向控制，横侧向控制
硕Ｊ＝－论文
无人机飞行ＰＩＤ控制及智能ＰＩＤ控制技术研究
ＡＢＳＴＲＡＣＴ
Ａｓ ｇｒｅａｔ ｂｅｎｅｆｉｔｓ ａｒｅ ｇｏｔ ｆｒｏｍ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ ＵＡＶ（ｕｎｍａｎｎｅｄ ａｉｒ ｖｅｈｉｃｌｅ），
ｅｓｐｅｃｉａｌｌｙ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎｓ ｉｎ ｍｉｌｉｔａｒｙ ｆｉｅｌｄ，ｍｏｒｅ ａｎｄ ｍｏｒｅ ａｔｔｅｎｔｉｏｎ ｉｓ ｐａｉｄ ｔｏ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ＵＡＶ ｉｎ ｔｈｅ ｗｏｒｌｄ．Ｉｂ ａｃｃｏｍｐｌｉｓｈ ｔｈｅ ｃｏｍｐｌｉｃａｔｅｄ ｍｉｓｓｉｏｎｓ ｓａｆｅｌｙ ａｎｄ ｅｆｆｅｃｔｉｖｅｌｙ，ｔｈｅｒｅ ｍｕｓｔ ｂｅ ａｎ ａｄｖａｎｃｅｄ ｆｌｉｇｈｔ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ．Ｔｈｅｒｅｆｏｒｅ ｔｈｅ ｒｅｓｅａｒｃｈ ｗｏｒｋ ｏｆ ＵＡＶ’ｓ ｆｌｉｇｈｔ ｃｏｎｔｒｏｌ ｍｕｓｔ ｂｅ ｅｎｈａｎｃｅｄ．
无人驾驶飞机（下面简称无人机）是１９１７年英国首先研制成功的。２０世纪５０ 年代，世界各国空军大量装备ＵＡＶ作为空靶。６０年代，美国率先研制成功无人驾驶 侦察机，并开始用于越战。无人机受到越来越多国家的青睐，发展迅猛。在１９８２年 的中东战争中，以色列在贝卡谷地交战中，用“侦察兵”和“猛犬”无人机诱骗叙军 的地空导弹的制导雷达开机，侦查获取了雷达的工作参数并测定了其所在位置。无人 机的飞速发展是在海湾战争后，以美国为首的多国部队的无人机在海湾战争中成功地 完成了战场侦察、火炮校射、通信中继和电子对抗任务。无人机的研制成功和战场运 用，揭开了以远距离攻击型智能化武器、信息化武器为主导的“非接触性战争”的新 篇章，由此引发了无人机及其飞行控制研究的热潮。
飞行器控制系统中的人工智能技术研究
飞行器控制系统中的人工智能技术研究近年来，人工智能（Artificial Intelligence，简称AI）技术的快速发展给各个领域带来了前所未有的机遇和挑战。
在航空领域，飞行器控制系统中的人工智能技术正逐渐得到广泛关注和应用。
本文将就这一主题展开探讨，并分析人工智能技术在飞行器控制系统中的应用和发展趋势。
人工智能技术在飞行器控制系统中的应用主要涵盖了自主导航、决策支持和故障诊断等方面。
首先，在自主导航方面，人工智能技术可以通过模式识别和感知判断，实现对飞行器所处的空域环境的智能感知和地面导航设备的智能导航，从而保证飞行器的安全飞行。
其次，在决策支持方面，人工智能技术可以通过数据融合和多传感器融合，提供更为准确和可靠的飞行参数，帮助飞行员在复杂的飞行环境下作出合理的决策。
此外，在故障诊断方面，人工智能技术可以通过智能算法和故障模式识别，及时判断飞行器出现的故障类型和影响范围，提供故障诊断的准确性和效率性。
飞行器控制系统中人工智能技术的研究主要围绕智能控制、智能感知和智能决策三个方面展开。
首先，智能控制是指利用人工智能技术提高飞行器控制系统性能的研究。
其中，基于机器学习的控制算法是当前的研究热点之一。
机器学习技术能够从大量的数据中学习到飞行器的控制策略和规律，提高飞行器控制系统的自主性和适应性。
其次，智能感知是指利用人工智能技术提高飞行器环境感知的研究。
智能感知可以通过对多源数据的融合和处理，提供全面的飞行环境信息，从而提高飞行器在复杂环境下的感知能力和安全性。
最后，智能决策是指利用人工智能技术提高飞行器决策能力的研究。
利用决策树、神经网络和模糊逻辑等技术，可以根据不同的飞行情况和飞行目标，为飞行器提供智能化的决策支持。
人工智能技术在飞行器控制系统中的应用还面临着一些挑战。
首先，对于人工智能算法的性能和稳定性要求较高。
飞行器的安全飞行是人们关注的首要问题，对于人工智能技术的性能和稳定性要求较高，不能容忍随意的错误和失误。
人工智能技术在航空航天领域中的应用难题与解决方案
人工智能技术在航空航天领域中的应用难题与解决方案近年来，随着科学技术的快速发展，人工智能技术在各行各业都起到了重要的作用。
航空航天领域作为科技创新的前沿领域，也逐渐引入了人工智能技术。
人工智能技术在航空航天领域中的应用旨在提高飞行安全性、减少人为错误、提高工作效率等方面。
然而，由于航空航天领域的特殊性，人工智能技术在该领域的应用也面临着一些难题。
本文将探讨人工智能技术在航空航天领域中的应用难题，并提出相应的解决方案。
一、应对天气变化的挑战航空航天领域的一个主要难题是天气变化对飞行安全的影响。
恶劣天气条件下的飞行会增加事故发生的风险。
人工智能技术能够通过分析并预测天气状况，帮助飞行员做出更准确的决策，但天气预测的准确性和实时性仍然是一个挑战。
解决方案：1. 引入更复杂的数据模型：通过利用先进的数值模型和气象卫星数据，改善天气预测的准确性。
利用人工智能技术对大量数据进行分析，从而提高天气预测的精度。
2. 实时更新和传输数据：及时收集和传输天气数据，并将其与人工智能系统相结合，以便在恶劣天气条件下做出及时的决策。
二、自主决策和应急处理在航空航天领域中，飞行器需要具备自主决策和应急处理的能力。
然而，人工智能系统的自主决策和应急处理能力仍然有待提高。
解决方案：1. 强化自主决策能力：开发能够自主分析和处理信息的智能系统，使其能够在发生紧急情况时做出准确和及时的决策。
2. 引入强化学习算法：通过引入强化学习算法，让人工智能系统通过试错学习，不断改进自身的决策能力和处理能力。
三、飞行员培训和技术支持在航空航天领域中，人工智能技术的应用需要针对飞行员的培训和技术支持进行改进。
飞行员需要掌握并适应新技术，同时需要在使用人工智能系统时能够充分发挥其优势。
解决方案：1. 优化培训流程：制定全面的培训计划，包括人工智能系统的操作、故障排除等，提高飞行员对人工智能系统的使用能力。
2. 提供技术支持：建立完善的技术支持体系，为飞行员提供及时的技术支持和指导，解决在使用人工智能系统时遇到的问题。
人工智能优化飞行器设计
人工智能优化飞行器设计随着科技的不断发展和人类对于航空事业的深入探索，飞行器发展迅速。
然而，飞机的设计和制造需要考虑多方面因素，如飞行效率、经济性、安全性等，这些需求往往冲突，难以达到完美平衡。
因此，如何优化飞行器的设计，是一个需要解决的难点。
而人工智能技术的出现，为此提供了一个有利条件。
一、人工智能与优化设计人工智能可以理解为一种模拟人类智能的技术，其核心在于机器学习。
所谓机器学习，即让计算机根据一定的数据进行学习，从而获得决策的能力。
优化设计则是一种将价值观和目标函数转化成优化的过程，在满足约束条件的前提下，通过调整预设参数，使得目标函数获得最优值的方法。
人工智能可以应用于优化设计中，通过训练神经网络和深度学习等技术，使其可以自主地对数据进行学习和分析，进而对设计过程进行指导和提高。
二、人工智能在飞行器设计中的应用在飞行器设计中，人工智能可以应用在多个方面。
其中最为显著的是飞行器的优化设计。
以飞机翼型设计为例，传统的翼型设计是基于经验公式进行计算的，需要不断地进行补充和修正。
而通过人工智能技术，可以对翼型数据进行分析和拟合，并根据不同的目标函数进行选择和优化。
这样，就可以得到更为合理的翼型设计，从而提高飞机的飞行效率和安全性。
除此之外，人工智能还可以应用于飞行器传感器的设计和选择。
传感器是飞行器关键的组成部分之一，通过采集各种数据，帮助机组人员进行管控和决策。
而通过人工智能的技术，可以对传感器进行智能化的选择和配置，从而使得数据的采集更加准确和智能化。
此外，人工智能技术还可以应用于飞行器的姿态控制和维修故障的分析等方面，通过数据分析和模型训练，提高飞行器的运行效率和安全性。
三、人工智能优化飞行器设计的发展趋势随着人工智能技术和飞行器设计的不断发展，人工智能优化飞行器设计的应用将会越来越广泛。
未来，人工智能在飞行器设计中的应用将会从传感器和控制系统等单一方面发展到整个设计与维护过程的全方位优化。
智能化控制PID调试与人工智能的结合
智能化控制PID调试与人工智能的结合智能化控制PID调试是现代工业自动化领域的重要技术之一。
随着人工智能技术的不断发展和应用，将PID调试与人工智能相结合，可以进一步提高调试的效率和精度，实现更加智能化的控制系统。
一、智能化控制PID调试的基本原理PID（比例-积分-微分）控制是一种常用的自动控制方式，能够使系统达到稳态，提高系统的响应速度和稳定性。
实际中，根据控制对象的特点和需求，需要对PID控制器的参数进行调整。
传统的PID调试通常是基于经验和试错的方式进行，效率较低且存在一定的局限性。
二、人工智能在PID调试中的应用人工智能技术包括机器学习、深度学习和模糊逻辑等方法，这些方法能够基于大量的数据进行模型的训练和优化，实现对控制系统的智能化调节。
1. 机器学习在PID调试中的应用机器学习是一种通过模型和算法从数据中学习和预测的方法。
在PID调试中，可以通过机器学习算法对系统的特性和参数进行建模，自动进行参数调整和优化。
例如，可以使用回归算法建立系统的输入与输出之间的映射关系，基于历史数据训练模型，推导出最优控制参数。
通过不断的学习和调整，实现PID控制器的自适应调节。
2. 深度学习在PID调试中的应用深度学习是一种基于神经网络的机器学习方法，可以通过多层次的神经网络结构模拟人脑的工作原理，实现对复杂系统的建模和预测。
在PID调试中，可以使用深度学习算法构建神经网络模型，通过输入系统的状态和目标输出，自动调整PID参数。
深度学习的优势在于能够处理大规模和复杂的数据，提高控制系统的鲁棒性和性能。
3. 模糊逻辑在PID调试中的应用模糊逻辑是一种基于模糊推理的控制方法，能够处理不确定和模糊的问题。
在PID调试中，可以使用模糊逻辑对系统的状态和响应进行模糊推理，自动调整PID的控制参数。
模糊逻辑方法可以通过规则库和模糊控制器来实现对PID的调试。
根据不同系统的需求和特性，可以设置不同的模糊规则和参数，实现智能化的PID调试。
航空航天PID调试技术在飞行控制系统中的应用
航空航天PID调试技术在飞行控制系统中的应用航空航天行业一直在不断追求飞行控制系统的精确性和稳定性。
PID（比例-积分-微分）调试技术是一种常见的控制器调试方法，被广泛应用于飞行控制系统中。
本文将探讨航空航天PID调试技术在飞行控制系统中的应用，并分析其在提高飞行控制精确性和稳定性方面的作用。
一、PID调试技术概述PID控制器是一种基于当前偏差（误差）、积分项和微分项来调整输出的控制设备。
其基本原理是通过对偏差、时间和积分项的综合计算，实现对控制信号的精确调整，以达到期望的控制效果。
PID调试技术被广泛应用于飞行控制系统中，以提高飞行器的控制性能和稳定性。
二、PID调试技术在飞行控制系统中的应用1. 姿态控制PID调试技术在飞行控制系统中的一个主要应用是姿态控制。
通过对飞行器的姿态进行监测和调整，可以使飞行器的飞行方向、姿势和稳定性得到有效控制。
PID控制器可以根据实时的姿态差异和飞行控制系统的特性，对飞行器进行精确的调整，实现稳定和准确的飞行。
2. 航迹控制航迹控制是飞行控制系统中的另一个重要应用领域。
通过对航迹的监控和调整，可以确保飞行器按照预定的路径飞行，避免偏离目标轨迹。
PID调试技术通过对航迹偏差的实时测量和调整，可以使飞行器保持在理想航迹上，并实现高精度的航行控制。
3. 高度和速度控制除了姿态和航迹控制，PID调试技术还广泛应用于飞行控制系统中的高度和速度控制。
通过对飞行器的高度和速度进行监测和调整，可以实现飞行器的垂直和水平稳定性。
PID控制器可以根据实时的高度和速度误差，调整控制信号，确保飞行器保持在预定的高度和速度范围内。
三、航空航天PID调试技术的挑战与解决方案尽管PID调试技术在飞行控制系统中具有广泛应用，但也面临着一些挑战。
其中之一是飞行器的非线性特性，使得PID参数的选择和调整变得更加困难。
另一个挑战是PID参数的准确性和稳定性，需要根据飞行器的动态特性进行合理的选择和调整。
飞行器控制中的模糊PID控制策略研究
飞行器控制中的模糊PID控制策略研究飞行器控制是一项非常重要的技术，它对于安全、舒适的飞行和有效的任务完成起着关键作用。
控制飞行器的关键是要保持其飞行姿态的稳定。
而PID控制器是其中一种常用的控制策略，它可以通过反馈控制来将系统保持在目标状态，但是在某些情况下，PID控制器更难以处理，此时就需要使用模糊PID控制策略来解决问题。
一、PID控制器的优缺点PID控制器被广泛应用于飞行器控制中，其优点在于简单易用，拥有很好的干扰鲁棒性和稳定性。
在PID控制器中，输出产生的偏差经过比例、积分、微分三个环节得出控制量，使得飞行器能够保持目标状态。
虽然PID控制器具有这些优点，但是其在某些情况下也有缺点。
例如，PID控制器的响应速度较慢，容易因参数调节不当而产生过调和欠调等问题。
因此，它并非在所有情况下都能够产生理想效果。
二、模糊PID控制器的原理模糊PID控制器是一种PID控制器的改进。
它可以通过模糊逻辑控制的方法来对PID控制器进行优化。
模糊PID控制器的原理是把PID控制器的三个环节的控制误差和变化率转化为模糊度量，然后使用模糊逻辑控制器进行处理，最后再转化为输出量。
模糊PID控制器可以分为两个部分：一是前馈回路，用于测量控制器输入量的变化率；二是反馈回路，用于根据控制器输入量和目标输出量的误差进行调节。
三、模糊PID控制器的优缺点相比于PID控制器，模糊PID控制器具有更好的鲁棒性、稳定性和响应速度。
这是因为模糊PID控制器能够通过控制静态误差和变化率来调整输出量，从而实现更精确的控制。
此外，模糊PID控制器还能够自适应环境和参数变化，有效应对不确定性问题。
然而，模糊PID控制器相较于PID控制器也存在一些缺点。
首先，模糊PID控制器需要复杂的算法，并且调试参数是非常困难的。
其次，模糊PID控制器需要进行系统建模，需要消耗更多的计算资源。
四、应用举例模糊PID控制器的在飞行器控制中的应用，可以举出一些例子。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Gongyi yu Jishu♦工艺与技术
用人工智能解决无人飞行器PID复杂调参问题
黄峰廖德龙李建仁张宏伟何质彬
(广州刀锋智能科技有限公司，广东广州510032)
摘要+从当前发展趋势看，科学技术得到创新变革，人工智能自主学习成为各个行业应用的工具，人工智能逐渐替代人工完成简 单繁复的工作已经是大势所趋，作为应用前景广阔的技术，人工智能受到了人们的关注与重视。
实现串级P I D调参与人工智能的多层深 度学习 <到 的能，为无人机的技术核心发展作出贡献。
现主要从多个角度展开论述，研宄人工智能在P I D算法中的应用，可为关人士提供参。
关键词+P I D调参;深度学习；神经 人工智能
0引言
从 <技术的 发展，已
经成为当前 的技术 ，人工智能则成为了当前科学技术的。
应用 经 学习 的新技术，实现人工
智能，能 无人机的 ，无人P I D复调参的经 学习实现，能 无人 技术 智能 发展，所 ，新 ，无人 人工智能 具有重大现实 。
1人工智能和PID基本概述
人工智能 多学科，应用技术，括语言学 学、心学，人工智能技术的主要 是 I 人的智，多的科技具有基本的行为能。
，按偏差的比例（P)、积分①和微分(D)进 行 的P I D(亦称P I D调节）是应用最为广泛的一种自。
它具有原简单，易于实现，适用面广，控制参独立，参数的选定比较简单优点。
文 用P I D控f 无人机的 ，该 构简单 工作可靠、调 便，其P I D控制系统原理框图如图1所示。
图1P ID控制系统框图
2神经网络技术对PID算法的重要作用
2.1 PID位置算法
2.1.1离散公式
由于模拟的微积分运 应计算机来说不太好写代码，所以要利用 将 离散化。
其％为 间，由％之的参是常量，所将）p乘入公 转换成另一种写，这个公叫位置。
由于要不断地累加（，增了计算量，所这个公式又转换为増量 b
=)p(\1+^&+&4'le i-)p(\1 +!&L'le i-1+)p&4ei-2
=A e l+B el-i+C e l-2
然后！("）=! ("-1)+!。
前，行业P I D调参常采用遇限削弱积积分分离有效 计P I D位置，然而无人机外形与重心变，原有P I D参就不能满足新的飞行的需求，调参工作 复 难操作。
如何提高P I D调参效率，保障飞行器的和安全有至关重要的意义。
2.1.2飞系统用
目前，国内外开源飞系统用的一些其效果如下：
(1) .+ + 单级 P I D。
效果：简单 ，是 效果差，单级P I D响应慢，打效应 。
(2) _+卡尔曼滤波+单级P I D。
效果:卡尔曼 噪声大，滞后略微严重，单级P I D难操作，应，效应。
较适初学的人，难
串级P I D，易。
(3) + (德国开源四轴)+串级P I D。
效果 难 ，PI的适
业人，P I D参较单级P I D参数难调。
应极佳，稳
度高，易操作，是前的主流算法。
2.2深度学习与多层神经网络
学习 的源 人工 经 的，它是
学习中一种 进行 学习的 。
2006年，Hinton Science》和关发了文，出了
的。
与 统的 ，有一个 ”(pre-training)的过程，这可以方便 经
中的 到一个最优的，之后 用“微调”(fine-tuning)技术 个 进行优 。
这两种技术的运用大 了多层经的间，它多层经关的学习 了一个新名词——深度学习。
3利用深度学习动态调整PID参数的可行性
P I D控制器是一个线性的控制器，P I D已然成为了世界上 用最 的。
只有 的、符合要求的 系统能P I D下实现良好的 效果，飞行器外 是变化的，现有P I D参下飞行飞行。
机电信息2018年第24期总第558期
85
工艺与技术♦!〇!#$%&yu Jishu
利用深度学习R N N学习P I D参数，在飞行过程中进行实时 影响，通过飞行过程震荡数据，得到一个相对稳定的参数，在 这个参数的基础上利用人工智能实时微调P I D参数，使飞行器 处于最佳的飞行稳定状态。
3.1神经网络技术在PID算法中的应用
一般的感知器(Perceptrons)工作原理:接收一系列二进制 输入，经过特定的规则计算之后，输出一个简单的二进制。
而Sigmoid神经兀（Sigmoid N e u r o n s)工作原理：权重或偏 差有较小的变化，导输出有较小的变化(！权重，"偏差）。
感知器与Sigmoid神经元的差别：
(1) 感知器输出0或1;
(2) Sigmoid神经元 输出0或1，其可输出[0，1]之间的。
实上，对于单个感知器的权重偏的改变有时会造成该感知器输出的完全转，0变1。
这 转 会造成 进行了改变。
2 ，这理，的数，学习更加深入。
在神经网络中，一神经元学习到的是前一层神经元值的 的。
一个 学习到的的特 ，二个 学习到的 成的 状的特 ，个 学习到的 状 成的 的特，最后的 学习到的 成的 的特。
通过 的特 对 进行 ，而 得
的。
这 飞行器 ，通过深度学习 ，而 态变化的P I D参数值，提高飞行器稳定 的原理
输入层 隐藏层 输出层
3.2多层神经网络
于 特学习，可以参 3。
特有较高的分
，对 进行 的定 特 的
，处理较大的 变化，飞行器飘移，能对
进行范围定。
|特征层次|
|髙层|
I低层I
强的函数模拟 于 数的 ，整个
的参数在。
而神经网络其本质就 拟特 之的真实系函数的方法，的参数意味 拟的函数
，有 的容量（capacity)去拟合真正的系。
通过研宄发现，在参数数量一的情况下，更深的 往往具有比浅 的识效，这点在I m a g e N e t的多次
大赛中得到证实。
2012年起，每年获得I m a g e N e t冠军的
度神经数都在年，2015年最的法Go o g l e N e t是一个多达22层的神经网络。
通过度学习参飞行器稳定变化，实验中 清 楚地观察到使用机器学习后人工智 调参的反馈稳定
优于经验调参。
参与传感器数据越越，飞行器稳定性将大幅 。
飞行器 根据 自身结构进行P I D 自主调参，其稳定 就 平滑。
4结语
综上所述，人工智 当研宄的重点，具有广阔的应用
前景。
对于飞行器技术而言，人工智技术入各个节，并使朝智化方向发展，人工智技术的应用进一 步 飞行器的安全 稳定，并改善飞行器对运行 ：的适应性。
笔者认为，在未的发展中，各种新兴技术的应用，能够进一步推动人工智技术的发展，对会进步起到重要
的推动作用。
[参考文献]
[1] HAYKIN S.神经网络与机器学习[M].3版.申富饶，徐烨，郑
，等译.：机工出，2011.
[2] NIELSEN M.神经网络和深度学习[Z/OL]. http://neural
networks and deep learning. com，2017.
[3]朱大奇，史慧.人工神经网络原理及应用[M].北京:科学出版
社，2006.
[4]杨平，亮，，等.PID控制器参数整定方法及应用[M].
:中国电力出 ，2016.
收稿日期=2018-07-04
作者简介:黄峰（1964—），男，湖南东安人，大校警衔，武警警 学 基地 ，广 智科技有限公司专家委员会
委员，主 反 研究与应用工作。
通讯作者:何质彬（939—)，男，广东梅州人，国际宇航科学 ，发中发起人，广 智能科技有限
公司首席科学家，研究方向：控制系 。
86。