摘要 无人机自动驾驶的稳定性关系到飞行器本身的安全。在无人机自动驾驶控制过程中,由于无人机在飞行过程中会出现急转弯,外部强气流的冲击对转弯时的稳定性影响很大。传统的PID控制方法应用于无人机驾驶过程时,需要进行大量的参数调整以保证机身的稳定性。过大的参数超调会导致控制过程中出现明显的错误。提出了一种基于量子遗传算法和神经网络的新型PID控制器设计方法,并将其应用于无人机的自动控制。利用量子遗传算法的自适应调整搜索能力对神经网络的权重系数进行优化,避免了神经网络局部极小化和收敛慢的缺陷。采用改进的神经网络算法对PID控制过程进行优化,有效地克服了传统的PID算法。根据PID算法完成无人机自动驾驶控制器的设计。实验结果表明,新一代控制器显着优化了无人机PID控制过程的耗时和延迟,超调小,为驱动系统稳定性控制的设计提供了依据。提出了一种基于量子遗传算法和神经网络的新型PID控制器设计方法,并将其应用于无人机的自动控制。利用量子遗传算法的自适应调整和搜索能力,对神经网络的权系数进行优化自动驾驶云仿真,避免神经网络陷入局部极小化和收敛速度慢的缺陷。采用改进的神经网络算法对PID控制过程进行优化,有效克服了传统PID算法的不足。因此,可以基于PID算法完成无人机自动驾驶控制器的设计。实验结果表明,采用新一代控制器在无人机PID控制过程中的耗时和延迟得到明显优化自动驾驶云仿真,超调量较小。