1.基于粒子群算法的无人直升机控制优化方法，其特征在于：包括以下步骤：步骤一、根据无人直升机模型设计四个通道的显模型，四个通道的显模型传递函数如下：纵向通道：

横向通道：

航向通道：

总距通道：

式中，Cii(i＝1,2,3,4)为各通道的灵敏度系数，τm为时间常数，ξ为阻尼系数，ωn为模型带宽；

步骤二、确定显模型跟踪控制系统外回路反馈阵G1、内回路反馈阵G2、比例阵G5、控制阵G3、前向增益对角阵R、积分常数阵G4；

步骤三、将前向增益对角阵R、积分常数阵G4作为粒子群中各粒子的参数，通过粒子群算法优化；

步骤四、将求得矩阵G4、R代入显模型控制系统。

2.根据权利要求1所述的基于粒子群算法的无人直升机控制优化方法，其特征在于：所述步骤三具体包括：A1、设置粒子群算法参数，并初始化粒子群；

A2、确定粒子群适应度；

A3、比较各粒子的适应度，找出局部最优值得粒子位置和全局最优值粒子位置；

A4、更新各粒子的速度和位置，直到达到满足条件。

3.根据权利要求2 所述的基于粒子群算法的无人直升机控制优化方法，其特征在于：所述初始化粒子群：种群规模sizepop＝20；迭代次数maxgen＝100；初始速度和种群上下的边界值Vmax＝1，Vmin＝‑1，popmax＝5，popmin＝‑5；

惯性权重：

式中ωmax代表权重最大值，ωmin代表最小值，f代表粒子当前目标函数值，fmin代表最小目标值，favg代表平均目标值；最大惯性权重ωmax＝0.9；最小惯性权重ωmin＝0.6；

学习因子：

其中，d是预设大于零的非负系数，Cmax取2.5，Cmin取0.5；

所述确定粒子群适应度：

fitness(i)＝object_fun(pop(i,:))，fitnessgbest＝fitness，fitnesszbest＝bestfitness；

所述比较各粒子的适应度，找出局部最优值得粒子位置和全局最优值粒子位置：[bestfitness bestindex]＝min(fitness)，zbest＝pop(bestindex,:)，gbest＝pop，

fitnessgbest＝fitness，fitnesszbest＝bestfitness；

所述更新各粒子的速度和位置，通过下式更新：V(j,k)＝w*V+c1*rand*(gbest‑pop(j,k))+c2*rand*(zbest‑pop(j,k))，V(j,find(V(j,k)>Vmax))＝Vmax，V(j,find(V(j,k)