1.改进麻雀搜索的快速反射镜自抗扰控制器参数确定方法，其特征在于，包括采用系统辨识的方法确定音圈电机驱动的快速反射镜系统的传递函数，根据快速反射镜模型设计自抗扰控制器，基于改进麻雀搜索算法进行参数确定；自抗扰控制器包括线性扩张状态观测器和线性状态误差反馈控制律；

基于改进麻雀搜索算法进行参数确定包括：S1根据快速反射镜的预设输出角位置和实际输出角位置，构建改进麻雀搜索算法的适应度函数；

S2将自抗扰控制器待整定参数与麻雀个体位置相关联并初始化麻雀种群数 、最大迭代次数 、初始值的上下界 、 ，确定种群中作为发现者 、警戒者 的比例；

S3采用切比雪夫混沌映射生成麻雀初始种群；

S4根据适应度函数、待整定参数以及实时获得的快速反射镜系统参数，计算麻雀种群每个麻雀个体的适应度值并排序；

S5将改进麻雀搜索算法与麻雀位置更新公式融合，根据改进后的位置更新公式进行迭代更新；

S5包括，发现者更新公式如下：； ； ；

； ;

式中， 表示在第 维上第 只麻雀经过 +1次迭代时的位置，是随机数， 是警戒值，表示属于正态分布的随机数，为每个元素都为1的 矩阵，为最大维度，表示安全值；

改进的发现者更新公式如下：；

式中， 为全局最优解， 为自适应惯性权重因子， 为随机数；

S5包括，追随者更新公式如下：； ；

式中， 表示当前全局的最差位置， 表示目前发现者所占据的最优位置，为 的矩阵， 矩阵每个元素随机赋值1或‑1；

改进后的追随者更新公式如下：；

式中，为控制螺旋的参数，为线性变化的参数；

警戒者更新公式如下：

； ；

式中， 是当前的全局最优位置， 是服从均值为0方差为1的正太分布随机数，是随机数，作为控制步长参数，表示麻雀移动位置方向；是最小常数，保证分母不为零；

为全局最优的适应度值， 为全局最差的适应度值， 表示当前麻雀个体的适应度值；

S6每次迭代更新后，根据将动态反向学习和柯西变异策略交替执行，使用动态随机扰动更新目标位置，避免陷入局部最优；

S6包括，动态反向学习策略融入到麻雀搜索算法中：；

；

式中， 是第 代最优解的反向解，u是快速反射镜系统控制量输入；

将柯西变异引入到位置更新中：；

式中， 为柯西变异；

将动态反向学习策略与柯西变异策略交替执行，选择概率 计算公式如下:；

S7当迭代次数达到设定值时，停止更新，输出麻雀种群的全局最优位置，完成自抗扰控制器的参数整定。

2.根据权利要求1所述的改进麻雀搜索的快速反射镜自抗扰控制器参数确定方法，其特征在于，快速反射镜系统的传递函数 包括：；

式中，为快速反射镜模型的状态量。

3.根据权利要求2所述的改进麻雀搜索的快速反射镜自抗扰控制器参数确定方法，其特征在于，快速反射镜模型的微分形式为：；

式中， 为系统输出， 为 的导数， 为 的导数，为线性扩张状态观测器的定量参数， 为 中已知的部分， 为未知总扰动， 为控制信号， 和 为已知参数，， 。

4.根据权利要求3所述的改进麻雀搜索的快速反射镜自抗扰控制器参数确定方法，其特征在于，线性扩张状态观测器包括，设置变量 ：；

式中， 为总扰动，令 ， ， ：；

式中， 是 的导数， 是 的导数， 是 的导数， 是 的导数；

改写成矩阵形式：

； ， ，

， ；

式中， 、 、 、 都是已知矩阵。

5.根据权利要求4所述的改进麻雀搜索的快速反射镜自抗扰控制器参数确定方法，其特征在于，线性扩张状态观测器为：；

式中， 、 和 分别为 、 和 的估计， 、 和 为观测器增益， 是 的导数， 是 的导数， 是 的导数；

线性扩张状态观测器改写成矩阵形式为：； ；

； ；

式中， 为线性扩张状态观测器的观测状态向量， 是 的导数， 为待设计的观测器增益矩阵， 为观测器输入， 为线性状态观测器的输出量；

利用极点配置的方法，将矩阵形式的线性扩张状态观测器中特征方程的极点全部配置到同一个位置 上：；

式中， 为极点配置方程，为三阶单位矩阵， 为观测器带宽；

得到观测器增益矩阵：

。

6.根据权利要求5所述的改进麻雀搜索的快速反射镜自抗扰控制器参数确定方法，其特征在于，线性状态误差反馈控制律包括：；

式中， 为控制量输入， 为比例放大系数，为系统输入， 为微分放大系数；

快速反射镜系统控制量输入为：；

闭环传递函数 为：

； ；

式中， 为控制器带宽。