1.一种用于爬树机器人的气泵控制优化方法，其特征在于，具体步骤为：S1、根据气压、树径、爬升速度的关系，建立爬树机器人的气泵控制数学模型；

S2、建立爬树机器人的气泵控制系统，所述控制系统包括气泵控制单元和执行单元；

S3、对人工原优化算法改进，利用改进的人工原优化算法优化爬树机器人的气泵PID闭环控制算法，具体步骤为：S31、改进人工原种群休眠和繁殖的比例因子 ，调整人工原优化算法的局部开发阶段的种群规模，调整局部开发阶段与全局搜索阶段的算法位置更新策略；

S32、基于人工原种群的多样性和人工原位置的最优解的变化，通过引入动态调整机制，改进人工原优化算法的觅食因子 ；

S33、利用改进的觅食因子 对人工原优化算法的全局搜索阶段的位置更新数学模型改进；

S34、提出一种"均匀统计搜索"初始化方法，对人工原种群位置进行均匀初始化，利用改进的人工原优化算法优化爬树机器人的气泵PID闭环控制算法；

S4、利用压力传感器采集爬树机器人力臂与树木之间的实时压力数据P(t)，计算爬树机器人力臂与树木之间的目标压力值Pa与实时压力数据P(t)的误差值e(t)；

S5、根据误差值e(t)和PID控制器的参数Kp、Ki、Kd，计算气泵PID控制输出值u(t)，将所述输出值u(t)转换为气泵的控制信号，使气泵调整气体输出，控制机器人力臂；

所述步骤S31改进的人工原种群休眠和繁殖的比例因子 数学模型为：(2)；

式（2）中， 为第iter次迭代改进的人工原种群休眠和繁殖的比例因子， 为第i个个体在种群中的适应度值排名，N为人工原最大规模， 为第iter次迭代的当前种群的多样性， 为初始种群的多样性，利用种群多样性指标调整整体休眠和繁殖比例，避免过早收敛到局部最优解；

所述步骤S32改进的觅食因子 数学模型为：

（3）；

式（3）中， 为第iter次迭代的改进的觅食因子， 为改进的觅食因子最小值，取值为0， 为改进的觅食因子最大值，取值为2； 为当前迭代次数，为最大迭代次数， 为动态调整机制， 基于人工原种群熵值变化率和最优解变化率设计，数学模型为：（4）；

式（4）中， 为第iter+1次迭代人工原种群位置的熵值， 为第iter次迭代人工原种群位置的熵值， 为初始人工原种群位置的熵值， 为第iter次迭代种群最优解适应度值， 为先前种群最优解适应度值， 取值为0.001，其中，人工原种群位置的熵值计算公式为： ，式中的N为最大种群规模，为第i个人工原出现的概率，通过位置适应度值归一化得到；

所述步骤S33中改进的人工原优化算法的全局搜索阶段的位置更新数学模型为：（5）；

式（5）中， 为第i个人工原的新位置， 为第iter次迭代第i个人工原的位置，为第iter次迭代随机 人工原的位置， 为人工原邻居对的数量， 为一个大小为1×dim的觅食映射向量，向量内的值取值为1， 为自养模式的权重， 为异养模式的权重，rand为0到1内的随机数， 为第k个配对邻居中随机选择的人工原位置，其中k大于i， 为第k个配对邻居中随机选择的人工原位置，其中k小于i； 为第k个配对邻居中选择的第i‑k个人工原位置， 为第k个配对邻居中选择的第i+k个人工原位置；

为自养和异养行为的分界参数， 为第iter次迭代的改进的觅食因子；

利用改进的人工原优化算法优化爬树机器人的气泵PID闭环控制算法，通过改进的人工原优化算法对爬树机器人的气泵PID闭环控制算法的比例系数Kp、积分系数Ki、微分系数Kd，具体步骤为：步骤一、设置改进的人工原优化算法的人工原规模N，最大迭代次数Max_iter、问题维度dim，上界UB和下界LB；

步骤二、按照公式（7）利用"均匀统计搜索"初始化方法，对人工原种群进行均匀初始化，使得人工原个体覆盖整个改进的人工原优化算法的搜索空间；对改进的人工原优化算法的搜索空间的上界UB和下界LB限制；

（7）；

式（7）中， 为第i个人工原个体第j维的初始化后的位置，其中， ;， 为人工原个体的下限位置， 为人工原个体的上限位置， 为

上次迭代的全局最佳人工原个体位置，rand(0,1)为0到1内的随机数；

步骤三、将搜索空间内的人工原个体位置与爬树机器人的气泵PID闭环控制算法的Kp、Ki、Kd组成的向量建立三维映射；

步骤四、利用目标函数计算第iter次迭代人工原种群中每个人工原个体的位置适应度值，将种群中较小的适应度值对应的人工原个体位置作为当前迭代的最佳位置；

步骤五、建立改进的人工原优化算法在全局搜索阶段和局部开发阶段的种群位置更新数学模型，更新人工原个体位置，具体步骤为：S351、利用公式（2）计算第iter次迭代改进的人工原种群休眠和繁殖的比例因子，设置大小为 的种群范围，若当前迭代第i个个体在所述种群范围内，则第i个个体位置更新执行步骤S352；否则执行步骤S353；

S352、模型人工原的休眠和繁殖行为，按照公式（8）建立算法局部收敛阶段的人工原个体位置更新数学模型；

（8）；

式（8）中， 为第i个人工原的新位置， 为第iter次迭代第i个人工原的位置，rand为0到1内的随机数， 为休眠和繁殖的分界参数，当 大于rand时，执行人工原的休眠位置更新数学模型，否则，执行人工原的繁殖位置更新数学模型；

S353、模型人工原的搜索行为，通过改进的觅食因子 改进的人工原优化算法的全局搜索阶段的位置更新数学模型，即公式（5）建立算法全局搜索阶段人工原个体位置数学模型；

步骤六、再次利用目标函数计算位置更新后的人工原种群中每个个体的位置适应度值，将当前得到的最小适应度值对应的个体位置作为全局最佳人工原个体位置；

步骤七、执行iter=iter+1，判断当前迭代次数iter是否满足iter=Max_iter，若满足，则将全局最小适应度值对应的人工原个体位置输出并解析为爬树机器人的气泵PID闭环控制算法的Kp、Ki、Kd参数值，否则执行步骤二的按照公式（7）利用"均匀统计搜索"初始化方法，对人工原种群进行均匀初始化。

2.根据权利要求1所述的一种用于爬树机器人的气泵控制优化方法，其特征在于，所述步骤S1爬树机器人的气泵控制数学模型为：（1）；

式（1）中，Y(t)为爬树机器人力臂的变化度，m为机器人的质量，g为重力加速度，μ为摩擦系数，W(t)为不同时间段的树径，d(t)为不同时间段机器人力臂与树的接触宽度，kv为速度，t为时间单位为秒，u(t)为气泵PID控制输出值。

3.根据权利要求2所述的一种用于爬树机器人的气泵控制优化方法，其特征在于，所述步骤S2爬树机器人的气泵控制系统的气泵控制单元和执行单元，其中气泵控制单元包括气泵控制器，所述气泵控制器采用PID闭环控制算法，将爬树机器人力臂与树木之间的实时压力数据差值e(t)输入到气泵控制器中，经过公式计算出爬树机器人的气泵PID控制输出值u

(t)，将气泵PID控制输出值u(t)输入到爬树机器人的气泵控制数学模型，即公式（1）中，从而改变爬树机器人力臂的变化度，同时压力传感器采集爬树机器人力臂与树木之间的实时压力数据P(t)，返回计算爬树机器人力臂与树木之间的实时压力数据差值e(t)，直至t达到控制最大时间T，实现爬树机器人的闭环控制；执行单元为一个永磁电机，为爬树机器人提供气体驱动机器人力臂。