1.一种伺服机器手云台姿态自适应控制方法，其特征在于，具体步骤为：S1、输入伺服机器手目标位置的三维坐标点(x1,y1,z1)，其中，z1为三维坐标点的z轴坐标点，将所述三维坐标点的横轴的坐标点x1和纵轴的坐标点y1组成目标位置二维坐标点(x1,y1)；

S2、根据目标位置二维坐标点(x1,y1)与伺服机器手当前位置二维坐标点(x2,y2)，计算出伺服机器手的目标位置与当前位置的xy平面姿态偏角；

S3、所述xy平面姿态偏角输入云台姿态转换数学模型，输出云台旋转角度误差值；

S4、所述云台旋转角度误差值输入到改进型PID算法，所述改进型PID算法具体为：利用改进波搜索算法整定位置式PID的Kp、Ki、Kd控制参数得到最佳控制参数，将所述最佳控制参数用于位置式PID算法得到改进型PID算法；所述改进波搜索算法包括：S41、建立启发式指导策略，具体为：通过引入启发式规则来引导波搜索算法对位置式PID控制参数寻优，改进所述波搜索算法的寻优机制；S42、基于波粒子间适应度值的方差动态的正弦策略和波粒子全局最小适应度值改进波形大小控制系数α，利用所述改进的波形大小控制系数改进波搜索算法局部开发阶段波粒子位置更新数学模型；

S5、将改进型PID算法用于云台姿态控制系统，根据实时云台旋转角度误差值，输出云台驱动值 对云台旋转角度调整，实现对云台姿态的自适应精确稳定控制。

2.根据权利要求1所述的一种伺服机器手云台姿态自适应控制方法，其特征在于，所述S4中改进波搜索算法，其中S41建立启发式指导策略，通过引入启发式规则来引导波搜索算法搜索过程，提高波搜索算法的寻优收敛速度，所述启发式规则所使用的引导函数h根据波粒子随机位置缩小波搜索算法搜索空间，数学模型为:（1）；

式（1）中， 为随机生成的第i只波粒子第j维的位置值，即随机候选解值，对随机候选解值进行调整的启发式引导函数，其中， 为引导强度系数，控制调整的幅度，为启发式信息函数，用于表示从随机候选解值到局部区域范围R的中心调整量；所述局部区域范围R用一个高斯分布来近似表示，局部区域范围R的中心即第t次迭代的波搜索算法个体最佳位置表示为 ，协方差矩阵为Σ，建立数学模型定义启发式信息函数为：（2）；

式（2）中， 为第t次迭代的波搜索算法个体最佳位置， 为转置操作。

3.根据权利要求2所述的一种伺服机器手云台姿态自适应控制方法，其特征在于，所述启发式指导策略用于波搜索算法初始化阶段和局部开发阶段，具体方法为：S411、在每次迭代初始化算法种群位置时，在算法搜索空间内利用引导函数h(x)生成候选解集，数学模型为：（3）；

式（3）中， 为候选集中第i个波粒子个体的位置， 为随机生成的第i个波粒子个体第j维的位置值，即随机候选解值， 对随机候选解值进行调整的启发式引导函数；

S412、在局部收敛阶段，利用引导函数h(x)更新候选解集，所述候选解集为波粒子种群位置，数学模型为：（4）；

式（4）中， 为第t+1次迭代第i个波粒子第j维的位置值， 为第t次迭代第i个波粒子第j维的位置值， 为最大迭代次数， 为对 解值进行调整的启发式引导函数；

为全局的波粒子个体最佳位置。

4.根据权利要求3所述的一种伺服机器手云台姿态自适应控制方法，其特征在于，所述S42中，基于波粒子间适应度值的方差动态的正弦策略和波粒子全局最小适应度值改进波形大小控制系数α，改进后的波形大小控制系数α(t)数学模型为：（5）；

式（5）中， 为改进后的波形大小控制系数初始值， 为适应度值的方差，为适应度值的平均值，为适应度值， 为波粒子全局最小适应度值， 为第t次迭代的最小适应度值，其中， 数学模型为：（6）；

式（6）中，N为波粒子种群规模， 为第i个波粒子位置的适应度值。

5.根据权利要求4所述的一种伺服机器手云台姿态自适应控制方法，其特征在于，所述S42中，改进的波形大小控制系数改进波搜索算法局部开发阶段波粒子位置更新数学模型，具体为局部开发阶段的发射电磁波数学模型；

（7）；

式（7）中， 为第t次迭代第i个波粒子的新位置， 为当前最佳波粒子位置，为当前次佳波粒子位置， 为一个列向量，元素服从正态分布， 为第t次迭代的改进后的波形大小控制系数值。

6.根据权利要求5所述的一种伺服机器手云台姿态自适应控制方法，其特征在于，利用改进波搜索算法整定位置式PID的Kp、Ki、Kd控制参数得到最佳控制参数，具体步骤为：P1、初始化改进的波搜索算法的参数，包括：波粒子种群规模N、问题维度D、搜索空间上界UB、搜索空间下界LB以及最大迭代次数Tmax以及改进的波形大小控制系数；

P2、将位置式PID算法的Kp、Ki、Kd比例系数编码为N组三维空间向量，所述空间向量与波粒子位置实数映射；

P3、随机初始化改进的波搜索算法种群初始位置，利用公式（3）数学模型在波搜索算法搜索空间内利用引导函数h(x)生成候选解 ，其中，搜索空间上界和下界为三维空间向量的取值范围；

P4、判断当前迭代次数t等于最大迭代次数Tmax，若是，则输出最小适应度值对应的波粒子位置并解析成位置式PID算法最佳的Kp、Ki、Kd比例系数值；否则，返回执行P5；

P5、建立改进的波搜索算法位置更新数学模型，更新波粒子位置，包括：P51、通过引入随机数r1和当前迭代次数建立全局搜索阶段位置更新数学模型，生成波粒子新的位置；

P52、模拟雷达波的发射过程，按照公式（7）建立数学模型生成新的波粒子位置，探索潜在的最优解区域；

P53、模拟雷达波的反射和接收过程，建立局部开发阶段数学模型对波粒子种群位置进行更新，通过多次迭代更新波粒子位置，逐步逼近全局最优解，所述全局最优解为波粒子种群中适应度值最小的波粒子位置；

P54、利用数学模型公式（4）对当前波粒子种群位置进行进一步的更新；

P6、利用目标函数计算每个波粒子位置的适应度值，保留从初始化到第t次迭代最小适应度值对应的波粒子位置，当前迭代次数t执行t=t+1，返回执行步骤P3。

7.根据权利要求1所述的一种伺服机器手云台姿态自适应控制方法，其特征在于，所述输出云台驱动值 ，数学模型为：（8）；

式（8）中， 为第 秒的云台驱动值， 为运行时间， 为第 秒的云台旋转角度误差值， 为最佳比例参数， 为最佳积分参数， 为最佳微分参数。