1.一种基于改进型海上救援飞翼扰动观测PID控制方法，其特征在于，具体步骤如下：步骤一、基于扰动观测法，建立海上救援飞翼控制数学模型，通过扰动观测控制减小救援飞翼控制受环境的影响；具体步骤为：Q1、建立救援飞翼的动力学模型、系统的扰动数学模型；

Q2、基于系统扰动数学模型设计扰动观测器；

Q3、使用电子指南针，收集实时的航向测量数据，这些数据用作扰动观测器的输入，用于估计当前的航向扰动；

Q4、将扰动观测器与救援飞翼的控制系统集成，使用扰动观测器对测量数据进行处理，以实时地估计航向的扰动；

Q5、计算目标航向角度和电子指南针测得的实际航向角度差值Err；

所述Q1中，救援飞翼的动力学模型为：

；

式中，K0是船舶回转性参数，取值为0.26，T0为船舶操纵性能指数，取值为96.23；

系统的扰动数学模型为：

；

步骤二、改进鱼鹰优化算法，包括两处改进；

D1、在算法开发阶段，首先引入最优个体加快算法收敛效率，然后改进扰动参数r1，并利用r1引入自适应权重W来调节最优个体对搜索的影响程度，改进公式如式（1）和式（2）所示：（1）；

式中，r1为改进后扰动参数，t为当前迭代次数，T为总的迭代次数；

（2）；

式中，W为自适应权重，rend为最终迭代的扰动参数，rt为当前迭代的扰动参数，t为当前迭代次数，T为总的迭代次数；

D2、算法在进行位置更新时，会遇到陷入局部最优的情况，引入一种停滞监测机制使算法在陷入停滞时重新生成新个体；停滞监测机制分两步：第一步、采用前一半优势种群的平均适应值来判断算法是否陷入停滞，如果优势种群的平均适应值在连续3次迭代中没有发生变化，则认为算法搜索陷入停滞；

第二步、当算法陷入停滞时，根据式（3）重新生成新个体，帮助算法跳出局部最优；

（3）；

式中， 为鱼鹰个体新位置， 为从优势种群中随机选择的一个个体，此外，通过引入一个余弦函数 来调整鱼鹰搜索的步长；

步骤三、根据扰动观测器的输出与实际扰动信号之间的误差，生成一个补偿信号，将Err和补偿信号添加到救援飞翼控制器的输入中，利用改进鱼鹰优化算法优化海上救援飞翼的PID控制器。

2.根据权利要求1所述的一种基于改进型海上救援飞翼扰动观测PID控制方法，其特征在于，所述步骤一中，Q2中，基于系统扰动数学模型设计扰动观测器，扰动观测器使用扩展卡尔曼滤波器的方式，扰动观测器数学公式为：；

式中，Utotal是控制输入K为跟踪参考信号的控制增益，表示观测器输出与实际扰动信号之间的误差放大系数，Xr为参考状态，X为当前系统状态，U是控制输入，为扰动信号的估计值。

3.根据权利要求1所述的一种基于改进型海上救援飞翼扰动观测PID控制方法，其特征在于，所述步骤三中，利用改进鱼鹰优化算法优化海上救援飞翼的PID控制器，具体步骤为：S1、基于最小二乘法构建优化目标函数，用于计算适应度值，目标函数的公式为：；

式中，J为目标函数，t_des为期望的航向角，t_act为当前的航向角；

S2、初始化改进鱼鹰优化算法初始参数，如最大迭代次数、种群规模、待优化问题维度和搜索空间、约束条件；

S3、初始化种群，各个鱼鹰个体初始位置在搜索范围内随机产生，并基于目标函数计算得到适应度值；

S4、计算改进后扰动参数r1和自适应权重W，并为停滞监测机制初始化参数；

S5、算法搜索阶段，鱼鹰会随机检测到其中一条鱼的位置并攻击它，在模拟鱼鹰向鱼的移动过程的基础上，利用式(4)计算相应鱼鹰的新位置，这个新的位置，如果它提高了目标函数的值，就取代了根据所述的鱼鹰之前的位置；

（4）；

式中， 为鱼鹰个体新位置， 为鱼鹰个体上次的位置， 为区间[0,1]中的随机数， 为集合{1,2 }中的随机数； 为鱼鹰状态参数；

算法开发阶段，利用基于式（1）和式（2）改进后的鱼鹰位置更新公式更新种群位置，改进后的鱼鹰位置更新公式如式（5）所示：（5）；

式中， 为鱼鹰个体新位置，r1为改进后扰动参数，r2为随机参数，取值[0，1]，W为自适应权重， 为种群的全局最优个体，lb为种群下界，ub为种群上界，t为当前迭代次数；

S6、通过引入一个余弦函数 来调整高斯随机游走的步长，在迭代前期施加较大扰动，帮助算法更全面的搜索问题空间，迭代后期减小扰动,避免算法的无效搜索，同时保留了一定的跳出能力，进而平衡了算法的全局探索和局部开发能力；

S7、判断是否陷入局部最优，采用前一半优势种群的平均适应值来判断算法是否陷入停滞，如果优势种群的平均适应值在连续3次迭代中没有发生变化，则认为算法搜索陷入停滞，若陷入停滞状态，则执行式（3）重新生成新个体，帮助算法跳出局部最优，式（3）如下：；

S8、判断是否达到最大迭代次数，若是，则寻优停止输出最优参数，否则返回S3继续寻优；

S9、将最优参数赋值给Kp、Ki、K带入到无人救援飞翼控制仿真系统中进行仿真，得到最佳数据情况下的模型输出结果。