群智能优化算法作为计算智能的一个重要学科,为解决路径寻优、智能调度控制、参数优化等多个领域的问题提供了新的思路和手段。其中人工鱼群算法和标准粒子群算法作为群智能算法中的2个代表算法,凭借其操作简单、寻优性能优秀的特点,在众多领域得到了广泛应用,但是它们不可避免地存在一些缺点。因此结合算法的特点对其进行改进,不仅能提升性能,还能扩大应用领域,对解决实际优化问题具有重要意义。自抗扰控制器(Active Disturbance Rejection Controller,ADRC)是由PID演变而来,它不依赖于被控对象精确的数学模型,且无须知道系统外部干扰的模型,便能对其进行实时估计并给予补偿,具有简易实现、鲁棒性强等优点。然而,在实际应用中,由于其参数多且难于整定的缺点,使得其应用效果并不理想。本文以ADRC优化设计及应用为实例,围绕由鱼群算法和粒子群算法构成的混合算法的改进及其在ADRC的参数整定中的应用进行了研究,主要内容如下:首先,研究自抗扰控制器的组成及原理。结合对控制器3个组成部分的原理分析,确定需要整定的参数。根据模块化构建思想,采用S函数的模块构建技术创建ARDC的模块库,并在Simulink中搭建完整的自抗扰控制器仿真实例。其次,选择人工鱼群算法与标准粒子群算法组成混合算法,并对其进行改进。针对鱼群算法部分,通过均匀初始化,优化初始种群的分布,同时采用仿照蛙跳算法的分组方式对种群进行分组,并对组内优秀个体和一般个体使用不同搜索策略,提高搜索的目的性和效率;针对粒子群算法部分,引入改进的精英高斯学习,跳出最优值停滞,提升最终结果的精度。通过标准函数测试,将改进算法与其他算法进行性能比较分析。然后,研究改进的混合算法在自抗扰控制器的参数寻优中的应用问题。根据自抗扰控制器的特点,将误差绝对值时间积分项与超调量引入到系统评价函数中,使整定的参数满足系统要求;在MATLAB/Simulink中构建基于改进混合算法的自抗扰控制器仿真环境,并通过该实验环境,测试采用算法优化参数的自抗扰控制器的控制性能。最后,以无人机飞行姿态控制为应用实例,选取固定翼无人机为研究对象,在Simulink中构建基于ADRC的无人机姿态控制仿真平台,和基于X-plane的模拟试飞环境,分别进行姿态仿真实验和基于X-plane的模拟试飞,通过对实验结果的分析,验证采用优化设计的自抗扰控制器在无人机姿态控制中的效果。