8.5 鸽群优化在控制参数优化中的应用
经典 PID 控制方法在面对非线性和模型不确定性等因素时，难以满足控制性能的要求，同时控制器参数的选取会对被控对象的响应精度产生较大的影响。Dou et al [15] 将模型预测控制算法应用到了舰载机的控制器设计中，并通过使用鸽群优化对模型预测控制其参数进行优化设计，仿真分析表明，鸽群优化可以很好地对控制器参数进行优化设计，满足控制需求。
Deng et al [16] 提出了一种新的自动着陆系统控制参数设计方法。为克服人工调参的问题，利用鸽群优化将参数设计问题转化为一个优化问题。通过引入概率系数解决鸽群的多样性问题。内回路参数的计算由理想的频率响应曲线和优化的控制系统的频率响应曲线之间的差异拟合得到。采用时域线性加权代价函数来优化高度微分自动驾驶仪和进场动力补偿系统的控制参数。
Sun et al [17] 提出了一种用于四旋翼姿态控制的新型最优二次型控制器，并通过鸽群优化对线性二次型控制器参数进行优化。经鸽群优化后的控制器能够获得较优的控制参数，能够明显地改善四旋翼姿态控制器的快速性和稳定性，使得系统响应在 3秒内维持稳定，进而可应用于编队飞行和自主空中加油控制中。
Zhang et al [18] 采用了一种改进的鸽群优化，解决了多在轨飞行器自主协调控制问题。考虑到鸽群优化自身中的搜索机制是以均匀分布的随机搜索，而这种搜索方式存在着一定的弊端，在改进鸽群优化中加入了高斯机制，并通过对比仿真验证了本文所提出的高斯鸽群优化在解决在轨飞行器自助协调控制上的可行性和有效性。
Zhang et al [19] 采用一种基于列维飞行的新型 鸽 群 算 法 (LFPIO，Levy Flight-based Pigeon-inspired Optimization) 对小型无人直升机自抗扰控制器进行了参数优化。首先在纵向和横向姿态通道各设计一路控制器，通过扩张状态观测器 (ESO，Extended State Observer) 实现对未建模动态的跟踪，进而对耦合的直升机姿态模型进行解耦。优化的目标为两路控制器非线性反馈以及 ESO 的各项参数，适应值函数根据闭环系统的时域响应特性选取。LFPIO 改进了基本鸽群优化的两个算子，在罗盘算子中引入列维飞行的搜索特性，采用列维分布扩大每只鸽子的搜索空间，从而克服基本鸽群优化易于陷入局部最优的缺点，同时采用 Logsig 函数对地标算子进行了改进，加速了算法收敛性。
