发动机是动力设备的心脏,而发动机转速控制器的性能好坏会直接影响到发动机能否正常稳定运行,因此对发动机转速控制器的研究对于动力设备乃至工业生产而言很有必要和实际意义。通过对国内外发动机转速控制器的发展状况研究发现,随着自动控制理论和计算机水平的发展,智能算法越来越多地应用到发动机转速控制中,发动机转速控制器呈现出智能化的发展趋势。本文首先根据目前业内大多利用发动机综合测控平台对发动机的性能参数进行测控的现状,结合实际项目背景,采用发动机—测功机系统作为研究发动机转速控制的硬件平台,并在此基础上完成对发动机转速控制系统进行控制方式分析及转速PID控制器的软硬件设计和完善。接着,针对在该平台上发动机和测功机之间存在的转速和扭矩的双输入双输出耦合问题,利用神经网络强大的非线性处理能力、自适应和自学习能力构造了一种基于PID神经元的神经网络PID控制器来对双变量进行解耦。通过实验验证,其解耦效果令人满意,但同时也发现该控制器的控制性能还不够理想,需要进一步优化改进。其次,本文提出一种基于粒子群寻优的克隆选择算法(简称为PCSA算法)来对构造的神经网络PID控制器进行优化。通过综合考虑粒子群算法和克隆选择算法的优缺点,利用粒子群算法的全局寻优公式来指导克隆变异抗体通过更新自身速度和位置来加速寻找全局最优解,从而提高算法的收敛速度和寻优能力,经过算例验证,改进后的算法寻优效果令人满意。最后,本文利用PCSA算法对发动机转速神经网络PID控制器进行优化,经过优化得到了神经网络的一组最优权值和PID控制器三个参数的最优值,通过仿真实验对比验证,实验结果表明该算法寻优能力好,经过优化后的发动机转速PID控制器的控制性能出色,取得了令人满意的效果,表明了该算法的有效性。本文解决了在发动机—测功机平台上对发动机转速PID控制器进行优化的问题,实验结果表明对发动机转速PID控制器进行优化采取的一系列方法是成功、有效且有价值的,达到了预期的目的。