摘 要：PID控制器是根据PID控制原理对整个控制系统进行偏差调节，从而使被控变量的实际值与工艺要求的预定值一致。不同的控制规律适用于不同的生产过程，必须合理选择相应的控制规律，否则PID控制器将达不到预期的控制效果。目前，PID控制器参数主要是人工调整，这种方法不仅费时，而且不能保证获得最佳的性能。粒子群算法已经广泛应用于函数优化、神经网络训练、模糊系统控制以及其他应用领域，本文通过改进粒子群算法对PID控制器进行优化设计。
　　关键词：改进粒子群算法；PID控制器；优化设计
　　（一）. PID控制器原理
　　PID 控制器是一個在工业控制应用中常见的反馈回路部件[1-2]，其应用范围非常广泛。它的一般形式如下：
　　分别是对系统误差信号及其积分与微分量的加权。
　　控制器通过KP，Ki，Kd就能够计算出控制信号来驱动受控对象。如果控制器的设计合理，那么控制信号将会使得误差往减小的方向变化，达到最终控制的要求。
　　PID控制器的系统结构如图1所示。
　　PID控制器的优化问题就是确定一组合适的参数KP，Ki，Kd，使得指标达到最优。本文选用ITAE指标作为最终的最优化目标。
　　（二）. PID控制器模型的建立
　　在simulink中搭建PID控制器模型，如图2所示。本文选取的被控对象为以下不稳定系统：
　　（三）. 改进粒子群算法优化
　　改进粒子群算法[3-4]中粒子在搜索空间中的速度和位置以如下公式更新：
　　通过在matlab中编制程序，种群规模设置为400，最大迭代次数为200，最小适应值为0.2，速度范围为[-1，1]。运行程序得到最优控制参数分别为KP=33.6470，Ki=0.1762，Kd=38.7880，性能指标如图3所示，ITAE=1.05。
　　（四）.结论
　　本文通过改进粒子群算法来优化PID控制器，优化时间大大缩减，优化效果大为提升，实验仿真结果我们可以从中得到， 改进的粒子群算法使其全局搜索能力得到了提高与改善，其收敛速度和寻优速度也得到增强。
　　参考文献：
　　[1]李登辉.基于云模型的BBO算法优化模糊PID控制研究[J].无线互联科技，2018，9：94-97.
　　[2]刘志远，吕剑虹，陈来九.智能PID控制器在电厂热工过程控制中的应用前景[J].2002，22（8）：128-134.
　　[3]陈阳，刘朝涛，谭克银.基于改进粒子群算法的PID控制器在MPPT中的研究[J].电工技术，2018，07：21-24.
　　[4]许来 . 基于粒子群算法的液压位置伺服系统的研究 [D].合肥：合肥工业大学，2014：11-19.