传统的控制器参数整定,主要通过试凑法,设计人员根据自身经验和设计系统响应,实时不断地调整控制器参数,最终找到满足设计需求的一组参数。但是应用试凑法设计的控制器,调节周期长,人工成本高,效率低。本文选取智能算法中的粒子群算法,将其融入到对控制器参数的整定中,并且针对粒子群算法函数寻优过程中存在的易陷入局部最优解的问题,在粒子群算法中引入了随粒子迭代次数动态变化的惯性权重和学习因子,提高了算法的寻优收敛精度和效率。之后以板球系统作为载体,使用改进粒子群算法进行其控制器参数整定的仿真以及小球定位实验。结果表明,应用本文提出的改进粒子群算法所设计出的板球系统控制器,实现了对小球位置的稳态控制,控制稳态误差小,效应速度快,验证了方法的可行性。针对研究本文内容主要分为以下几部分:第一部分,介绍了板球系统的机械结构及相关组件,阐述了板球系统平衡动作的过程以及板球系统整体的控制工作过程;在此基础上,尽可能充分的考虑系统中如板球间不确定摩擦等因素,使用拉格朗日法为板球系统建立了较为准确的完整数学模型,之后根据实际情况,对数学模型进行了简化,并通过牛顿力学法对所求数学模型进行验证。第二部分,介绍了基本粒子群算法和带有惯性权重的完全型粒子群算法的基本原理及算法寻优过程,同时简述了板球系统中应用的PID、PD、PV三种控制器原理和控制系统结构。粒子群算法由于其结构简单易实现,被算法研究相关学者们广泛的应用到函数寻优中。但是粒子群算法寻优过程中通常存在容易陷入局部最优、收敛精度效果差的缺点。本文提出了一种改进粒子群算法,在粒子算法中引入随粒子迭代次数动态曲线变化的惯性权重以及学习因子,改善算法性能。选取ITAE误差准则作为算法函数的适应度函数,并将所提出的改进算法应用到板球系统的控制器参数整定中。对板球系统控制器参数整定方法进行优化,介绍了基于改进粒子群算法的板球系统控制器参数整定过程。第三部分,首先,选取四个测试函数对本文所提出的改进粒子群算法的寻优性能进行了仿真测试,函数测试结果表明提出的改进算法收敛速度快、收敛精度高,具有良好的寻优效果。其次,在Matlab的Simulink组件下建立了板球系统仿真模型。通过Matlab中实现的改进粒子群算法调用Simulink中的板球系统仿真模型,实现改进粒子群算法对板球系统控制器参数的整定。通过仿真实验以及在ACROME公司板球系统上进行的小球定位实验,测试根据改进粒子群算法设计的控制器。结果表明,本文所提出的改进粒子群对板球系统控制器参数整定优化方法的可行性和适用性。