郭 珂， 伞 冶， 朱 奕

（哈尔滨工业大学 黑龙江 哈尔滨 150001）

从1922年米诺尔斯基提出PID控制器至今，PID控制一直是自动控制领域中生命力最强、应用最为广泛的基本控制方式。随着科学技术的发展，涌现出越来越多新的先进控制方式，然而直到现在PID控制依然广泛应用于机电、石油、化工、热工、冶金等各个领域，尤其是底层的工业生产过程控制[1]。这是因为PID控制不仅具有算法原理简单，稳定可靠，易于实现，适应能力强，对模型参数摄动具有较好的鲁棒性等优点而且物理意义明确直观易于理解[2]。PID控制系统的控制效果几乎完全取决于控制器参数的选择，因而其参数的整定和优化具有重要意义。

传统整定优化方法有专家法、响应曲线法、Ziegler-Nichols法[3]、理想继电特性法等。这些方法一般用于控制开始之前的PID参数离线预整定，虽然有一定的鲁棒性，但对系统动态性能利用很少，因而设计出的控制器性能往往很难达到最优。而且整定后的参数通常不再改变，灵活性差，面对实际对象中存在的各种不确定性、非线性和复杂多变的工况就显得无能为力了。因而人们对具有参数在线自整定功能的PID控制器提出了迫切需求，以适应复杂多变工况下的高性能指标的要求。随着人工智能和机器学习理论的迅速发展，出现了许多智能参数整定优化方法并且取得了一定的效果，如模糊、遗传算法、粒子群[4]、神经网络等各种PID参数整定优化方法。其中，模糊PID控制系统性能的优劣取决模糊规则和隶属度函数的选取，而这又严重依赖于设计者对控制回路特性知识了解的丰富程度。……