杨洋，张秋菊

(1. 江南大学 机械工程学院，江苏 无锡 214122； 2. 江苏省食品先进制造装备技术重点实验室，江苏 无锡 214122)

0 引言

近年来，随着“工业4.0”的提出，工业伺服控制领域向着智能化方向发展。部分厂家已经将参数自寻优自适应功能作为开发新一代伺服控制器的必备功能[1]。目前，市场上的伺服控制器通常采用PID控制方法，PID控制器的参数整定问题又是伺服控制的难点问题[2-4]。不少学者将智能控制与传统的PID控制方法相结合来实现控制系统的智能化，使之具有自寻优、自适应的能力。

目前，智能控制策略主要是基于模糊控制理论、神经网络控制以及遗传算法理论等[5-7]。模糊控制理论诞生以来应用于许多领域，取得了良好的控制效果[8]。自从1974年第一台模糊控制器[9]诞生以来，人们对模糊控制器投入了极大的研究热情，并已经得到了广泛的研究和应用[10]。然而模糊PID控制也有其缺点，它过分地依赖于专家经验而无法满足特殊条件下的抗干扰能力。一旦模糊控制器确定，控制规则和控制器参数也就随之确定，降低了控制系统的自适应能力。所以对模糊PID控制器还需要对其参数进行优化。群智能算法的发展为模糊PID参数控制器的优化提供了一种高效的方法。

群智能优化方法是借鉴仿生学的特点发展起来的一门新兴的优化计算方法，最早由Beni、Hackwood和Wang在分子自动机系统中提出[11-12]。粒子群算法(particle swarm optimization, PSO)是模拟鸟类捕食行为的群体智能算法，由美国电气工程师Eberhart和社会心理学家Kennedy于1995年提出[13]。……