赵广元 王 超

（西安邮电大学自动化学院 西安 710121）

1 引言

随着计算机技术的飞跃发展，人工智能技术已逐渐渗透到自动控制领域［1］。近年来针对不同的控制要求、不同的系统先验知识，研究人员提出了许多PID 控制器参数整定方法［2］，根据发展阶段的划分，可分为常规PID 参数整定方法及智能PID 参数整定方法［3］。传统的控制方法不能满足控制精度的要求，而且抗干扰的能力较差［4］。因此，如何建立有效的直流电机控制系统的仿真模型成为研究人员迫切需要解决的关键问题［5］。

1992 年，瑞典学者Karl Astrom 等推出的智能型PID 参数整定控制器简化了传统PID 控制器的参数整定［6］，将群智能优化算法应用于PID 参数整定优化已得到广泛的认可和应用［7］；程准等学者利用粒子群算法改进拖拉机驱动防滑的PID 控制器算法，提出了改进PSO 算法，加快了算法的收敛速度［8］；白国振等利用改进的模糊神经网络，对控制器PID 参数进一步的优化，提出了混沌人工鱼群—模糊神经网络算法，使得控制器具有良好的控制性、稳定性和有效性［9］；朱坚民等人利用神经网络动态改进球杆系统PID 控制器的算法，使得系统可以快速的响应并保持稳定的状态［10］。

虽然以上方法在一定程度上克服了传统PID的缺陷，但将其用于工业过程控制中，振荡幅度和周期的测量值在噪声环境下准确度会下降，显然难以获得满意的控制效果。甚至当参数变化范围太大时，系统性能会明显变差［11］。

针对PID 控制器参数优化问题，本文根据具体的直流电机机械参数［12］并结合人群搜索算法（SOA）搜索最佳的PID 控制器参数。……