血管内血流速度的测量对多种疾病的诊断具有十分重要的价值，特别是对心血管疾病的研究意义重大。采用超声进行非介入性的血流检测已经成为临床诊断的一个主要标准。而在对超声多普勒系统的估计和血流模型的实验研究中血流物理模型是一个必不可少的基础平台。在血流物理模型中，是用一个基于计算机控制的血泵来产生血流的稳流、脉动流等。因此，一个血流物理模型是否能够可靠地产生出类似于人体内部的各种流速的血流，与其血泵控制器的性能是密不可分的。 本文首先研究了在没有外界干扰的情况下利用一种改进的粒子群算法——基于近邻因子的粒子群优化算法来寻找一种传统的血泵控制器——PID的最优参数。通过与基本粒子群算法和遗传算法分别对其寻优结果的比较，发现改进的粒子群算法在同样能够找到最优参数的情况下表现出更准确的随机适应度值。 然而，在血流物理模型中，当系统受到外界噪声或扰动的干扰时，其传统固定参数的血泵控制器往往不能达到人们期望的性能指标。因此，我们通过建立一种基于粒子群优化算法的模型参考自适应控制器来解决这个问题。实验结果表明，相对传统固定参数的血泵控制器，基于粒子群优化算法的模型参考自适应控制器能更好的抑制噪声或扰动的干扰。 本文共分为五章，第一章给出了本文的研究内容及所作的工作，介绍了近年来自适应控制与粒子群优化算法的应用及发展现状。第二章介绍了基本控制方法和理论。第三章利用基于近邻因子的粒子群优化算法寻找PID控制器的三个最优参数。第四章实现了基于粒子群算法的模型参考自适应在线控制器，通过仿真实验，证明设计达到了对噪声或扰动干扰的抑制。第五章是总结与展望，对论文所做工作进行全面地总结，并对今后的工作做出规划。