实际生产过程具有的非线性、离散、时变等特性使得人们对它们无法进行准确的数学描述。PID是迄今最通用的控制方法，其结构简单、容易实现、控制效果好且参数物理意义明确，大多数反馈回路用该方法或其较小的改进来控制。PID的控制性能与其参数有直接联系，对于结构和参数不确定的控制系统，PID参数的整定仍是一个难点问题。目前PID参数优化方法主要包括梯度法、单纯型法、神经网络法和遗传算法等。它们各有优点，但也存在明显缺点。基于微粒群算法的PID控制器是解决方案之一，它能动态的自整定参数，具有良好的综合控制性能等优点。　　 微粒群算法(PSO: Particle Swarm Optimization)是一种新型的进化优化技术。与其它智能方法比较，它具有算法简单、易于程序实现等特点。既适合科学研究，又适合工程应用。因此，PSO一经提出，立刻引起演化计算领域的学者门广泛关注，并在短短几年出现大量的研究成果，形成了一个研究热点。　　 本文在对国内外微粒群算法研究动态做了简单介绍之后，对微粒群算法的参数选择进行了较为深入的探讨，同时提出了应用微粒群算法动态整定PID控制参数的方法。第二章介绍了微粒群算法的产生、发展；论述了微粒群算法的原理、流程以及国内外学者从不同出发点对算法进行的改进；第三章针对目前微粒群算法的许多参数依赖经验法确定，而且不同的参数选择可能直接影响算法的收敛性，甚至导致不收敛的情况对微粒群算法的参数选择做了试验研究，给出了基本的参数选择方法；第四章简单介绍了关于PID控制的几种智能控制方法，并提出了基于PSO的PID控制参数整定算法；第五章以电动机为仿真实验模型，重点讨论了评价值函数的选取。通过与传统的整定方法相比较，得出结论：使用PSO方法对PID控制器参数整定效果良好，同时，改进的微粒群算法整定性能更优。