近年来,随着模糊控制的不断发展,其控制对象逐渐从水泥窑、家用电器等扩展到机器人、机床等。因此,对模糊控制器的性能及其设计方法也提出了越来越高的要求。模糊控制启发于人类大脑决策行为,具有鲁棒性强等优点,能够对非线性系统实现良好的控制。但模糊控制同样具有控制精度低、开发周期长等缺陷。采用优化算法对模糊控制器参数进行自动寻优成为缩短模糊控制器开发周期的一个重要方向。粒子群算法是一种模拟鸟群智能的优化算法。该算法具有参数少、算法简单、能够进行全局寻优等优点,从而逐渐被引入到模糊控制器的参数优化中。首先,研究了标准粒子群算法及其参数设置方法。在此基础上,提出一种根据各个粒子适应值自动调节学习因子的策略,并将模拟退火Metropolis准则引入粒子更新过程中,组成一种新的自适应模拟退火粒子群算法。经过多峰值测试函数的检验,该算法更易跳出局部最优解,可达到更高的优化精度。然后,通过研究PID模糊模拟原理,提出了一种用PI模糊模拟进行模糊控制器模糊规则初始化,再以自适应模拟退火粒子群算法优化其模糊规则权值与量化比例因子的模糊控制器设计方法。同时给出了该模糊控制器的设计流程以及算法程序。采用典型二阶工业过程函数测试了该模糊控制器的性能。仿真结果表明,该方法设计的模糊控制器继承了PI控制器的控制精度,并具有比PI控制器更快的响应速度。最后,为了进一步验证该模糊控制器设计方法的有效性,分别采用该模糊控制器对无刷直流电机的速度环以及手术机器人从手夹持力进行控制。仿真结果表明,在无刷直流电机遇到突变载荷或带载启动时,该模糊控制器较PI控制器具备更强的抗干扰性;在手术机器人从手夹持对象弹性模量产生较大变化时,该模糊控制器较PI控制器具有更稳定的控制性能。