群体智能优化算法是受到自然界中生物群体行为的启发而提出的一类元启发式算法,主要包括蚁群优化算法、粒子群优化算法、人工蜂群算法、人工鱼群算法和萤火虫算法等。麻雀搜索算法是于2020年提出的一种新型的群体智能优化算法,因其具有收敛速度快和寻优能力强等优点,近年来被越来越多的应用于各个领域。本文以麻雀搜索算法在PID控制系统中的应用展开研究,将麻雀搜索算法应用于多变量PID神经网络优化和发动机PID控制参数整定寻优,主要的研究内容如下:（1）针对传统的PID神经网络初始权值往往是随机得到的,采用BP算法来训练网络权值,容易陷入局部最优值,提出采用麻雀搜索算法对PID神经网络进行优化。在离线情况下对PID神经网络的初始权值采用麻雀搜索算法进行优化,得到最优初始权值控制非线性耦合系统,最后使用有自学习能力的BP算法修正网络权值,避免网络陷入局部最优,结果表明经麻雀搜索算法优化的PID神经网络控制器能实现解耦控制并具有良好的抗干扰能力。（2）由于传统PID控制器在实际应用中参数优化的效率低且解的精度不高,首先基于数值寻优的思想,设计并改进了性能指标加权的适应度函数,并加入了执行机构输出量（供油量）的超调惩罚机制,以避免执行机构输出的供油量可能存在的极大超调与急剧供油现象,然后采用具有良好搜索寻优能力的麻雀搜索算法对航空发动机PID控制器进行参数寻优,最后通过仿真表明经麻雀搜索算法优化的PID控制器在不影响航空发动机转速的同时,有效改善了航空发动机供油量产生的极大超调,验证了麻雀搜索算法用于PID控制参数优化方法的可行性。（3）针对麻雀搜索算法存在迭代后期种群多样性减少以及探索和利用之间的不平衡等问题,采用混沌映射和高斯变异相融合的方法对其进行改进,并利用改进后的混沌麻雀搜索算法对航空发动机PID控制器进行参数寻优,结果表明经混沌麻雀搜索算法优化的航空发动机PID控制器进一步的减小了发动机供油量极大超调,验证了混沌麻雀搜索算法用于PID控制参数整定方法的有效性。