1.一种粒子群算法对PID参数的优化方法，其特征在于，PID控制器采用粒子群优化算法对PID参数进行优化，具体包括如下步骤：S1：初始化粒子群；

S2：将PID参数赋值为粒子的位置；

S3：采用如下适应度函数计算得到粒子的适应度值：

式中，F为粒子的适应度值，e(t)为PID控制器输出的PID参数和传感器检测到的状态数据之间的误差，u(t)为控制值，w1为第一惯性因子，w2为第二惯性因子，w3为第三惯性因子，且w1∈[0,1]，w2∈[0,1]，w3＞＞w1，根据粒子的适应度值寻找得到粒子的个体最优位置和粒子的群体最优位置；

S4：采用如下公式更新得到粒子的位置和速度：

式中，v[n]为当前时刻的粒子速度，V[n+1]为下一时刻的粒子速度，X[n]为当前时刻的粒子位置，X[n+1]是下一时刻的粒子位置，w为惯性因子，c1为自身认知因子，c2为社会认知因子，rand为介于0-1之间的自定义数，Pbest[n]为粒子的个体最优位置，gbest[n]为粒子的群体最优位置；

S5：判断S4的迭代次数是否小于最大迭代次数的三分之一值，若是则采用如下公式更新得到惯性因子：式中，wmax为惯性因子的最大值，wmin为惯性因子的最小值，t为S4的迭代次数，Tmax为最大迭代次数，以及采用如下公式更新得到粒子的群体最优位置：gbest[n]＝gbest[n]+c2×rand×|gbest[n]-gbest[n+1]|  (3)，式中，gbest[n+1]为下一时刻粒子的群体最优位置，将更新得到的惯性因子和粒子的群体最优位置更新公式(1)再继续迭代S4的步骤,若否则进行S6的步骤；

S6：判断S4的迭代次数是否不小于最大迭代次数的三分之一值且小于最大迭代次数的三分之二值，若是则采用公式(2)更新得到惯性因子，将更新得到的惯性因子更新公式(1)再继续迭代S4的步骤，若否则进行S7的步骤；

S7：判断S4的迭代次数是否不小于最大迭代次数的三分之二值且小于最大迭代次数，若是则采用公式(2)更新得到惯性因子，将更新得到的惯性因子更新公式(1)再继续迭代S4的步骤，若否则将粒子的位置输出为优化后的PID参数。

2.根据权利要求1所述的一种粒子群算法对PID参数的优化方法，其特征在于，所述S1的步骤中，具体包括：初始化粒子群的规模、维度、最大迭代次数、自身认知因子、社会认知因子和粒子速度。

3.根据权利要求1所述的一种粒子群算法对PID参数的优化方法，其特征在于，所述惯性因子的最大值为0.9。

4.根据权利要求1所述的一种粒子群算法对PID参数的优化方法，其特征在于，所述惯性因子的最小值为0.4。