1.一种基于改进型PID最优鲁棒性控制方法，其特征在于，利用改进浣熊优化算法优化PID控制器的三个参数，具体步骤如下：步骤一、构建PID控制器模型；

步骤二、改进基础浣熊优化算法，提出一种"精度确认"机制，将"精度确认"机制应用到步骤三中；

步骤三、将目标值与实时值的差值输入到改进浣熊优化算法模型中，利用改进浣熊优化算法进行迭代得到优化后的PID控制器的三个参数，具体步骤为：S1、算法参数初始化：设置浣熊搜索最大边界ubj、最小边界lbj，种群规模N，最大迭代次数Max_iter，维度dim；

S2、PID控制系统参数取值范围作为浣熊群体的搜索空间，在取值范围内随机选取一组PID控制系统参数作为浣熊初始位置；

S3、基于最小二乘法构建优化目标函数，用于计算适应度值，目标函数的公式为：式中，J为目标函数，t_des为目标值，t_act为实时值；

S4、计算浣熊种群每个个体的当前适应度值并递增排序，记录当前迭代最好适应度值fitness，与上次迭代最好适应度值比较，保留最小适应度值；

S5、将"精度确认"机制融入到基础浣熊优化算法中，进行浣熊种群位置更新；在勘探阶段，用式(1)计算浣熊在树上的位置；

式中， 为浣熊个体新位置，i和j表示第i个浣熊的第j维度位置； 为浣熊上次迭代的位置； 为当前浣熊最优位置；r为[0,1]之间的随机数，I表示{1,2}中的随机整数；N为种群规模；

在开发阶段，利用引入步长的位置更新公式更新位置，如式(2)所示，然后计算概率因子q，若q>q1，则执行式(5)，生成一个反向位置来扩展搜索范围，并返回执行S4；

式中，r为[0,1]之间的随机数；Wstep为浣熊步长； 为第j维变量随迭代次数而更新的上下界；q1为实验设定值，取值0.5；N为种群规模；

S6、判断是否达到最大迭代次数，若是，则寻优停止输出最优参数，否则返回S4继续寻优；

S7、将最优数据赋值给Kp、Ki、Kd带入到受控对象中进行仿真，得到最佳数据情况下的模型输出结果；

所述步骤二中，"精度确认"机制，具体分两步执行：

D1、在开发阶段，改进基础浣熊优化算法寻优步长，防止遗漏最优解问题出现，如式(3)所示；

式中，Wstep为浣熊步长；t为当前迭代次数；Max_iter为最大迭代次数；fitness为当前迭代最优适应度值；fit(i)为当前迭代第i个个体的适应度值；

D2、引入概率因子q，如式(4)所示，当q>q1时，则表示当前迭代陷入局部最优，则执行式(5)，生成一个反向位置来扩展搜索范围；

式中，r1为[0,1]之间的随机数；fitness为当前迭代最优适应度值；fit(i)为当前迭代第i个个体的适应度值；q1为实验设定值，取值0.5；

式中， 为第i个浣熊的第j维度位置的反位置；Xi(j)为第i个浣熊的第j维度位置；

ubj和lbj为搜索空间中第j维变量的最大边界和最小边界；K为透镜对立的学习因子。

2.根据权利要求1所述的一种基于改进型PID最优鲁棒性控制方法，其特征在于，所述步骤一中，PID控制器模型包括目标值和实时值的偏差计算模块、PID控制器模块、改进浣熊优化算法模块、受控对象模块。