PID 控制由于其算法简单、鲁棒性好和可靠性高,被广泛应用于工业过程控制。实际工业生产过程往往具有非线性、时变不确定性,难以建立精确的数学模型,应用常规PID控制器不能达到理想的控制效果。针对这些问题,长期以来人们一直在寻求PID控制器参数的自整定技术,以适应复杂的工况和高指标的控制要求。由于PID控制存在许多优点而又存在参数的鲁棒整定较为困难的问题,许多学者开始寻求一些优化算法来进行PID参数的寻优,如自适应智能控制技术方法、神经网络方法以及遗传算法等。传统的遗传算法虽然在理论上已经形成了一套较为完善的算法体系并在许多优化问题中都有成功的应用,但其本身还存在一些不足,例如局部搜索能力差、存在未成熟收敛和随机漫游等现象,从而导致算法的收敛性能差。近年来在生物学领域的研究发现免疫行为能够很好地防止早熟现象,有效地提高寻优速度——因而免疫原理对改进和提高遗传算法的性能具有重要的启迪作用。本文在分析了传统遗传算法的缺陷机理和己有免疫理论的基础上,提出一种新型有效的PID参数优化算法——基于免疫遗传算法(Immune Genetic Algorithm, IGA )的PID 参数整定算法。通过对生物体实际免疫行为的模拟,使设计的优化算法能够有效解决全局搜索能力和局部搜索能力的矛盾、维持演化过程中种群的多样性,从而弥补传统遗传算法的缺陷。本文对一个典型控制对象进行了控制,仿真结果表明基于免疫遗传算法的PID 控制器不仅能提高响应速度,减少超调,而且对参数时延摄动也有很好的抗干扰性能和较强的鲁棒性。本文还提出基于免疫遗传算法的PID多变量优化耦合控制的方法,该优化耦合方法是多变量系统获得满意动态控制效果的一条新途径。