在工业生产中应用比较广泛的就是传统PID控制器,控制技术已经十分成熟,但是传统的整数阶PID控制器有其自身的弊端即只能对线性和时不变环节的控制对象进行控制,而对非线性和时变环节整数阶PID控制器的控制效果并不理想,分数阶PIλDμ控制器的提出较好的解决了这些问题。本文主要采用智能算法对分数阶PIλDμ控制器的5个参数即kp,ki,kd,λ,μ进行优化,文中可大致分为两部分,第一部分主要讲述了在理论上对分数阶PIλDμ控制器进行参数整定的方法。在第一部分中用于参数整定的方法主要有遗传算法、模糊控制理论、小波神经网络、DNA计算。给出了各种算法的基本思想和步骤,并在每章最后都给出了仿真实验,充分证明了每种智能算法的可行性。遗传算法是目前参数整定过程中用的比较成熟的一种算法,本文分别在时域和频域两个角度给出了遗传算法整定分数阶PIλDμ控制器参数的步骤,时域主要根据ITAE标准构造目标函数来寻找控制器的一组最佳参数,频域主要根据幅值条件和相角条件来寻找最佳参数,介绍的比较全面,详细。然后将能处理模糊量的模糊控制方法用于分数阶PIλD控制器的参数整定中,通过对控制器参数进行模糊推理来寻找控制器的最佳参数组合,仿真结果表明了该参数整定策略的可行性。小波网络是基于神经网络的基础上发展起来的,将小波网络用于分数阶PIλDμ控制器的参数整定中是对传统神经网络优化PID控制器的改进。通过使用小波网络的反向传播计算能力对分数阶PIλDμ控制器的参数进行寻优。DNA计算是近年来发展起来的一种新型仿生算法,DNA计算由于计算上的高度并行性,以及能处理海量的数据,因此具有很广泛的应用前景,通过满足DNA计算中的各种约束条件就能来找到控制器的一组最优参数。论文的第二部分,主要介绍了分数阶PIλDμ控制器的应用及其硬件实现。在第二部分中,分数阶PIλDμ控制器的主要应用是用来调节载煤船上电机的速度,至于分数阶PIλDμ控制器的硬件实现,基本的操作思想就是在μC/OS-Ⅱ操作系统下,以ARM为基础来设计嵌入式PIλDμ控制器。在工业、农业、航天等研究领域,本文第二部分具有尤其重要的参考价值。