1.一种分数阶PID控制器的设计方法，其特征在于，包括对分数阶PID控制器的结构更新和参数整定，步骤如下：步骤1：获取最优精简型Oustaloup滤波器；

步骤2：确定最优精简型Oustaloup滤波器中的可调系数；

步骤3：更新分数阶PID控制器结构；

步骤4：获取非线性动态混沌粒子群优化算法；

步骤5：整定分数阶PID控制器参数；

步骤6：得到最终的分数阶PID控制器；

在步骤1中，所获取的最优精简型Oustaloup滤波器，其结构如下：其中， 代表改造得到的最优精简型Oustaloup滤波器，b、c、d为可调系数，s为Laplace算子，α为分数阶微积分算子阶次，N是滤波器阶数，ωu表示拟合频段的上界，ωl表示拟合频段的下界；

在步骤2中，设计优化目标函数来确定 中的可调系数b、c、d，优化目标函数公式如下：α

其中，Jbcd表示优化目标函数，ω表示频率，Mr、Pr为s的实际幅值和相频，Ma、Pa为近似幅值和相频，ωu表示拟合频段的上界，ωl表示拟合频段的下界，可调系数b、c、d可以根据不同的优化目标函数和搜索范围来确定；

在步骤3中，获取最优精简型Oustaloup滤波器之后，使用最优精简型Oustaloup滤波器完成分数阶算子的数字实现并更新分数阶PID控制器结构，更新的分数阶PID控制器结构表达式如下：其中，Gc(s)代表分数阶PID控制器，s为Laplace算子，Kp是比例系数，Ki是积分系数，Kd是微分系数，λ是积分阶次，μ是微分阶次； 为最优精简型Oustaloup滤波器；则分别如下：

2.根据权利要求1所述的方法，其特征在于，在步骤4中，所获取的非线性动态混沌粒子群优化算法如下：vid(it+1)＝w(it)vid(it)+c1(it)r1(it)[pid(it)‑xid(it)]+c2(it)r2(it)[pgd(it)‑xid(it)]xid(it+1)＝xid(it)+vid(it+1),d＝1,2,...

其中，it表示当前迭代次数，i表示种群中的某个粒子，d表示解空间维度，vid(it+1)表示第it+1次迭代时第i个粒子第d维的移动速度，xid(it+1)表示第it+1次迭代时第i个粒子第d维的位置，pid(it)表示第it次迭代时第d维粒子的个体最优位置，pgd(it)表示第it次迭代时第d维种群的全局最优位置，c1(it)和c2(it)为第it次迭代时的双异步非线性动态学习因子，r1(it)和r2(it)为第it次迭代时的混沌放缩系数，w(it)为第it次迭代时的混沌惯性权重。

3.根据权利要求2所述的方法，其特征在于，双异步非线性动态学习因子c1(it)和c2(it)公式如下：其中，it为当前迭代次数，itmax为最大迭代次数，f1、f2为权重调节因子，f1min、f1max为f1的最小、最大值，f2min、f2max为f2的最小、最大值，c1min、c1max为学习因子c1的最小、最大值，c2min、c2max为学习因子c2的最小、最大值。

4.根据权利要求2所述的方法，其特征在于，混沌放缩系数r1(it)和r2(it)公式如下：r1(it)＝0.500+0.476mod[z1(it‑1)+δ+gz2(it),1]‑r

r2(it)＝0.500+0.476cos(2πz1(it‑1)+e z2(it‑1)其中，it表示当前循环次数，z1和z2分别为混沌映射变量，mod表示对z1(it‑1)+δ+gz2(it)取模运算，cos表示取余弦运算，e为自然对数，π为圆周率，r、g、δ为混沌调节参数。

5.根据权利要求2所述的方法，其特征在于，混沌惯性权重w(it)公式如下：w'(it)＝0.650+0.238mod[z1(it‑1)+δ+gz2(it),1]‑r

w(it)＝0.650+0.238cos(2πz1(it‑1)+e z2(it‑1)其中，it表示当前循环次数，z1和z2分别为混沌映射变量，mod表示对z1(it‑1)+δ+gz2(it)取模运算，cos表示取余弦运算，e为自然对数，π为圆周率，w'(it)为w(it)的混沌映射序列，r、g、δ为混沌调节参数。