1.一种基于改进型多材兼容的金相试样磨抛PID控制方法，其特征在于，具体包括以下步骤：S10、建立基于PID控制器的多材兼容的金相试样磨抛控制模型；

S20、改进逃离优化算法；

S30、利用改进后的逃离优化算法优化调整PID控制器的参数，迭代得到最优的Kp、Ki、Kd三个控制参数；

S40、对所述PID控制模型进行仿真，将调优后的磨抛参数应用到所述PID控制模型中，验证磨抛系统在不同材料条件下的控制性能与适应能力，实现多材兼容的金相试样磨抛系统的自适应控制；

步骤S20包括：

S21、在初始化种群阶段，基于星涌引航机制初始化种群位置，相关公式如下：（1）；

式中， 为第 个个体在第 维度上的初始化位置， 和 分别表示第 维度参数的上界和下界， 为边界调整函数，为引航权重，用于控制星涌引航中对引导路径的信任程度， 为第 维的引航向量， 为第 个个体在第 维度上的随机变量，服从均匀分布 ，增加初始种群的全局探索性，避免过度集中， 为高斯噪声；

S22、基于时变余弦衰减机制，引入适应灵动因子 ，动态调整恐慌指数对适应度反馈的灵敏度，引导个体在不同组别间的搜索协同，平衡搜索行为，提升算法的整体寻优效率，相关公式为：（2）；

（3）；

式中， 为第 次迭代的适应灵动因子值， 为适应灵动因子基准值，为一个固定值， 当前迭代 时的种群适应度的标准差，表示种群的分散程度， 为适应度标准差的最大值，为当前迭代次数，为最大迭代次数， 为当前迭代 的恐慌指数，反映当前人群行为的混乱程度， 为恐慌指数的最小值， 为恐慌指数的最大值，为当前最优个体的适应度值， 为当前种群的平均适应度值， 为指数函数， 为衰减因子，控制衰减的速率。

2.如权利要求1所述基于改进型多材兼容的金相试样磨抛PID控制方法，其特征在于，步骤S20还包括：S23、使用精英引力导向法更新个体位置，相关公式为：

（4）；

（5）；

（6）；

式中， 、 分别为当前动态导向因子和初始动态导向因子值，为当前迭代次数， 为最大迭代次数， 为Levy权重， 、 为随机变量， 为尺度参数，， 为伽马函数， 为更新后的个体 第 维度的位置，为个体 第 维度的当前位置， 为从精英池中选出的精英解向量的第 维度的位置， 为从种群中随机选取的第 个个体的第 维度的位置， 、 为伯努利分布生成的二值变量， 、 为两个Levy权重， 为扰动调节因子， 为随机扰动项，为当前种群个体适应度的平均值， 为个体 的适应度值，为[0,1]区间内的随机数， 为符号函数，用于控制扰动方向；

S24、采用痕迹启发优化法，通过利用当前精英解与历史精英解的动态平衡机制，并结合时间衰减扰动，提升精英池更新的多样性与稳定性，相关公式为：（7）；

式中，为当前迭代次数， 为最大迭代次数， 、 、 分别为当前精英池中、当前迭代中、历史精英池中通过计算适应度值筛选出的前十名解向量的集合，为动态平衡因子， 为扰动控制系数， 为随机扰动项。

3.如权利要求1所述的基于改进型多材兼容的金相试样磨抛PID控制方法，其特征在于，在步骤S10中，所述PID控制器的多材兼容的金相试样磨抛控制模型主要包括压力差计算模块、改进逃离优化算法模块、压力控制模块、负载补偿计算模块、压力调整模块、磨料检测模块和转速与压力检测模块；

其中，所述压力差计算模块用于计算目标压力与实际压力之间的偏差；

所述改进逃离优化算法模块优化PID控制器的三个参数，将优化后的PID控制参数传入到压力控制模块，以提升控制性能；

所述压力控制模块根据压力差计算模块输出的压力误差值，利用改进逃离优化算法模块优化的PID控制参数，调整压力控制信号并传送至负载补偿计算模块；

所述负载补偿计算模块基于压力控制模块输出的压力控制信号，结合负载变化引起的系统偏差，调节压力信号并输出至压力调整模块；

所述压力调整模块根据负载补偿计算模块的压力信号，调节控制最终压力的输出，确保系统压力精确控制；

所述磨料检测模块用于实时检测磨料的使用情况，提供磨抛过程中磨料消耗的反馈信息以优化压力控制效果；

所述转速和压力检测模块用于检测电机实际转速和压力输出，反馈磨抛过程中的关键信息，为磨抛压力的精准调节提供支撑。

4.如权利要求1所述的基于改进型多材兼容的金相试样磨抛PID控制方法，其特征在于，步骤S30包括：S31、初始化改进逃离优化算法参数：基于星涌引航机制初始化种群位置，算法搜索的上界 和下界 、解空间维度 、种群规模 、种群最大迭代次数 ，星涌引航机制的相关公式见式（1）；

S32、选取用于评估解在动态环境下的适应性与性能的适应度函数，适应度函数公式为：（8）；

式中，为时间变量， 为多材兼容的金相试样磨抛系统的实际压力与目标压力之间的实时误差， 为实际压力值的瞬时变化率， 为适应度函数值；

S33、在行为驱动勘探阶段，基于时变余弦衰减机制，引入适应灵动因子来改进恐慌指数，从而动态调整恐慌指数对适应度反馈的灵敏度，以协调在不同组别中的搜索行为，平衡探索与开发过程，提升算法的整体寻优性能，时变余弦衰减公式见式（2）和式（3）；

S34、在行为驱动勘探阶段，计算种群适应度值，将种群按照适应度值升序排序，将个体按照比例分为三组，平静组比例c=0.15，羊群组比例h=0.35，恐慌组比例p=0.5，这种分层反应了疏散过程中人群中个体的不同反应，有些人保持冷静，有些人遵循群体行为，有些人则惊慌失措。

5.如权利要求4所述的基于改进型多材兼容的金相试样磨抛PID控制方法，其特征在于，步骤S30还包括：S35、在行为驱动勘探阶段，根据个体组别确定算法的位置更新公式，平静组位置更新公式为：（9）；

羊群组位置更新公式为：

（10）；

恐慌组位置更新公式为：

（11）；

其中， 表示第 个个体在第 个维度上更新后的位置， 表示第 个个体在第个维度上的当前位置， 、 为伯努利分布生成的二值变量，用于控制是否更新当前位置，通过此参数模拟随机性， 为第一个Levy权重， 为第二个Levy权重，用于动态调整搜索步长，赋予探索多样性，Levy权重公式见式（6）， 为当前种群第 维度的中心位置用于引导个体向中心收敛， 、 、 为当前个体与中心之间生成的随机扰动向量，用于引入局部随机性，增强探索能力， 为恐慌指数，恐慌指数公式见式（3），为当前种群中第 个个体在第 维度上的位置， 为当前种群随机选取的一个个体在第 维度上的位置，用于引入随机性，避免早熟， 为在精英池中随机选取的一个精英个体在第 维度上的位置。

6.如权利要求5所述的基于改进型多材兼容的金相试样磨抛PID控制方法，其特征在于，步骤S30还包括：S36、在有序逃离阶段，使用精英引力导向法改进个体的位置更新公式，在该阶段，所有个体都被认为是平静的，将重点转移到基于迄今为止确定的最佳方案的位置微调，在这个阶段，精英池代表了可能的安全出口，个体通过靠近精英池成员来优化自己的位置，从而模拟人群逐渐向最佳出口收敛的过程，精英引力导向法相关公式见式（6）；

S37、在精英筛选阶段，对新解进行适应度值评估，采用痕迹启发优化法，通过融合历史信息并利用当前解的优势，实现对优秀解的传承，痕迹启发优化法相关公式见式（7）；

S38、在位置修正阶段，利用如下公式对位置进行修正，方便找到全局最优解：（12）；

其中， 表示个体 的位置， 表示个体 在本轮迭代中的新位置， 和分别表示个体 更新前后的适应度值；

S39、判断是否达到最大迭代次数，如果达到，算法停止迭代，并将当前的最优解分解为PID控制器的三个参数Kp、Ki、Kd，完成PID参数的优化，如果未达到最大迭代次数，则返回到S30步骤，继续迭代以进一步搜索更优解。

7.如权利要求1所述的基于改进型多材兼容的金相试样磨抛PID控制方法，其特征在于，在步骤S40中，采用MATLAB和Simulink对多材兼容的金相试样磨抛系统的PID控制模型进行仿真。