气动系统因其具有无污染、功率体积比高、安全可靠、防爆防磁、结构简单、成本低廉等优点，而被广泛应用于机械制造、食品加工、印刷包装和医疗化工等领域。气动系统通常由比例阀和气缸等元件组成，并采用空气作为其工作介质。由于空气的可压缩性，气体通过比例阀时流量的非线性，以及气缸内复杂的摩擦力等特点，使得气动系统的高精度控制困难，限制了气动系统在高精度位置伺服领域的应用。　　由于受到工作环境温度和外界不确定干扰的影响，气动位置伺服系统的精确数学模型很难获得。因此，基于被控对象精确数学模型的控制方法难以取得理想的控制效果。自抗扰控制器(ADRC)不需要依靠被控对象精确数学模型，获得了广泛关注。　　针对具有未知精确数学模型的气动位置伺服系统控制问题，本文分别采用线性和非线性自抗扰控制器对其进行位置控制，自抗扰控制器参数众多，目前尚无完善的参数整定理论依据，调整过程复杂，难以获得最佳效能，针对这一问题，本文使用遗传、粒子群和差分进化三种群体优化算法对控制器的参数进行在线优化。　　针对气动位置伺服系统自抗扰控制器参数优化时面临的多目标均衡问题，采用基于Pareto秩的适应度函数来评价优化算法中每个个体的优劣。分别使用基于Pareto秩的多目标遗传算法、粒子群算法和差分进化算法对控制器的参数进行在线优化，由于基于Pareto秩的多目标优化算法的优化结果是一组秩相等的非劣解，为了获得粒子群算法中的全局最优解，引入了基于个体目标函数与可达最佳日标函数的欧氏距离作为个体评价函数，从非劣解集中来选择全局最优解。采用优化后的线性和非线性自抗扰控制器参数进行了气动系统的控制实验，实验结果显示，相较于来优化的自抗扰控制器，经过群体优化算法优化后的自抗扰控制器跟踪误差均减小，控制性能得以提升。在同样的种群规模和进化迭代次数的情况下，经遗传算法优化后的白抗扰控制器对三种给定曲线的跟踪误差昂大，经粒子群算法优化后的自抗扰控制器对给定参考信号的跟踪误差居中，经差分进化算法优化后的自抗扰控制器对给定参考信号的跟踪误差最小。因此，差分进化算法优化性能综合最优。　　本文对比了参考文献中的五种控制方法与本文优化过的自抗扰控制器的控制性能，与参考文献中的控制方法相比，本文经过优化的自抗扰控制器的跟踪误差小，控制精度高，同时。控制能量消耗也较少，获得了较好的综合效果。