自动控制现代控制与智能控制的关系
自动化控制和智能控制的相互关系
自动化控制和智能控制的相互关系自动化控制和智能控制是现代工业控制领域中两个重要的概念。
它们之间存在着相互关系，相辅相成，共同推动了工业自动化的发展。
本文将从各自的定义、特点和应用领域等方面详细介绍自动化控制和智能控制的相互关系。
我们来看看自动化控制的概念。
自动化控制是指利用各种控制设备和技术手段，对生产过程中的各种参数进行监测和调节，实现对生产过程的自动化管理和控制。
自动化控制的主要特点是具有高效性、稳定性和可靠性。
它能够实现对生产过程的精确控制，提高生产效率和产品质量，降低人力成本和资源浪费。
而智能控制是自动化控制的一种进阶形式，它是利用先进的计算机技术和人工智能算法，使控制系统具备学习、推理、决策和优化能力的一种控制方式。
智能控制系统能够根据外部环境的变化和内部反馈信息，灵活地调整控制策略和参数，以达到最佳控制效果。
智能控制的主要特点是具有自适应性、高度智能化和灵活性。
它能够根据不同的控制任务和环境条件，自主地选择最优的控制策略，适应不同的工作场景和要求。
自动化控制和智能控制之间存在着密切的相互关系。
首先，智能控制是自动化控制的一种升级和拓展，它在自动化控制的基础上加入了人工智能和计算机技术，使控制系统具备了更高的智能化水平和自适应能力。
智能控制可以看作是自动化控制的进一步发展，是自动化控制技术向智能化方向的延伸。
自动化控制为智能控制提供了基础和支撑。
自动化控制是智能控制的前提和基础，只有在实现了自动化的基础上，才能进一步引入智能控制技术。
自动化控制通过各种传感器和执行器，实现对生产过程中的参数进行监测和调节，为智能控制系统提供了必要的数据和反馈信息。
只有在自动化控制的基础上，智能控制系统才能准确地感知和理解外部环境的变化，进而做出相应的决策和调整。
自动化控制和智能控制在应用领域上也存在一定的差异。
自动化控制主要应用于工业生产领域，如汽车制造、电子设备制造、化工生产等。
它通过自动化设备和控制系统，实现对生产过程的自动化管理和控制，提高生产效率和产品质量。
智能控制整理
第一章：1、传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性、时不变性等相对简单的控制。
2、智能控制的研究对象具备以下的一些特点：不确定性的模型、高度的非线性、复杂的任务要求。
3、IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学)4、AC：描述系统的动力学特征，是一种动态反馈。
AI ：是一个用来模拟人思维的知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。
OR：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。
5、智能控制：即设计一个控制器，使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化作出适应性，从而实现由人来完成的任务。
6、智能控制的几个重要分支为模糊控制、神经网络控制和遗传算法。
7、智能控制的特点：1，学习功能2，适应功能3，自组织功能4，优化功能8、智能控制的研究工具：1，符号推理与数值计算的结合2，模糊集理论3，神经网络理论4，遗传算法5，离散事件与连续时间系统的结合。
9、智能控制的应用领域，例如智能机器人控制、计算机集成制造系统、工业过程控制、航空航天控制和交通运输系统等。
第二章：10、专家系统：是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。
11、专家系统的构成：由知识库和推理机（知识库由数据库和规则库两部分构成）12、专家系统的建立：1，知识库2，推理机3，知识的表示4，专家系统开发语言5，专家系统建立步骤。
13、专家控制：是智能控制的一个重要分支，又称专家智能控制。
所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。
14、专家控制的基本结构：15、专家控制与专家系统的区别：1，专家控制能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。
自动控制、现代控制与智能控制的关系
自动控制、现代控制与智能控制的关系一、基本区别控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。
智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。
20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。
自动控制理论中建立在频率响应法和根轨迹法基础上的一个分支。
经典控制理论的研究对象是单输入、单输出的自动控制系统，特别是线性定常系统。
经典控制理论的特点是以输入输出特性（主要是传递函数）为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和设计控制装置。
经典控制理论的数学基础是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。
建立在状态空间法基础上的一种控制理论，是自动控制理论的一个主要组成部分。
在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。
现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。
它所采用的方法和算法也更适合于在数字计算机上进行。
现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。
智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。
二、华山论剑：自动控制的机遇与挑战传统控制理论在应用中面临的难题包括：(1)传统控制系统的设计与分析是建立在已知系统精确数学模型的基础上，而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型；(2)研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合；(3)对于某些复杂的和包含不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题；(4)为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。
自动控制、现代控制与智能控制的关系
自动控制、现代控制与智能控制的关系一、基本区别控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。
智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。
20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。
自动控制理论中建立在频率响应法和根轨迹法基础上的一个分支。
经典控制理论的研究对象是单输入、单输出的自动控制系统，特别是线性定常系统。
经典控制理论的特点是以输入输出特性（主要是传递函数）为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和设计控制装置。
经典控制理论的数学基础是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。
建立在状态空间法基础上的一种控制理论，是自动控制理论的一个主要组成部分。
在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。
现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。
它所采用的方法和算法也更适合于在数字计算机上进行。
现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。
智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。
二、华山论剑：自动控制的机遇与挑战传统控制理论在应用中面临的难题包括：(1)传统控制系统的设计与分析是建立在已知系统精确数学模型的基础上，而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型；(2)研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合；(3)对于某些复杂的和包含不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题；(4)为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。
自动控制理论的三个发展阶段：经典控制理论、现代控制理论、智能控制理论
经典控制理论是以传递函数为基础的一种控制理论，控制系统的分析与设计是建立在某种近似的和(或)试探的基础上的、控制对象一般是单输入单输出、线性定常系统；对多输入多输出系统、时变系统、非线性系统等．则无能为力。
经典抑制理论主要的分析方法有频率特性分析法、根轨迹分析法、描述函数法、相平面法、波波夫法等。
控制策略仅局限于反馈控制、PID控制等。
这种控制不能实现最优控制。
现代控制理论是建立在状态空间上的一种分析方法，它的数学模型主要是状态方程，控制系统的分析与设计是精确的。
控制对象可以是单输入单输出控制系统．也可以是多输人多输出控制系统，可以是线件定常控制系统，也可以是非线性时变控制系统，可以是连续控制系统，也可以是离散和(或)数字控制系统。
因此，现代控制理论的应用范围更加广泛。
主要的控制策略有极点配置、状态反馈、输出反馈等。
由于现代控制理论的分析与设计方法的精确性，因此，现代控制可以得到最优控制。
但这些控制策略大多是建立在已知系统的基础之上的。
严格来说．大部分的控制系统是一个完全未知或部分未知系统，这里包括系统本身参数未知、系统状态未知两个方面，同时被控制对象还受外界干扰、环境变化等的因素影响。
智能控制是一种能更好地模仿人类智能的、非传统的控制方法，它采用的理论方法则主要来自自动控制理论、人工智能和运筹学等学科分支。
内容包括最优控制、自适应控制、鲁棒控制、神经网络控制、模糊控制、仿人控制等。
其控制对象可以是已知系统也可以是未知系统，大多数的控制策略不仅能抑制外界干扰、环境变化、参数变化的影响，还能有效地消除模型化误差的影响。
智能控制理论及应用复习
智能控制理论及应用第1章绪论■《智能控制》在自动化课程体系中的位置《智能控制》是一门控制理论课程，研究如何运用人工智能的方法来构造控制系统和设计控制器。
与《自动控制原理》和《现代控制原理》一起构成了自动控制课程体系的理论基础。
■《智能控制》在控制理论中的位置《智能控制》是目前控制理论的最高级形式，代表了控制理论的发展趋势，能有效地处理复杂的控制问题。
其相关技术可以推广应用于控制之外的领域：金融、管理、土木、设计等等。
■经典控制和现代控制理论的统称为传统控制，智能控制是人工智能与控制理论交叉的产物，是传统控制理论发展的高级阶段。
智能控制是针对系统的复杂性、非线性和不确定性而提出来的。
■传统控制和智能控制的主要区别：➢传统控制方法在处理复杂化和不确定性问题方面能力很低；智能控制在处理复杂性、不确定性方面能力较高。
智能控制系统的核心任务是控制具有复杂性和不确定性的系统，而控制的最有效途径就是采用仿人智能控制决策。
➢传统控制是基于被控对象精确模型的控制方式；智能控制的核心是基于知识进行智能决策，采用灵活机动的决策方式迫使控制朝着期望的目标逼近。
传统控制和智能控制的统一：智能控制擅长解决非线性、时变等复杂的控制问题，而传统控制适于解决线性、时不变等相对简单的控制问题。
智能控制的许多解决方案是在传统控制方案基础上的改进，因此，智能控制是对传统控制的扩充和发展，传统控制是智能控制的一个组成部分。
■智能控制与传统控制的特点。
传统控制：经典反馈控制和现代理论控制。
它们的主要特征是基于精确的系统数学模型的控制。
适于解决线性、时不变等相对简单的控制问题。
智能控制：以上问题用智能的方法同样可以解决。
智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。
■智能控制应用对象的特点(1)不确定性的模型模型未知或知之甚少；模型的结构和参数可能在很大范围内变化。
(2)高度的非线性(3)复杂的任务要求■自动控制的发展过程■智能控制系统的结构一般有哪几部分组成，它们之间存在什么关系？答：智能控制系统的基本结构一般由三个部分组成：人工智能（AI）：是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发式推理等功能。
智能控制技术复习题课后答案
, N² O 代表
。25、正中、负零
26. 在模糊控制中，模糊推理的结果是
量。26、模糊
27. 在模糊控制中，解模糊的结果是 28. 基本模糊控制器的组成包括知识库以及 模糊化接口、推理机、解模糊接口
量。确定量 、 和 。
29. 在模糊控制中，实时信号需要
才能作为模糊规则的输入，从而完成模糊推理。
和
。
17．普通集合可用
函数表示,模糊集合可用
函数表示。特征、隶属
18．某省两所重点中学在(x1~x5)五年高考中，考生“正常发挥”的隶属函数分别为
0.85、0.93、0.89、0.91、0.96 和 0.92、0.96、0.87、0.93、0.94。则在研究该省重点中学高
考考生水平发挥的状况时，论域应为 X
和
32.暖和、很好
33．在水位、压力、暖和、表演、中年人和比较好中可作为语言变量值的有
、
和。
33、暖和、中年人和比较好
34．在水位、寒冷、温度、表演和偏高中可作为语言变量值的有
和
。 34.寒冷、偏高
35. 模糊控制的基本思想是把人类专家对特定的被控对象或过程的
总结成一系列
以“
”形式表示的控制规则。
35、控制策略 “IF 条件 THEN 作用”
29、 模糊化
30．模糊控制是建立在
基础之上的，它的发展可分为三个阶段，分别为
、
、
和
。
30、人工经验 模糊数学发展和形成阶段 产生了简单的模糊控制器 高性能模糊控制阶段
31．模糊集合逻辑运算的模糊算子为
、
和
。
31、交运算算子 并运算算子 平衡算子
32．在温度、成绩、暖和、口才和很好中可作为语言变量值的有
智能控制与人工智能结合
智能控制与人工智能结合智能控制与人工智能结合，是指将智能控制技术与人工智能相结合，实现智能化控制系统的发展和应用。
随着科技的不断进步和发展，智能控制与人工智能的结合在各个领域都得以应用和推广，为现代社会带来了许多便利和创新。
本文将从智能控制的基本概念、人工智能的发展历程及其与智能控制的结合等方面展开论述。
一、智能控制的基本概念1.1 智能控制的定义及特点智能控制是一种基于计算机技术与控制理论相结合的控制方式，通过数据采集、处理与分析，实现对被控制对象的精确控制和智能化管理。
其特点包括自适应、自组织、自学习和自适应优化等。
1.2 智能控制的分类智能控制可分为基于规则的专家系统控制、基于模型的控制、基于神经网络的控制和基于遗传算法的控制等多种分类。
不同的分类方式适用于不同的控制场景。
二、人工智能的发展历程2.1 人工智能的定义及发展背景人工智能是指模拟、延伸和扩展人类智能的系统和机器，通过使用计算机和其他技术实现自动化和智能化的功能。
其发展起源于20世纪50年代的计算机技术和信息工程领域。
2.2 人工智能的发展阶段人工智能的发展可分为符号主义阶段、连接主义阶段和统计主义阶段等几个主要阶段。
在每个阶段，人工智能都取得了不同程度的进展和创新。
三、智能控制与人工智能的结合3.1 智能控制中人工智能的应用在智能控制中，人工智能可以应用于数据分析与决策、系统建模与优化、自动化控制与协调等方面。
通过人工智能技术的应用，可以使智能控制系统具备更高的自主性和智能化水平。
3.2 智能控制对人工智能的促进作用智能控制的发展为人工智能的应用提供了更多的实践场景和数据资源。
同时，智能控制与人工智能的结合也为人工智能技术的改进和发展提供了新的思路和途径。
四、智能控制与人工智能结合的应用案例4.1 智能家居领域的应用智能家居通过智能控制系统和人工智能技术的结合，实现了家庭设备的自动化控制和智能化管理。
例如智能音箱可以通过语音识别和自然语言处理技术实现与人的交互，控制家电设备的开关和调节。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
自动控制、现代控制与智能控制的关系一、基本区别控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。
智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。
20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。
自动控制理论中建立在频率响应法和根轨迹法基础上的一个分支。
经典控制理论的研究对象是单输入、单输出的自动控制系统，特别是线性定常系统。
经典控制理论的特点是以输入输出特性（主要是传递函数）为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和设计控制装置。
经典控制理论的数学基础是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。
建立在状态空间法基础上的一种控制理论，是自动控制理论的一个主要组成部分。
在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。
现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。
它所采用的方法和算法也更适合于在数字计算机上进行。
现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。
智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。
二、华山论剑：自动控制的机遇与挑战传统控制理论在应用中面临的难题包括：(1)传统控制系统的设计与分析是建立在已知系统精确数学模型的基础上，而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型；(2)研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合；(3)对于某些复杂的和包含不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题；(4)为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。
为了讨论和研究自动控制面临的挑战，早在1986年9月，美国国家科学基金会(NSF)及电气与电子工程师学会(1EEE)的控制系统学会在加利福尼亚州桑克拉拉大学(University of Santa Clare)联合组织了一次名为“对控制的挑战”的专题报告会。
有50多位知名的自动控制专家出席了这一会议。
他们讨论和确认了每个挑战。
根据与会自动控制专家的集体意见，他们发表了《对控制的挑战——集体的观点》，洋洋数万言，简直成为这一挑战的宣言书。
到底为什么自动控制会面临这一挑战，还面临哪些挑战，以及在哪些研究领域存在挑战呢?在自动控制发展的现阶段，存在一些至关重要的挑战是基于下列原因的：(1)科学技术间的相互影响和相互促进，例如，计算机、人工智能和超大规模集成电路等技术：(2)当前和未来应用的需求，例如，空间技术、海洋工程和机器人技术等应用要求；(3)基本概念和时代进程的推动，例如，离散事件驱动、信息高速公路、非传统模型和人工神经网络的连接机制等。
面对这一挑战，自动控制工作者的任务就是：(1)扩展视野、发展新的控制概念和控制方法，采用非完全模型控制系统；(2)采用在开始时知之甚少和不甚正确的，但可以在系统工作过程中加以在线改进，使之知之较多和愈臻正确的系统模型；从这些任务可以看出，系统与信息理论以及人工智能思想和方法将深入建模过程，不把模型视为固定不变的，而是不断深化的实体。
所开发的模型不仅含有解析与数值，而且包含定性和符号数据。
它们是因果性的和动态的，高度非同步的非解析的，甚至是非数值的。
对于非完全已知的系统和非传统数学模型描述的系统，必须建立包括控制律、控制算法、控制策略、控制规则和协议等理论。
实质上，这就是要建立智能控制系统模型，或者建立传统解析和智能方法的混合(集成)控制模型，而其核心就在于实现控制器的智能化。
面临挑战的控制领域有：多变量鲁棒控制、自适应控制和容错(Fault—Tolerant)控制，高度非线性控制和多因素或分散随机控制、时空分布参数系统的控制、含有离散变量和离散事件动态系统的控制、信号处理和通信技术、分布信息处理及决策结构的综合设计方法、控制系统的集成设计及实验环境和实现等。
这些挑战领域所研究的问题，广泛地存在于工程技术应用中。
例如：航天器和水下运动载体的恣态控制、先进飞机的自主控制、空中交通控制、汽车自动驾驶控制和多模态控制、机器人和机械手的运动和作业控制、计算机集成与柔性加工系统、高速计算机通信系统或网络、基于计算机视觉和模式识别的在线控制以及电力系统和其它系统或设备的故障自动检测、诊断与自动恢复系统等。
上述领域面临问题的解决，不仅需要发展控制理论与方法，而且需要开发与应用计算机科学与工程的最新成果。
进入90年代以来计算机科学在工业控制中的应用问题已引起学术界越来越广泛的重视与深入研究。
其中，最有代表性的是由IEEE控制系统学会和国际自动控制联合会(1FAC)理论委员会合作进行的题为“计算机科学面临工业控制应用的挑战”的研究计划。
该合作研究计划指出：开发大型的实时控制与信号处理系统是工程界面临的最具挑战的任务之一，这涉及硬件、软件和智能(尤其是算法)的结合，而系统集成又需要先进的工程管理技术。
设立这一迎接挑战的研究计划基于以下几个因素：(1)工业部门往往无法有效地把数学技术的最新进展用于控制和信号处理，以便提高实时系统的智能水平(Intelligent Level)；(2)控制学术界又常常不清楚如何在工业上控制控制系统硬件、软件和智能三者的集成开发，自动控制界和计算机科学界在工业和学术两方面的对话与有效合作仍然是个需要进一步解决的问题；(3)在开发大型的实时系统时，了解硬件、软件和智能应如何结合以及该系统的算法应如何设计；(4)评价由收集专家经验或利用数学模型以及依靠控制和信号处理的数学技术而得到的智能的相关价值；(5)建议重新树立控制和计算机科学的传统学术形象，以求组成一个更加统一的实时与动态系统科学。
智能控制的产生和发展为自动控制系统的智能化提供有力支持。
人工智能影响了许多具有不同背景的学科，它的发展已促进自动控制向着更高的水平——智能控制(Intelligent Contro1)发展。
人工智能和计算机科学界已经提出一些方法、示例和技术，用于解决自动控制面临的难题。
例如，简化处理松散结构的启发式软件方法(专家系统外壳、面向对象程序设计和再生软件等)；基于角色(Actor)或媒介(Agent)的处理超大规模系统的软件模型；模糊信息处理与控制技术以及基于信息论和人工神经网络的控制思想和方法等。
智能控制是一种能更好地模仿人类智能的、非传统的控制方法，它采用的理论方法则主要来自自动控制理论、人工智能和运筹学等学科分支。
内容包括最优控制、自适应控制、鲁棒控制、神经网络控制、模糊控制、仿人控制等。
其控制对象可以是已知系统也可以是未知系统，大多数的控制策略不仅能抑制外界干扰、环境变化、参数变化的影响，还能有效地消除模型化误差的影响。
三、珠峰对决：本质上的关系最本质的区别是解决问题的思路不一样。
经典控制与现代控制虽然看起来完全不同，但是本质上都一样，就是建立控制对象的数学模型，然后设计一个数学模型形式的控制器达到控制目的，区别只是前者建立的是微分方程或者叫做pid控制，后者建立的是状态方程，类似于数学当中的线性微分方程组。
而最优控制，鲁棒控制等问题不论是基于经典控制理论还是基于现代控制理论，都脱离不了本质——必须建立被控对象的数学模型，也包括02年提出的foc控制。
智能控制则采取的是全新的思路。
它采取了人的思维方式，建立逻辑模型，使用类似人脑的控制方法来进行控制。
智能控制是以控制理论、计算机科学、人工智能、运筹学等学科为基础,扩展了相关的理论和技术,其中应用较多的有模糊逻辑、神经网络、专家系统、遗传算法等理论和自适应控制、自组织控制、自学习控制等技术。
专家系统专家系统是利用专家知识对专门的或困难的问题进行描述. 用专家系统所构成的专家控制,无论是专家控制系统还是专家控制器,其相对工程费用较高,而且还涉及自动地获取知识困难、无自学能力、知识面太窄等问题. 尽管专家系统在解决复杂的高级推理中获得较为成功的应用,但是专家控制的实际应用相对还是比较少。
模糊逻辑模糊逻辑用模糊语言描述系统,既可以描述应用系统的定量模型也可以描述其定性模型. 模糊逻辑可适用于任意复杂的对象控制. 但在实际应用中模糊逻辑实现简单的应用控制比较容易. 简单控制是指单输入单输出系统(SISO) 或多输入单输出系统(MISO) 的控制. 因为随着输入输出变量的增加,模糊逻辑的推理将变得非常复杂。
遗传算法遗传算法作为一种非确定的拟自然随机优化工具,具有并行计算、快速寻找全局最优解等特点,它可以和其他技术混合使用,用于智能控制的参数、结构或环境的最优控制。
神经网络神经网络是利用大量的神经元按一定的拓扑结构和学习调整方法. 它能表示出丰富的特性：并行计算、分布存储、可变结构、高度容错、非线性运算、自我组织、学习或自学习等. 这些特性是人们长期追求和期望的系统特性. 它在智能控制的参数、结构或环境的自适应、自组织、自学习等控制方面具有独特的能力. 神经网络可以和模糊逻辑一样适用于任意复杂对象的控制,但它与模糊逻辑不同的是擅长单输入多输出系统和多输入多输出系统的多变量控制. 在模糊逻辑表示的SIMO 系统和MIMO 系统中,其模糊推理、解模糊过程以及学习控制等功能常用神经网络来实现.模糊神经网络技术和神经模糊逻辑技术：模糊逻辑和神经网络作为智能控制的主要技术已被广泛应用. 两者既有相同性又有不同性. 其相同性为：两者都可作为万能逼近器解决非线性问题,并且两者都可以应用到控制器设计中. 不同的是：模糊逻辑可以利用语言信息描述系统,而神经网络则不行;模糊逻辑应用到控制器设计中,其参数定义有明确的物理意义。
智能变送器掌上编程器因而可提出有效的初始参数选择方法;神经网络的初始参数(如权值等) 只能随机选择. 但在学习方式下,神经网络经过各种训练,其参数设置可以达到满足控制所需的行为. 模糊逻辑和神经网络都是模仿人类大脑的运行机制,可以认为神经网络技术模仿人类大脑的硬件,模糊逻辑技术模仿人类大脑的软件. 根据模糊逻辑和神经网络的各自特点,所结合的技术即为模糊神经网络技术和神经模糊逻辑技术. 模糊逻辑、神经网络和它们混合技术适用于各种学习方式智能控制的相关技术与控制方式结合或综合交叉结合,构成风格和功能各异的智能控制系统和智能控制器是智能控制技术方法的一个主要特点。