1. 自適應(yīng)控制

自適應(yīng)控制可以看作是一個能根據(jù)環(huán)境變化智能調(diào)節(jié)自身特性的反饋控制系統(tǒng)以使系統(tǒng)能按照一些設(shè)定的標(biāo)準(zhǔn)工作在最優(yōu)狀態(tài)。

一般地說，自適應(yīng)控制在航空、導(dǎo)彈和空間飛行器的控制中很成功?？梢缘贸鼋Y(jié)論，傳統(tǒng)的自適應(yīng)控制適合（1）沒有大時間延遲的機(jī)械系統(tǒng)；（2）對設(shè)計的系統(tǒng)動態(tài)特性很清楚。

但在工業(yè)過程控制應(yīng)用中，傳統(tǒng)的自適應(yīng)控制并不如意。PID自整定方案可能是最可靠的，廣泛應(yīng)用于商業(yè)產(chǎn)品，但用戶并不怎么喜歡和接受。

傳統(tǒng)的自適應(yīng)控制方法，要么采用模型參考要么采用自整定，一般需要辨識過程的動態(tài)特性。它存在許多基本問題（1）需要復(fù)雜的離線訓(xùn)練；（2）辨識所需的充分激勵信號和系統(tǒng)平穩(wěn)運行的矛盾；（3）對系統(tǒng)結(jié)構(gòu)假設(shè)；（4）實際應(yīng)用中，模型的收斂性和系統(tǒng)穩(wěn)定性無法保證。

另外，傳統(tǒng)自適應(yīng)控制方法中假設(shè)系統(tǒng)結(jié)構(gòu)的信息，在處理非線性、變結(jié)構(gòu)或大時間延遲時很難。

2. 魯棒控制

魯棒控制是一個著重控制算法可靠性研究的控制器設(shè)計方法。魯棒性一般定義為在實際環(huán)境中為保證安全要求控制系統(tǒng)最小必須滿足的要求。一旦設(shè)計好這個控制器，它的參數(shù)不能改變而且控制性能保證。

魯棒控制方法，是對時間域或頻率域來說，一般假設(shè)過程動態(tài)特性的信息和它的變化范圍。一些算法不需要精確的過程模型但需要一些離線辨識。

一般魯棒控制系統(tǒng)的設(shè)計是以一些最差的情況為基礎(chǔ)，因此一般系統(tǒng)并不工作在最優(yōu)狀態(tài)。

魯棒控制方法適用于穩(wěn)定性和可靠性作為首要目標(biāo)的應(yīng)用，同時過程的動態(tài)特性已知且不確定因素的變化范圍可以預(yù)估。飛機(jī)和空間飛行器的控制是這類系統(tǒng)的例子。

過程控制應(yīng)用中，某些控制系統(tǒng)也可以用魯棒控制方法設(shè)計，特別是對那些比較關(guān)鍵且（1）不確定因素變化范圍大；（2）穩(wěn)定裕度小的對象。

但是，魯棒控制系統(tǒng)的設(shè)計要由高級專家完成。一旦設(shè)計成功，就不需太多的人工干預(yù)。另一方面，如果要升級或作重大調(diào)整，系統(tǒng)就要重新設(shè)計。

3. 預(yù)測控制

預(yù)測控制或稱為模型預(yù)測控制（MPC）是僅有的成功應(yīng)用于工業(yè)控制中的先進(jìn)控制方法之一。

各類預(yù)測控制算法都有一些共同的特點，歸結(jié)起來有三個基本特征：（1）預(yù)測模型，（2）有限時域滾動優(yōu)化，（3）反饋校正。這三步一般由計算機(jī)程序在線連續(xù)執(zhí)行。

預(yù)測控制是一種基于預(yù)測過程模型的控制算法，根據(jù)過程的歷史信息判斷將來的輸入和輸出。它強(qiáng)調(diào)模型的函數(shù)而非模型的結(jié)構(gòu)，因此，狀態(tài)方程、傳遞函數(shù)甚至階躍響應(yīng)或脈沖響應(yīng)都可作為預(yù)測模型。預(yù)測模型能體現(xiàn)系統(tǒng)將來的行為，因此，設(shè)計者可以實驗不同的控制律用計算機(jī)仿真觀察系統(tǒng)輸出結(jié)果。

預(yù)測控制是一種最優(yōu)控制的算法，根據(jù)補(bǔ)償函數(shù)或性能函數(shù)計算出將來的控制動作。預(yù)測控制的優(yōu)化過程不是一次離線完成的，是在有限的移動時間間隔內(nèi)反復(fù)在線進(jìn)行的。移動的時間間隔稱為有限時域，這是與傳統(tǒng)的最優(yōu)控制最大的區(qū)別，傳統(tǒng)的最優(yōu)控制是用一個性能函數(shù)來判斷全局最優(yōu)化。對于動態(tài)特性變化和存在不確定因素的復(fù)雜系統(tǒng)無需在全局范圍內(nèi)判斷最優(yōu)化性能，因此這種滾動優(yōu)化方法很適用于這樣的復(fù)雜系統(tǒng)。

預(yù)測控制也是一種反饋控制的算法。如果模型和過程匹配錯誤，或者是由于系統(tǒng)的不確定因素引起的控制性能問題，預(yù)測控制可以補(bǔ)償誤差或根據(jù)在線辨識校正模型參數(shù)。

雖然預(yù)測控制系統(tǒng)能控制各種復(fù)雜過程，但由于其本質(zhì)原因，設(shè)計這樣一個控制系統(tǒng)非常復(fù)雜，要有豐富的經(jīng)驗，這也是預(yù)測控制不能預(yù)期那樣廣泛得到應(yīng)用的主要原因。

預(yù)測控制適用于先進(jìn)過程控制（APC）和監(jiān)督控制場合，其控制輸出作用主要是跟蹤設(shè)定值的變化。但預(yù)測控制并不能很好地處理調(diào)節(jié)控制難題。

4. 最優(yōu)控制

最優(yōu)控制是現(xiàn)代控制理論的一個重要組成部分。成功應(yīng)用于航天航空和軍事領(lǐng)域，在許多方面改變了人們的生活。

一個典型的最優(yōu)控制問題描述如下：被控系統(tǒng)的狀態(tài)方程和初始條件給定，同時給定目標(biāo)函數(shù)。然后尋找一個可行的控制方法使系統(tǒng)從輸出狀態(tài)過渡到目標(biāo)狀態(tài)，并達(dá)到最優(yōu)的性能指標(biāo)。

動態(tài)規(guī)劃、最大值原理和變分法是最優(yōu)控制理論的基本內(nèi)容和常用方法。龐特里亞金極大值原理和貝爾曼動態(tài)規(guī)劃是在約束條件下獲得最優(yōu)解的兩個強(qiáng)有力的工具，應(yīng)用于大部分最優(yōu)控制問題。

在實際應(yīng)用中，最優(yōu)控制很適用于航天航空和軍事等領(lǐng)域，例如空間飛行器的登月、火箭的飛行控制和防御導(dǎo)彈的導(dǎo)彈封鎖。

工業(yè)系統(tǒng)中也有一些最優(yōu)控制的應(yīng)用，例如生物工程系統(tǒng)中細(xì)菌數(shù)量的控制等。然而，絕大多數(shù)過程控制問題都和流量、壓力、溫度和液位的控制有關(guān)，用傳統(tǒng)的最優(yōu)控制技術(shù)來控制它們并不合適。

5. 智能控制

智能控制是現(xiàn)代控制技術(shù)的又一個重要領(lǐng)域。關(guān)于智能控制有不同的定義。參考一個應(yīng)用各種人工智能技術(shù)的范例，智能控制可以包括如下幾種方法：（1）學(xué)習(xí)控制系統(tǒng)；（2）專家系統(tǒng)；（3）模糊控制；（4）神經(jīng)網(wǎng)絡(luò)控制。

學(xué)習(xí)控制系統(tǒng)

學(xué)習(xí)控制系統(tǒng)采用模式識別技術(shù)獲得控制回路當(dāng)前的狀態(tài)，然后根據(jù)回路狀態(tài)和儲存的歷史信息和經(jīng)驗知識作出控制決定。由于學(xué)習(xí)控制系統(tǒng)受儲存的知識的限制，它至今還沒有得到廣泛的應(yīng)用。

專家系統(tǒng)

專家系統(tǒng)是根據(jù)專家系統(tǒng)技術(shù)，使用一個知識庫來作出控制決定的。知識庫由專家的經(jīng)驗知識，在線獲得的系統(tǒng)信息和推理機(jī)組成。由于專家系統(tǒng)的知識以符號表示而且總是離散的，因此它適用于生產(chǎn)計劃、調(diào)度和故障診斷等決策問題。但不適用于解決連續(xù)控制問題。

模糊控制

與學(xué)習(xí)控制系統(tǒng)和專家系統(tǒng)不同，模糊控制是模糊推理和控制技術(shù)相結(jié)合的產(chǎn)物。用模糊集合和模糊概念描述過程系統(tǒng)的動態(tài)特性，以數(shù)學(xué)公式的形式來代表系統(tǒng)的信息或經(jīng)驗知識。根據(jù)模糊集和模糊邏輯來作出控制決策。

雖然模糊控制在解決復(fù)雜控制問題方面有很大的潛力，但是其設(shè)計過程復(fù)雜而且要求具備相當(dāng)?shù)膶I(yè)知識。另外，由于沒有許多基本的數(shù)學(xué)運算，所以模糊數(shù)學(xué)不屬于數(shù)學(xué)領(lǐng)域的范疇。例如，模糊控制中并不一定存在加法的逆。因此，解一個模糊方程很困難，而傳統(tǒng)控制理論和應(yīng)用中解微分方程是最基本的。所以，缺乏好的數(shù)學(xué)工具是模糊控制需要克服的根本問題。

神經(jīng)網(wǎng)絡(luò)控制

神經(jīng)網(wǎng)絡(luò)控制是一種使用人工神經(jīng)網(wǎng)絡(luò)的控制方法。因為人工神經(jīng)網(wǎng)絡(luò)是建立在強(qiáng)有力的數(shù)學(xué)基礎(chǔ)上，所以它有很大的潛力，這個數(shù)學(xué)基礎(chǔ)包括了各種各樣的已被充分理解的數(shù)學(xué)工具。在無模型自適應(yīng)控制器中人工神經(jīng)網(wǎng)絡(luò)也是一個重要組成部分。