1. 自適應控制

自適應控制可以看作是一個能根據環境變化智能調節自身特性的反饋控制系統以使系統能按照一些設定的標準工作在最優狀態。

一般地說，自適應控制在航空、導彈和空間飛行器的控制中很成功�？梢缘贸鼋Y論，傳統的自適應控制適合（1）沒有大時間延遲的機械系統；（2）對設計的系統動態特性很清楚。

但在工業過程控制應用中，傳統的自適應控制并不如意。PID自整定方案可能是最可靠的，廣泛應用于商業產品，但用戶并不怎么喜歡和接受。

傳統的自適應控制方法，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特性。它存在許多基本問題（1）需要復雜的離線訓練；（2）辨識所需的充分激勵信號和系統平穩運行的矛盾；（3）對系統結構假設；（4）實際應用中，模型的收斂性和系統穩定性無法保證。

另外，傳統自適應控制方法中假設系統結構的信息，在處理非線性、變結構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計方法。魯棒性一般定義為在實際環境中為保證安全要求控制系統最小必須滿足的要求。一旦設計好這個控制器，它的參數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，一般假設過程動態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。

一般魯棒控制系統的設計是以一些最差的情況為基礎，因此一般系統并不工作在最優狀態。

魯棒控制方法適用于穩定性和可靠性作為首要目標的應用，同時過程的動態特性已知且不確定因素的變化范圍可以預估。飛機和空間飛行器的控制是這類系統的例子。

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

但是，魯棒控制系統的設計要由高級專家完成。一旦設計成功，就不需太多的人工干預。另一方面，如果要升級或作重大調整，系統就要重新設計。

3. 預測控制

預測控制或稱為模型預測控制（MPC）是僅有的成功應用于工業控制中的先進控制方法之一。

各類預測控制算法都有一些共同的特點，歸結起來有三個基本特征：（1）預測模型，（2）有限時域滾動優化，（3）反饋校正。這三步一般由計算機程序在線連續執行。

預測控制是一種基于預測過程模型的控制算法，根據過程的歷史信息判斷將來的輸入和輸出。它強調模型的函數而非模型的結構，因此，狀態方程、傳遞函數甚至階躍響應或脈沖響應都可作為預測模型。預測模型能體現系統將來的行為，因此，設計者可以實驗不同的控制律用計算機仿真觀察系統輸出結果。

預測控制是一種最優控制的算法，根據補償函數或性能函數計算出將來的控制動作。預測控制的優化過程不是一次離線完成的，是在有限的移動時間間隔內反復在線進行的。移動的時間間隔稱為有限時域，這是與傳統的最優控制最大的區別，傳統的最優控制是用一個性能函數來判斷全局最優化。對于動態特性變化和存在不確定因素的復雜系統無需在全局范圍內判斷最優化性能，因此這種滾動優化方法很適用于這樣的復雜系統。

預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，或者是由于系統的不確定因素引起的控制性能問題，預測控制可以補償誤差或根據在線辨識校正模型參數。

雖然預測控制系統能控制各種復雜過程，但由于其本質原因，設計這樣一個控制系統非常復雜，要有豐富的經驗，這也是預測控制不能預期那樣廣泛得到應用的主要原因。

預測控制適用于先進過程控制（APC）和監督控制場合，其控制輸出作用主要是跟蹤設定值的變化。但預測控制并不能很好地處理調節控制難題。

4. 最優控制

最優控制是現代控制理論的一個重要組成部分。成功應用于航天航空和軍事領域，在許多方面改變了人們的生活。

一個典型的最優控制問題描述如下：被控系統的狀態方程和初始條件給定，同時給定目標函數。然后尋找一個可行的控制方法使系統從輸出狀態過渡到目標狀態，并達到最優的性能指標。

動態規劃、最大值原理和變分法是最優控制理論的基本內容和常用方法。龐特里亞金極大值原理和貝爾曼動態規劃是在約束條件下獲得最優解的兩個強有力的工具，應用于大部分最優控制問題。

在實際應用中，最優控制很適用于航天航空和軍事等領域，例如空間飛行器的登月、火箭的飛行控制和防御導彈的導彈封鎖。

工業系統中也有一些最優控制的應用，例如生物工程系統中細菌數量的控制等。然而，絕大多數過程控制問題都和流量、壓力、溫度和液位的控制有關，用傳統的最優控制技術來控制它們并不合適。

5. 智能控制

智能控制是現代控制技術的又一個重要領域。關于智能控制有不同的定義。參考一個應用各種人工智能技術的范例，智能控制可以包括如下幾種方法：（1）學習控制系統；（2）專家系統；（3）模糊控制；（4）神經網絡控制。

學習控制系統

學習控制系統采用模式識別技術獲得控制回路當前的狀態，然后根據回路狀態和儲存的歷史信息和經驗知識作出控制決定。由于學習控制系統受儲存的知識的限制，它至今還沒有得到廣泛的應用。

專家系統

專家系統是根據專家系統技術，使用一個知識庫來作出控制決定的。知識庫由專家的經驗知識，在線獲得的系統信息和推理機組成。由于專家系統的知識以符號表示而且總是離散的，因此它適用于生產計劃、調度和故障診斷等決策問題。但不適用于解決連續控制問題。

模糊控制

與學習控制系統和專家系統不同，模糊控制是模糊推理和控制技術相結合的產物。用模糊集合和模糊概念描述過程系統的動態特性，以數學公式的形式來代表系統的信息或經驗知識。根據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雜控制問題方面有很大的潛力，但是其設計過程復雜而且要求具備相當的專業知識。另外，由于沒有許多基本的數學運算，所以模糊數學不屬于數學領域的范疇。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，而傳統控制理論和應用中解微分方程是最基本的。所以，缺乏好的數學工具是模糊控制需要克服的根本問題。

神經網絡控制

神經網絡控制是一種使用人工神經網絡的控制方法。因為人工神經網絡是建立在強有力的數學基礎上，所以它有很大的潛力，這個數學基礎包括了各種各樣的已被充分理解的數學工具。在無模型自適應控制器中人工神經網絡也是一個重要組成部分。