下载文档原格式
1.1试述自动化、自动控制及控制论三者间的区别和联系.答：自动控制是关于受控系统的分析、设计和运行的理论和技术，是自动化的核心和基础，一般来说子偶动画主要研究的是人造系统的控制问题。
基于自动控制原理和方法，人们对社会、经济、生物等非人造系统的控制问题进行了广泛研究、形成了相关控制分支。
2.1何谓“自动化'答：表示机器或设备在无人干预的情况下，按规定的程序或指令自动化进行造作或控制以达到预定的要求。
3.1自动控制控制系统有哪几个基本环节？答：给定环节、反馈环节、比较环节、控制器(调节器）、执行环节、被控对象、扰动、校正环节。
3.3恒值自动调节系统的功能是什么？答：要克服各种对被调节量的扰动而保持被调节量为恒值3.4程序自动控制系统的特点是什么？答：要按照预定的程序来控制被控制量。
即自动控制系统给定环节给出的给定作用为一个预定的程序。
原则上程序控制是可以开环的，但可以反馈来消除加工的误差，提高被加工工件的精度。
3.5随动系统（伺服系统）的特点？答：按照预先未知的规律来控制被控量，即自动控制系统给定环节给出的作用为一个预先下未知的随时间变化的函数3.8计算机控制的特点是什么？答;系统中在计算机前、后相应有采样器、模/数转换器、数/模转换器和保持器等外围设备一便与实际控制系统衔接，这样，一处或几处的型号具有数字代码，此外还有离散（采集）信号：以计算级程序来实现PID控制规律或更复杂的控制规律。
3.9远距离控制的特点是什么？答;在分离的设备之间设立专门的（通）信道。
（通）信道是传输信息的媒质或通道，如架空明线、同轴电缆、射频波束和光导4.2试描述自动控制系统中所发生的不稳定现象及其原因答;动态过程可能呈现类似正弦曲线状态，系统处于震荡过程中。
这是由于干扰和惯性造成的。
4.3扰动的补偿方法是否形成一个闭环控制/答:不是，是开环控制4.4 试比较反馈控制和扰动补偿两种方法，分析各自的优、缺点。
由反馈控制的基本结构可以看出，控制器由误差引起了动作，因此在反馈控制系统的调节过程中误差的发生不可避免。
人工智能导论复习资料（课程代码：07844）知识点汇总：1.人工智能是一门综合性的交叉学科和边缘学科。
2.人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是图灵。
3.人工智能的远期目标是制造智能机器，近期目标是实现机器智能。
4.要想让机器具有智能，必须让机器具有知识。
因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫机器学习。
5.编译原理不属于人工智能的研究的一个领域。
6.AI的英文缩写是Artifical intelligence。
7.“图灵实验”是为了判断一台机器是否具备智能的实验，实验由三个封闭的房间组成，分别放置主持人、参与人和机器。
8.语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的继承性。
9.(A->B)∧A => B是假言推理10.命题是可以判断真假的陈述句11.问题归约法是指已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集合，这些子问题的解可以直接得到，从而解决了初始问题。
12.仅个体变元被量化的谓词称为一阶谓词13.MGU是最一般合一14.关系不在人工智能系统的知识包含的4个要素中15.当前归结式是空子句时，则定理得证。
16.或图通常称为状态图17.不属于人工智能的学派是机会主义18.所谓不确定性推理就是从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。
( )19.用户不是专家系统的组成部分20.产生式系统的推理不包括简单推理21.C(B|A) 表示在规则A->B中，证据A为真的作用下结论B为真的信度22.在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种方法叫做有序搜索23.人工神经网络属于反馈网络的是BP网络24.使用一组槽来描述事件的发生序列，这种知识表示法叫做剧本表示法25.产生式系统的推理不包括简单推理26.从已知事实出发，通过规则库求得结论的产生式系统的推理方式是正向推理。
《智能控制技术》课程教学大纲(本科)课程编号：课程名称：智能控制技术课程学分：4课程学时：64课程性质：专业选修课授课对象：本科三年级学生授课教师：X一、课程目标1. 理论目标：使学生掌握智能控制技术的基本理论、基本方法和基本应用，了解智能控制技术的发展趋势。
2. 技能目标：培养学生具备智能控制系统的设计、分析和调试能力，能够独立完成智能控制系统的开发和应用。
3. 创新目标：激发学生的创新意识，培养学生的创新能力和团队协作精神。
二、课程内容1. 智能控制技术概述1.1 智能控制技术的定义和发展历程1.2 智能控制技术的分类和应用领域2. 智能控制理论基础2.1 模糊控制理论基础2.2 神经网络控制理论基础2.3 遗传算法控制理论基础3. 智能控制方法3.1 模糊控制方法3.2 神经网络控制方法3.3 遗传算法控制方法4. 智能控制系统设计4.1 智能控制系统设计原则4.2 智能控制系统设计步骤4.3 智能控制系统设计案例分析5. 智能控制系统应用5.1 智能控制系统在工业领域的应用5.2 智能控制系统在农业领域的应用5.3 智能控制系统在医疗领域的应用三、教学方法1. 讲授法：教师通过讲解、演示等方式，传授智能控制技术的基本理论和方法。
2. 讨论法：组织学生分组讨论，激发学生的思维，培养学生的团队协作精神。
3. 案例分析法：通过案例分析，使学生了解智能控制技术的实际应用。
4. 实验法：通过实验，使学生掌握智能控制系统的设计、分析和调试方法。
四、考核方式1. 平时成绩：占40%，包括出勤、课堂表现、作业完成情况等。
2. 实验成绩：占30%，包括实验报告、实验操作、实验结果分析等。
3. 期末考试成绩：占30%，采用闭卷考试形式，主要考察学生对智能控制技术基本理论、方法和应用的理解。
1. 教材：《智能控制技术》，作者：X，出版社：，年份：。
六、课程安排1. 第12周：智能控制技术概述2. 第34周：模糊控制理论基础3. 第56周：神经网络控制理论基础4. 第78周：遗传算法控制理论基础5. 第910周：模糊控制方法6. 第1112周：神经网络控制方法7. 第1314周：遗传算法控制方法8. 第1516周：智能控制系统设计9. 第1718周：智能控制系统应用10. 第1920周：复习、考试七、教学要求1. 学生应认真听讲，做好笔记，积极参与课堂讨论。
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。
智能控制原理课程设计教案一、课程目标知识目标：1. 理解智能控制原理的基本概念，掌握智能控制系统的主要组成部分；2. 学会分析智能控制系统的基本工作原理，了解不同类型的智能控制算法；3. 掌握智能控制技术在现实生活中的应用，了解其在我国科技发展中的重要性。
技能目标：1. 能够运用智能控制原理解决实际问题，进行简单的智能控制系统设计；2. 培养学生的团队协作能力，通过小组讨论、实践操作等方式，提高问题解决能力；3. 培养学生运用信息技术手段获取、处理和分析智能控制相关资料的能力。
情感态度价值观目标：1. 培养学生对智能控制技术的兴趣，激发学生探索未知、创新实践的欲望；2. 增强学生的国家认同感，认识到我国在智能控制领域取得的成就，树立民族自豪感；3. 培养学生具备良好的科学素养，遵循科学道德，尊重知识产权，形成正确的价值观。
课程性质：本课程为理论与实验相结合的课程，注重培养学生的实践操作能力和创新能力。
学生特点：学生具备一定的物理、数学和信息技术基础，对智能控制领域有一定的了解，但实践经验不足。
教学要求：结合学生特点，注重理论与实践相结合，通过案例分析和实验操作，使学生更好地掌握智能控制原理及其应用。
在教学过程中，关注学生的个体差异，激发学生的学习兴趣，提高学生的综合素质。
将课程目标分解为具体的学习成果，以便于教学设计和评估。
二、教学内容1. 智能控制原理概述：介绍智能控制的基本概念、发展历程、应用领域及发展趋势，对应教材第一章内容；- 智能控制基本概念及其与传统控制的区别；- 智能控制的发展历程及主要成就；- 智能控制的应用领域及前景展望。
2. 智能控制系统组成与分类：分析智能控制系统的结构、功能及分类，对应教材第二章内容；- 智能控制系统的基本结构及其功能；- 常见智能控制系统的分类及特点；- 智能控制系统的性能评价指标。
3. 智能控制算法及其应用：学习常用智能控制算法原理及其在实际工程中的应用，对应教材第三章内容；- 模糊控制、神经网络控制、自适应控制等算法的原理及优缺点；- 智能控制算法在工业、交通、医疗等领域的应用案例；- 智能控制算法的编程实现及调试方法。
计算机控制系统复习题及答案《计算机控制系统》课程复习资料⼀、简答题：1.什么是计算机控制系统？它由哪⼏部分组成？各有什么作⽤。
2.计算机控制系统与连续控制系统主要区别是什么？计算机控制系统有哪些优点？3.计算机控制系统中的保持器有何作⽤，简述保持器的特点？4.简述PID调节器的作⽤，有哪⼏种改进型数字PID算法？5.计算机控制系统有哪四种形式的信号？各有什么特点？6.简要说明什么是计算机控制系统？模拟调节器与数字调节器有何区别？⼆、分析和计算题：1.已知⼀系统的闭环脉冲传递函数为-1-1-20.1z Y(z)Gc(z)==1-0.4z+0.8z R(z),其中输⼊为单位阶跃信号,求输出y(KT)。
2.已知⼀系统的闭环脉冲传递函数为-1-10.53+0.1zGc(z)=1-0.37z当输⼊为单位阶跃信号时,求输出y(KT)及y(∞)。
3.⽤长除法或Z反变换法或迭代法求闭环系统2z+0.5Gc(z)=8(z+0.1z-0.12)的单位阶跃响应。
4.已知低通数字滤波器0.5266zD(z)=z-0.4734,求D（z）的带宽ωm;并求当输⼊E(z)为阶跃信号时数字滤波器的控制算法。
取采样周期T=2ms。
5.设系统如图所⽰，试求:①系统的闭环脉冲传递函数。
②判定系统的稳定性。
③分别求系统对单位阶跃输⼊和单位斜坡输⼊时的稳态误差。
6.设函数的La⽒变换为25F(s)=s(s+4)，试求它的Z变换F(z)。
7.数字控制系统如图所⽰,求当K=10,T=1s,a=1时，分别求当输⼊为单位阶跃、单位斜单位抛物线函数时的稳态误差。
8.已知单位负反馈系统的开环脉冲传递函数为 Gk(z)=K(0.1z+0.08)/[(z-1)(z-0.7)],问当K为何值时系统稳定。
9.已知系统单位负反馈的开环传递函数为:z +0.8Gk(z)=z(z -1)(z -0.7)问:K 为何值时系统稳定?10.已知单位反馈系统的⼴义对象的Z 传递函数为:-1-1-1-1-10.26z (1+2.78z )(1+0.2z )W1(z)=(1-z )(1-0.286z ),试按最少拍⽆波纹设计原则设计单位阶跃输⼊时,计算机的调节模型D(z),并求其控制算法。
自动控制学的课程自动控制学是工程学科中的一个重要分支，涉及系统动力学、控制理论、信号处理等方面的知识。
以下是关于自动控制学课程的一般内容：1. 基础理论：- 系统动力学：包括对线性和非线性系统的动力学行为的理解，以及微分方程和差分方程的建模。
- 信号与系统：学习信号的表示和系统的分析，包括时域和频域的概念，傅里叶变换等。
2. 控制理论：- 经典控制理论：包括PID（比例-积分-微分）控制器，根轨迹和频率响应分析等。
- 现代控制理论：学习状态空间分析、状态反馈、观测器设计等现代控制方法。
3. 线性系统分析：- 稳定性分析：学习系统的稳定性判据，包括对极点的分析。
- 性能指标：包括上升时间、峰值过冲、稳态误差等性能指标的分析。
4. 非线性系统分析：- 极值理论：学习极值理论对非线性系统的分析。
- 相图和轨道：研究非线性系统在相空间中的运动。
5. 控制系统设计：- PID控制器设计：学习如何设计和调整PID控制器以满足性能要求。
- 状态空间设计：包括状态反馈、观测器设计等。
6. 数字控制系统：- 离散系统分析：包括差分方程建模和离散系统的稳定性分析。
- 数字控制器设计：学习数字PID控制器和状态空间方法在数字控制系统中的应用。
7. 实验与仿真：- 控制系统实验：进行实验以验证和应用控制理论。
- 仿真工具应用：使用工具如MATLAB/Simulink进行系统建模和控制设计。
这些课程内容可能会因教学机构和课程级别而有所不同。
自动控制学是一个广泛应用于各种工程领域的学科，学习者通常需要通过理论知识和实际应用相结合的方式来深入了解和掌握这一领域。
自动控制原理-教案一、课程简介1.1 课程背景自动控制原理是工程技术和科学研究中的重要基础，广泛应用于工业、农业、医疗、航空航天等领域。
本课程旨在介绍自动控制的基本理论、方法和应用，使学生掌握自动控制系统的基本原理和设计方法，具备分析和解决自动控制问题的能力。
1.2 教学目标（1）理解自动控制的基本概念、原理和分类；（2）掌握线性系统的数学模型建立和求解方法；（3）熟悉系统的稳定性、瞬态和稳态性能分析；（4）学会设计简单的线性控制器；（5）了解自动控制技术的应用和发展趋势。
二、教学内容2.1 自动控制的基本概念（1）自动控制系统的定义和分类；（2）自动控制系统的组成和基本环节；（3）自动控制系统的性能指标。
2.2 线性系统的数学模型（1）连续时间线性系统的数学模型；（2）离散时间线性系统的数学模型；（3）系统的状态空间表示。
2.3 系统的稳定性分析（1）连续时间线性系统的稳定性；（2）离散时间线性系统的稳定性；（3）系统稳定性的判定方法。
2.4 系统的瞬态和稳态性能分析（1）连续时间线性系统的瞬态响应；（2）离散时间线性系统的瞬态响应；（3）系统的稳态性能分析。
2.5 控制器的设计方法（1）PID控制器的设计；（2）状态反馈控制器的设计；（3）观测器的设计。
三、教学方法3.1 讲授法通过课堂讲授，系统地介绍自动控制原理的基本概念、理论和方法。
3.2 案例分析法通过分析实际案例，使学生更好地理解自动控制系统的原理和应用。
3.3 实验法安排实验课程，让学生亲自动手进行实验，培养实际操作能力和问题解决能力。
3.4 讨论法组织学生进行课堂讨论，促进学生思考和交流，提高分析和解决问题的能力。
四、教学评估4.1 平时成绩包括课堂表现、作业完成情况、实验报告等，占总成绩的30%。
4.2 期中考试通过期中考试检验学生对自动控制原理的基本概念、理论和方法的掌握程度，占总成绩的30%。
4.3 期末考试通过期末考试全面评估学生对自动控制原理的掌握程度，占总成绩的40%。
智能控制系统关于智能控制的认识智能控制系统是在人工智能及自动控制等多学科基础上发展起来的新型交叉学科，目前尚未建立起一套完整的智能控制的理论体系，关于它所包含的技术内容也还没取得比较一致的认可。
智能控制的基本概念顾名思义，智能控制就是控制与智能的结合。
从智能角度看，智能控制是智能科学与技术在控制中的应用；从控制角度看，智能控制是控制科学与技术向智能化发展的高阶阶段。
智能控制的研究对象智能控制主要用来解决那些用传统方法难以解决的复杂的控制问题。
其中包括智能机器人系统、计算机集成制造系统（CIMS）、复杂的工业过程控制系统、航天航空控制系统、社会经济管理系统、交通运输系统、环保及能源系统等。
具体来说，智能控制的研究对象通常具有以下一些特点：1.不确定的模型；传统的控制是模型的控制，这里的模型包括控制对象和干扰的模型。
对于传统控制通常认为模型已知或者经过辨识可以得到。
而智能控制的对象通常存在严重的不确定性。
两层意思：一是模型未知或知之甚少；二是模型的结构和参数可能在很大的范围内变化。
无论哪种情况，传统方法很难对它们进行控制，而这正是智能控制系统所要研究解决的问题。
2.高度的非线性：在传统的控制理论中，线性系统的理论比较成熟。
对于具有高度非线性的控制对象，虽然也有一些非线性控制方法，但总的来说，非线性控制理论还不够成熟，而且方法比较复杂。
采用智能控的方法往往可以较好地解决非线性系统的控制问题。
3.复杂的任务要求：对于智能控制系统，任务的要求往往比较复杂。
例如，在智能机器人系统中，它要求系统对一个复杂的任务具有自行规划和决策的能力，有自动躲避障碍运动到期望目标位置的能力。
再如在复杂的工业过程控制系统中，它除了要求对各种被控物理量实现定值调节外，还要求能实现整个系统的自动启停、故障的自动诊断以及紧急情况的自动处理等能力。
智能控制系统智能控制系统是实现某种控制任务的一种智能系统。
所谓智能控制系统是指具备一定智能行为的系统。
具体来说，若对于一个问题的激励输入，能够产生合适的求解问题的响应，这样的系统便称为智能系统。
例如，对于智能控制系统，激励输入是任务要求及反馈的传感信息等，产生的响应则是合适的决策和控制作用。
从控制的角度，这能行为也是一种从输入到输出的映射关系。
这种映射关系难以用数学的方法精确的加以描述，因此它可看成是一种不依赖于模型的自适应估计。
例如，一个钢琴家弹奏一直优美的乐曲，这是一种高级的智能行为，其输入为乐谱，输出为手指的动作和力度。
输入和输出之间存在某种映射关系，这种映射关系可以定性的加以说明，但很难用数学的方法精确地加以描述，因此很难由别人来精确地加以复现。
G.N.萨里迪斯（Saridis）给出了一种较为具体的定义：通过驱动自主智能机来实现目标的系统成为智能控制系统。
这里智能机是指能够在结构化或非结构化、熟悉或不熟悉的环境中，自主的或有人参与的执行拟人任务的机器。
上面的定义仍然比较抽象，下面给出一个通俗但不严格的定义：在一个控制系统中，如果控制器完成了分不清是机器还是人完成的任务，称这样的系统为智能控制系统。
智能控制系统的基本结构智能控制系统的结构图如下其中广义对象包括通常意义下的控制对象和所处的外部环境。
例如，对智能机器人系统，机器人手臂、被操作物体及其所处环境被称为广义对象。
传感器则包括关节位置的传感器、力传感器，还可能包括触觉传感器、滑觉传感器或视觉传感器等。
感知信息处理将传感器得到的原始信息加以处理，如视觉信息便要经过很复杂的处理才能获得有用信息。
认知部分主要接收和储存知识、经验和数据，并对它们进行分析、推理，做出下一步行动的决策，送至规划和控制部分。
通信接口除建立人机之间的联系外，也建立系统中各模块之间的联系。
规划和控制是整个系统的核心，它根据给定的任务要求、反馈的信息及经验知识，进行自动搜索、推理决策、动作规划，最终产生具体的控制作用，经执行部件作用于控制对象。
智能控制系统的主要功能特点1.学习功能一个系统，如果能对一个过程或其环境的未知特征所固有的信息进行学习，并将学习所得到的经验或知识用于进一步的估计、分类、决策和控制，从而使系统的性能得到改善，那么就称为学习系统。
2.适应功能这里所说的适应能力比传统的自适应控制中的适应功能具有更广泛的含义，它包括更高层次的适应性。
正如前面已经提到的，智能控制系统中的智能行为实质是一种从输入到输出之间的映射关系。
它可看成是不依赖模型的自适应估计，因此它应具有插补功能，从而可给出合适的输出。
甚至当系统中某些部分出现故障时，系统也能正常工作。
如果系统具有更高程度的智能，它还能自动找出故障甚至具备自修复的功能，从而体现了更强的适应性。
3.组织功能它指的是对于复杂的任务和分散的传感信息具有自行组织和协调的功能。
该组织功能也表现为系统具有响应的主动性和灵活性，即智能控制器可以在任务要求的范围内自行决策、主动地采取行动；而当出现多目标冲突时，在一定的限制下，控制器可有权自行裁决。
智能控制的发展概况智能控制思想最早是由美国普渡大学的傅京逊（K.S.Fu）教授于60年代中期提出的，他在1965年发表的论文中率先提出把人工智能的启发式推理规则用于学习系统，这篇开创性论文为自动控制迈向智能化揭开了崭新的一页。
接着，J.M.门德尔（Mendel）于1966年在空间飞行器的学习控制中应用了人工智能技术，并提出了“人工智能控制”的新概念；同年，利昂兹（Leondes）和门德尔首次使用了“智能控制（Intelligent Control）”一词，并把记忆、目标分解等技术用于学习控制系统；这些反映了智能控制思想的早期萌芽，常被称为智能控制的孕育期。
70年代关于智能控制的研究是对60年代这一思想雏形的进一步深化，是智能控制的诞生和形成期。
1971年，傅京逊发表了重要论文，提出了智能控制就是人工智能与自动控制的交叉的“二元论”思想，列举三种智能控制系统：人作为控制器的控制系统、人-机结合作为控制器的控制系统、无人参与的智能控制系统。
1.人作为控制器的控制系统2.人-机结合作为控制器的控制系统3.无人参与的智能控制系统1974年，英国的曼达尼（Mamdani）教授首次成功地将模糊逻辑用于蒸汽机控制，开创了模糊控制的新方向；1977年，萨里迪斯的专著出版，并于1979年发表了综述文章，全面地论述了从反馈控制到最优控制、随机控制及至自适应控制、自组织控制、学习控制，最终向智能控制发展的过程，提出了智能控制是人工智能、运筹学、自动控制相交叉的“三元论”思想及分级递阶的智能控制系统框架。
80年代，智能控制的研究进入了迅速发展时期：1984年，奥斯特若姆（Astrom）发表了论文，这是第一篇直接将人工智能的专家系统技术引入到控制系统的代表，明确地提出了建立专家控制的新概念；与此同时，霍普菲尔德（Hopfield）提出的Hopfield网络及鲁梅尔哈特（Rumelhart）提出的BP算法为70年代以来一直处于低潮的人工神经网络的研究注入了新的活力，继60年代吉尔默（Kilmer）和麦卡洛克（McClloch）提出KBM模型实现对“阿波罗”登月车的控制之后，人工神经网络再次被引入控制领域，并迅速得到了广泛的应用，从而开辟了神经网络控制；1985年8月，电气和电子工程师协会（IEEE）在美国纽约召开了第一界智能控制学术讨论会；1987年1月，在美国费城由IEEE控制系统学会与计算机学会联合召开了第一界智能控制国际会议，这标志着智能控制作为一门新学科正式建立起来。
经过80年代的孕育发展，特别是近几年来的研究和实践，国际上已认识到采用智能控制是解决复杂系统控制问题的主要途径，并已纷纷付诸行动。
在目前发表的工程类文献中，从现代控制理论向智能化发展的研究越来越多：如带有智能功能的传统控制（自适应控制、鲁棒控制等）、基于传感器或行为的智能反馈控制、学习控制和循环控制、故障诊断及容错控制，以生产调度管理控制为背景的离散事件系统研究，机器人班组自组织协调控制，自主控制，以及控制系统的智能化设计等等。
另外，用人工智能方法解决控制问题的研究也日益增多，如：决策论，带有专家系统的监控、预警及调度系统，用神经元网络实现控制的系统，基于符号表示、模糊逻辑等设计的控制系统，模式识别与特征提取，智能机的应用等。
特别是近年来对现场人工智能的研究，更在将人工智能的研究成果用于智能控制的道路上大大前进了一步。
当前在许多专业化学科与工程中，针对特定对象的具体复杂性，综合运用各种智能控制策略，力求实现具体复杂系统的智能控制。
如机器人研究中的智能机器人，航空航天工程中空间机器人的自主控制，以智能材料为基础的智能工程等。
另一方面，更为抽象的一般智能控制原理的研究，如“拟人”与“拟社会”原理、分解集结原理、递阶控制（层次递阶与时序递阶）原理，智能控制结构体系等的研究也在积极进行。
可以说当今智能控制研究中存在着两种趋势：一种是分别从“现代控制理论”和“人工智能”这两个基地走向智能控制；另一种是分别从“专业化学科与工程”和“一般原理”这两个基地走向智能控制；且不论从哪种趋势看，从前一个基地出发进行智能控制研究都是非常重要且切实可行的。
在我国，重庆大学周其鉴等人从20世纪80年代初便开始仿人智能控制的研究，他们也为智能控制的发展做出了贡献。
目前智能控制主要包括模糊控制、神经网络控制、分层递阶智能控制、专家控制及学习控制等内容，其中尤以用计算智能方法与控制的结合为研究的热点。
计算智能主要是指模糊系统、神经网络及进化计算等智能方法。
人工神经网络从结构上模仿生物神经系统，因此它是最低层的仿人智能。
模糊系统则从功能上模仿人的定性和模糊的推理和决策过程，因此它是较高层次的仿人智能。
进化计算则模仿了生物的进化行为。
计算智能是主要基于数据和计算而非主要基于经验和推理的智能方法。
因此，模糊控制和神经网络控制将是今后最经常采用和最重要的智能控制方法。
基于各种智能方法的智能控制具有各自的特点和应用场合，然而，融合各种智能方法而尽可能发挥各自的优势，将是今后智能控制的一个重要发展方向。
例如，模糊系统与神经网络的结合可组成比单独的神经网络或单独的模糊系统性能更好的智能系统。
智能控制的分支智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出来的。
智能控制与传统控制的主要区别在于传统的控制方法必须依赖于被控制对象的模型，而智能控制可以解决非模型化系统的控制问题。
目前，根据智能控制发展的不同历史阶段和不同的理论基础可以分为四大类:1.基于专家系统的智能控制;2.分层递阶智能控制;3.模糊逻辑控制;4.神经网络控制。
模糊逻辑控制的分析模糊逻辑拉制论于1965年由扎德教授首先提出。
它的主要思想是吸取气类思维具有模糊性的特点，通过模糊逻辑推理来实现对众多不确定性系统的有效控制。
