自动控制是指应用自动化仪器仪表或自动控制装置代替人自动地对仪器设施或工业生产的全部过程来控制，使之达到预期的状态或性能指标。

  自动控制理论是与人类社会持续健康发展密切联系的一门学科，是自动控制科学的核心。自从19世纪Maxwell对具有调速器的蒸汽发动机系统来进行线性常微分方程描述及稳定性分析以来，经过20世纪初Nyquist，Bode，Harris，Evans，Wienner，Nichols等人的杰出贡献，终于形成了以频率法和根轨迹法为主要方法的经典反馈控制理论基础，并于50年代趋于成熟。

  随着20世纪40年代中期计算机的出现及其应用领域的继续扩展，促进了自动控制理论朝着更复杂也更为严密的方向发展，尤其是在Kalman提出的可控性和可观测性概念以及提出的极大值理论的基础上，在20世纪5060年代慢慢的出现了以状态空间分析(应用线性代数)为基础的现代控制理论

  现代控制理论本质上是一种时域法，其研究内容十分普遍，最重要的包含三个基本内容：多变量线性系统理论、最优控制理论以及最优估计与系统辨识理论。现代控制理论从理论上解决了系统的可控性可观测性稳定性以及许多复杂系统的控制问题 学习阶段， 经典控制理论比现代控制理论更重要，这两门课在自动控制专业上处于核心地位，是控制专业的灵魂。跟后面的智能控制临时论相比，经典控制理论和现代控制理论最大的特点是他们都拥有严格周密的数学推导和理论依据。

  随着现代科学技术的迅速发展，生产系统的规模慢慢的变大，形成了复杂的大系统，导致了控制对象控制器和控制任务和目的的日益复杂化，因此导致现代控制理论的成果很少在实际中得到应用经典控制理论现代控制理论在应用中遇到了不少难题，影响了它们的实际应用，其根本原因有三：

  1)精确的数学模型难以获得此类控制管理系统的设计和分析都是建立在精确的数学模型的基础上的，而实际系统由于存在不确定性不完全性模糊性时变性非线性等因素，一般很难获得精确的数学模型；

  2)假设过于苛刻研究这些系统时，人们必须提出一些比较苛刻的假设，而这些假设在应用中往往与实际不符；

  3)控制管理系统过于复杂为了更好的提高控制性能，整个控制管理系统变得极为复杂，这不仅增加了设备投资，也降低了系统的可靠性

  第三代控制理论即智能控制理论就是在这样的背景下提出来的，它是AI和自动控制交叉的产物，是当今自动控制科学的出路之一

  特点是以传递函数为数学工具，建立在频率响应法和根轨迹法基础上，主要研究单输入单输出常系数线性微分方程描述的系统的分析与设计。

  它存在着一定的局限性，即对多输入多输出系统不宜用经典控制理论解决，特别是对非线性时变系统更是无能为力

  1.经典控制理论的研究对象是单输入单输出的自动控制管理系统，特别是线.只讨论系统输入与输出之间的关系，而忽视系统的内部状态，是一种对系统的外部描述方法。

  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。

  3.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。

  经典控制理论主要研究系统运动的稳定性时间域和频率域中系统的运动特性（见过渡过程频率响应）控制管理系统的设计原理和校正方法（见控制系统校正方法）

  经典控制理论包括线性控制理论、采样控制理论和非线性控制理论（见非线性系统理论）三个部分。早期,这种控制理论常被称为自动调节原理,随着以状态空间法为基础和以最优控制理论为特征的现代控制理论的形成（在1960年前后），开始广为使用现在的名称 。

  反馈控制是一种最基本最重要的控制方式。引入反馈信号后，系统对来自内部和外部干扰的响应会变得迟钝，来提升了系统的抗干扰的能力和控制精度。与此同时，反馈作用又带来了系统稳定性问题，正是这个曾一度困扰人们的系统稳定性问题激发了人们对反馈控制管理系统进行深入研究的热情，推动了自动控制理论的发展与完善。因此从某一种意义上讲，古典控制理论是伴随着反馈控制技术的产生和发展而逐渐完善和成熟起来的。

  经典控制理论至今仍被成功地应用于单变量定常系统的分析和设计中。但是，现代控制理论具有更广泛的适用性，它能够适用于多变量定常或时变系统，所讨论的问题更复杂和深入。以下几个著名的成果：系统的可控性可观测性概念；最优控制中的极小值原理与动态规划方法；卡尔曼递推滤波。

  1960年，卡尔曼（R.K.Kalman)提出多变量最优控制和最优滤波理论

  在数学工具、理论基础和研究方法上不仅能提供系统的外部信息（输出量和输入量），而且还能提供系统内部状态变量的信息。它无论对线性系统或非线性系统，定常系统或时变系统，单变量系统或多变量系统，都是一种有效的分析方法。

  1.线性系统理论，线性时不变系统，包括系统的动态方程系统的可控性与可观测性标准形及传递函数阵的实现状态反馈设计极点配置问题跟踪问题解耦问题状态观测器设计以及系统稳定性分析。为了后面的需要，还包括线性时变系统的基本概念和连续时间系统的离散化问题。

  2.最优控制理论，变分的基本概念无条件约束和有等式约束的最优化问题连续系统和离散系统最小值原理最短时间控制最少燃料控制时间和燃料综合控制线性二次型指标的最优控制调节器问题以及跟踪问题

  3.最优估计和滤波，估计方法上 最小二乘估计和线性最小方差估计。为了更好地了解卡尔曼滤波的特点，简介了维纳滤波；在正交投影的基础上介绍了离散型卡尔曼最优预测方程和最优滤波方程，讨论了卡尔曼滤波的推广滤波的稳定性滤波发散以及克服发散的方法。

  一个典型的最优控制问题描述如下：被控系统的状态方程和初始条件给定，同时给定目标函数。然后寻找一个可行的操控方法使系统从输出状态过渡到目标状态，并达到最优的性能指标。

  动态规划、最大值原理和变分法是最优控制理论的基本内容和常用方法。庞特里亚金极大值原理和贝尔曼动态规划是在约束条件下获得最优解的两个强有力的工具，应用于大部分最优控制问题。

  在实际应用中，最优控制很适用于航天航空和军事等领域，例如空间飞行器的登月、火箭的飞行控制和防御导弹的导弹封锁。

  工业系统中也有一些最优控制的应用，例如生物工程系统中细菌数量的控制等。然而，绝大多数过程控制问题都和流量、压力、温度和液位的控制有关，用传统的最优控制技术来控制它们并不合适。

  傅京孙教授于1971年首先提出了智能控制的二元交集理论即AI和自动控制的交叉；

  美国的萨里迪斯(G.N.Saridis)于1977年把傅京孙教授的二元结构扩展为三元结构，即人工智能、自动控制和运筹学的交叉；

  中南大学的蔡自兴教授又将三元结构扩展为四元结构即人工智能、自动控制、运筹学和信息论的交叉，从而加强完善了智能控制的结构理论，形成智能控制的理论体系。

  是近年来新发展起来的一种控制技术，是AI在控制上的应用。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提出来的，它的指导思想是依据人的思维方法和处理问题的技巧，解决那些目前需要人的智能才能解决的复杂的控制问题。被控对象的复杂性体现为:模型的不确定性，高度非线性，分布式的传感器和执行器，动态突变，多时间标度，复杂的信息模式，庞大的数据量，以及严格的特性指标等。智能控制是驱动智能机器自主地实现其目标的过程。

  智能控制是从“仿人”的概念出发的。其方法有学习控制、模糊控制、神经元网络控制和专家控制等方法。

  1.绪论：控制理论的发展历史，智能控制的产生与发展，智能控制的含义分类与发展，智能控制的特点及研究方法

  2.智能模拟与思维科学：思维科学的基本概念，思维的类型，思维的形式，智能模拟的方法

  3.模糊数学基础：模糊数学的创立与发展，模糊集合的定义运算及其性质；模糊矩阵模糊关系的定义运算及其性质，模糊向量的定义及其运算；模糊逻辑模糊语言变量及模糊推理合成规则，模糊蕴涵推理的多种算法

  4.模糊控制基础：模糊控制管理系统的组成，模糊控制的原理，模糊控制器的设计，查询表方式的模糊控制器模糊控制算法流程，解析描述控制规则可调整的模糊控制器

  5.模糊系统辨识与自适应模糊控制：系统辨识的定义，基于模糊关系模型的系统辨识，自适应模糊预测模型；基于T-S模型的系统辨识；自适应控制器结构及分类；自适应模糊控制器的结构原理，模型参考自适应模糊控制管理系统结构原理，自校正模糊控制器结构原理，模糊预测控制

  6.神经网络控制：神经元及神经网络模型，神经网络学习规则；前向网络反馈网络自组织映射网络CMAC网络等；神经控制原理结构及学习控制类型；神经网络直接反馈控制，神经网络模型参考自适应控制，神经网络自校正控制

  7.专家控制：专家系统基础（专家系统的结构原理），知识工程基础（知识的表示利用和获取）；专家控制器（结构原理），实时过程控制专家系统，直接专家控制管理系统间接专家控制管理系统的原理和应用

  8.分级递阶智能控制：大系统控制的原理（分级递阶协调原则），分级递阶智能控制原理；机械手的分级递阶智能控制，机器人的分级递阶智能控制

  9.仿人智能控制：仿人智能控制的原理及结构，仿人智能控制行为特征变量（等）；仿人智能控制基本类型（仿人智能开关仿人比例控制仿人智能积分控制仿人智能采样控制等）；基于模式识别的控制（形象思维的智能模拟模式识别的基本概念，模式识别与形象思维），智能控制中的特征信息特征状态与特征变量

  10.学习控制：学习控制的基本概念，学习控制律，伺服系统的学习控制；自学习控制（结构原理算法）

  11.复合智能控制：基于模糊逻辑的神经网络控制，基于神经网络的模糊控制，基于遗传优化算法的模糊逻辑控制，基于遗传优化算法的神经网络直接反馈控制，基于规则的学习控制，自学习模糊控制，分层递阶自适应模糊控制器等

  12.基于多智能体的智能控制：复杂系统的结构基本概念，复杂自适应系统理论基础；智能体的基本概念特征；基于多智能体的智能控制基本原理结构，基于多智能体的模糊控制

  13.智能控制的工程应用实例：模糊控制在过程控制机器人控制运载工具控制中的应用，神经网络控制在电力系统冶金机器人等领域中的应用，专家控制与仿人智能控制在工业过程控制温度控制等领域中的应用