智能控制是自动控制发展的高级阶段,是人工智能、控制论、系统论、信息论、仿生学、神经生理学、进化计算和计算机等多种学科的高度综合与集成，是一门新兴的边缘交叉学科。它不仅包含了自动控制、人工智能、运筹学和信息论的内容，而且还从计算机科学、生物学、心理学等学科中汲取营养。什么又是智能控制理论呢？

智能控制的概念和原理是针对被控对象及其环境、控制目标或任务的复杂性和不确定性而提出来的。对“智能控制”这一术语没有确切的定义，但是也有前辈做过归纳总结的，例如，IEEE控制系统协会归纳为：只能控制系统必须具有模拟人类学习（Learning）和自适应（Adaptation）的能力。智能控制系统是智能机自动完成其目标的控制过程，由智能机参与生产过程自动控制的系统称为智能控制系统。定性的说，智能控制系统应具有学习、记忆和大范围的自适应和自组E能力；能够及时地适应不断变化的环境；能有效的处理各种信息，以减小不确定性；能够以安全和可靠地方式进行规划、生产和执行控制动作而达到预定的目的和良好的性能指标。

智能控制系统一般具有以知识表示的非数学广义模型和艺术学模型表示的混合控制过程。它适用于含有复杂性、不完全性、模糊性、不确定和不存在的已知算法的生产过程。它根据被控动态过程特征辨识，采用开闭环控制盒定性与定量控制相结合的多模态的控制方式。

智能控制器具有分层信息处理和决策机构。它实际上是对人神经结构或专家决策机构的一种模仿。复杂的系统中，通常采用任务分块、控制分散方式。智能控制核心在高层控制，它对环境或过程进行组织、决策和规划，实现广义求解。要实现此任务需要采集符号信息处理、启发式程序设计、知识展示及自动推理和决策的相关技术。底层控制也属于智能制系统不可缺少的一部分，一般采用常规控制。智能控制器也具有非线性。这是因为认得思维具有非线性，作为模仿人的思维进行决策的智能控制也具有非线性。由于智能控制器具有在线特征辨识、特征记忆和拟人特点，在整个控制过程中计算机在线获取信息和实时处理并给出控制决策，过不断优化参数和寻找控制器的最佳结构方式，以获取整体最有控制性能。

模糊控制系统是智能控制的重要组成部分。模糊控制器是非线性控制器，许多传统的建模、分析和设计方法可以直接采用。任何的控制都有其数学理论和数学基础，模糊控制系统的数学基础是模糊集合、模糊规则和模糊推理。模糊集合就是指具有某个模糊概念所描述的属性的对象的全体，这一概念是美国加利福尼亚大学控制论专家L.A.扎德于 1965 年首先提出的。模糊集合这一概念的出现使得数学的思维和方法可以用于处理模糊性现象，从而构成了模糊集合论（中国通С莆模糊性数学)的基础。

模糊控制的核心就是利用模糊集合理论,把表达的人控制策略的自然语言转化为计算机能够承受的算法语言的控制算法,这种方法不仅能实现控制,而且能模拟人的思维方式,对一些无法构造的数学模型的被控对象进行有效的控制。模糊控制的根本区别是,不需要建立精确地数学模型,而是运用模糊理论将人的经验知识与思维推理相结合,其控制过程的方法与策略是由模糊控制器来实现的。

定义变量：也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入与输出误差变化率EC，而模糊控制还将控制变量作为下一个状态的输入U。其中E、EC、U统称为模糊变量。
模糊化：将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，根据适合的语言值（linguistic value）求该值相对的隶属度，此口语化变量称为模糊子集合（fuzzy subsets）。
知识库：包括数据库（data base）与规则库（rule base）两部分，其中数据库提供处理模糊数据的相关定义；而规则库则由一群语言控制规则描述控制目标和策略。
逻辑判断：模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，得到模糊控制讯号。该部分是模糊控制器的精髓所在。
解模糊化：将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。

智能控制离不开神经网络的控制，它好比人的大脑进行思考判断一样，进行下达指令。在此就对神经网络进行简单的描述下。神经网络技术是以大脑的生理研究成果为基础的。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。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,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. 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,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．