智能控製是一種應用擬人化的思維方式和決策方法產生控製規律，以實現對被控對象有效控製的技術。智能控製是自動控製發展的一個新階段，是人工智能、控製論、係統論和信息論等多種學科的綜合與集成，是當前的一個研究熱點。
由於被控對象與其環境的複雜性及不確定性的存在，使基於數學模型的控製方法已無能為力，但熟練的操作工、技術人員或專家卻能憑他們的經驗施加控製，仍能獲得滿意的控製效果。人工智能（ＡＩ）的發展及其與自動控製的結合，使人的經驗知識與思維方式參與係統的控製成為可能，在這些背景條件下，智能控製出現了。
1）智能控製的基本定義。智能控製已經出現了相當長的一段時間，並且已取得了初步的應用成果。但是究竟什麼是“智能”，什麼是“智能控製”等問題，至今仍沒有統一的定義。歸納起來，主要有如下4種說法：
智能控製是由智能機器自主地實現其目標的過程。而智能機器則定義為：在結構化或非結構化的、熟悉的或陌生的環境中，自主地或與人交互地執行人類規定的任務的一種機器。
K.J.奧斯托羅姆則認為，把人類具有的直覺推理和試湊法等智能加以形式化或機器模擬，並用於控製係統的分析與設計中，以期在一定程度上實現控製係統的智能化，這就是智能控製。他還認為自調節控製、自適應控製就是智能控製的低級體現。
智能控製是一類無須人的幹預就能夠自主地驅動智能機器實現其目標的自動控製，也是用計算機模擬人類智能的一個重要領域。
智能控製實際隻是研究與模擬人類智能活動及其控製與信息傳遞過程的規律，研製具有仿人智能的工程控製與信息處理係統的一個新興分支學科。
2）智能控製主要特點如下：
首先，它體現了人的控製策略和控製思想，擁有受控對象及環境的相關知識以及運用這些知識的能力，具有很強的自適應、自學習、自組織和自協調能力，能在複雜環境下進行綜合分析、判斷和決策，實現對複雜係統的控製。
其次，它屬於典型的交叉學科，涉及人工智能、自動控製、運籌學、係統論、信息論等，在係統的實現上則必須依托計算機技術。
再次，它基本上屬於“方法”範疇，理論分析困難，理論體係尚未建立。
智能控製的發展經過了萌芽期（20世紀60年代）、形成期（20世紀70年代）、發展期（20世紀80年代）、高潮期（20世紀90年代至今），已發展成為當前最熱門的控製方法。
3）智能控製方法的主要類型。智能控製方法的主要類型有專家控製、模糊控製、人工神經網絡控製。
第一，專家控製——身邊的專家。專家控製是指根據某領域一個或多個專家所提供的知識和經驗，對實際中遇到的問題進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家才能處理好的複雜問題。
“專家”是具有某一領域專門知識或豐富實踐經驗的人，而“專家係統”則是一個計算機係統，存儲有某一領域專家的知識和經驗，並用推理的方式針對具體問題模擬專家給出結論。“專家控製”是將專家或現場操作人員的知識和經驗總結成知識庫，形成很多條規則，並利用計算機、通過推理來實施控製。
專家係統是人工智能的重要內容，由美國斯坦福大學於1965年提出，最初用於化學質譜分析，後廣泛應用於工業、農業、醫療、教育等領域。
瑞典的A°strm於1983年首次將專家係統用於常規控製器參數的自動整定，並於1984年正式提出了專家控製的概念，目前已成功應用於機器人控製、飛機的操縱控製、故障診斷、各種工業過程控製等。
第二，模糊控製——其實很清楚。有些控製不需要精確的模型，控製器參數也非精確的數值，但在控製器作用下，所得的係統的控製結果和係統的性能指標卻是可以確定的。
所謂模糊控製，就是在被控製對象的模糊模型的基礎上，運用模糊控製器近似推理手段，實現係統控製的一種方法。模糊模型是用模糊語言和規則描述的一個係統的動態特性及性能指標。
“模糊量”是現實生活中人們最常用的對事物狀態進行描述的“量”，如天氣的冷熱、人的胖瘦、個子的高矮、年齡的大小等，這些量都沒有一個精確的數值，隻有某一個大致的範圍。比如天氣的冷熱，具體多少攝氏度是冷、多少攝氏度是熱呢？可能10℃左右人就感覺到冷了，-10℃以下時就會感覺很冷了；或者30℃左右人就感覺熱了，35℃以上就感覺很熱了，所以沒有一個精確的值能對應表示冷或者熱。
模糊集合理論是在1965年由美國人Zadeh首次提出的，它是將模糊量用數學集合來表示。比如天氣溫度（用t表示）的高低值，可以用一個集合表示為｛0，1，5，15，20，25，26，28，30，36｝，定義“冷”的子集｛t
27｝，從而具體的溫度可以由對應的屬於三個子集的程度（隸屬度）函數來描述。 模糊理論首次應用於控製，是1974年英國的Mamdani將其應用在蒸汽機控製中；而做成實際的控製器件則是在1985年，AT&T貝爾實驗室研製出第一個模糊邏輯芯片，從而給模糊控製應用於實際控製提供了硬件基礎。 20世紀80年代末，日本將模糊控製廣泛應用於家用電器（洗衣機、空調、吸塵器、電冰箱、電飯煲、微波爐、照相機等），促進了模糊控製的推廣和應用。 20世紀90年代，模糊邏輯及其應用進入高潮，應用範圍包括工業控製、地鐵、電梯、交通、汽車、空間飛行器、機器人、核反應堆、圖像識別、故障診斷、汙水處理、數據壓縮、移動通信、財政金融等。 模糊控製中常采用機器去模擬人類思維中的模糊量，如“高”“中”“低”等，對係統進行控製，並且控製量由模糊推理導出。它是運用模糊理論、模糊語言變量和模糊邏輯推理的知識，把這些模糊的語言上升為數值運算，從而能夠利用計算機來完成對這些規則的具體實現，達到以機器代替人對某些對象進行自動控製的目的。 第三，人工神經網絡控製。神經元是以生物神經係統的神經細胞為基礎的生物模型，人們在探討人工智能的機製時，對生物神經係統進行研究，將神經元進行了數學化處理，建立了神經元數學模型。而以神經元為基礎的神經網絡，是由大量的神經元廣泛地互相連接而形成的複雜網絡係統，它反映了人腦功能的許多基本特征，是一個高度複雜的動力學習係統。 人工神經網絡（Artificial neural network，ANN）是模擬大腦神經元之間的連接方式進行信息處理的數學模型，進而實現信息的處理、存儲等功能。它具有自適應、自組織、自學習能力。神經網絡不但能夠處理各種變化的信息，而且在處理信息的同時，非線性動力係統本身也可以是不斷變化的。 人工神經網絡的模型現在有數十種之多，應用較多的典型神經網絡模型包括BP網絡、Hopfield網絡、ART網絡和Kohonen網絡。 20世紀90年代，神經網絡的研究達到高潮，並成功應用於自動控製、人工智能、信息處理、機器人、機械製造等很多領域。典型應用領域包括各類控製與優化問題、係統辨識、故障診斷、容錯技術、信號處理、模式識別、文字識別、專家係統等。 智能控製廣泛應用於各個領域，解決了大量傳統控製無法解決或難以奏效的實際控製問題，展現出強大的生命力和發展前景。如城市交通、電力係統、自主機器人等複雜係統的控製，往往要依靠智能控製才能獲得滿意的控製效果。 隨著基礎理論的不斷創新，人工智能技術和計算機技術的迅猛發展，以及實際應用領域的不斷擴大，智能控製必將迎來它新的發展高潮。 綜上所述，PID控製方法是一種經典的、在實際工業過程控製中最常用的方法，可通過對P、I、D的不同組合及其參數的選取獲得較理想的控製效果；最優控製是在要求被控對象的性能指標多樣化及某些被控量或係統的某個性能指標達到最佳值（如最短時間）或給定值（如速度為零）時產生的，具有強烈的工程背景和較豐富的理論成果；自適應控製實質上是係統辨識與控製技術的結合，可根據環境變化對被控對象（係統）的結構和參數的影響，自適應地調整控製器的參數，通常有自校正控製係統、模型參考自適應控製係統兩種類型；智能控製是對傳統控製理論的發展，是自動控製發展的一個新階段，是人工智能、控製論、係統論和信息論等多種學科的綜合與集成，是當前的一個研究熱點。 伴隨著科學技術的飛速發展，特別是計算機技術與通信技術的發展與應用，自動控製係統的功能越來越強大，應用範圍越來越廣。它將會給工業生產帶來新模式，未來關鍵性行業將越來越多地依靠自動控製係統。它是現代工業的核心與靈魂。