更改

*智能控制使用各种人工智能计算方法来控制动态系统，例如人工神经网络，贝叶斯概率，模糊逻辑，<ref>{{cite journal | title=A novel fuzzy framework for nonlinear system control| journal=Fuzzy Sets and Systems | year=2010 | last=Liu |first1=Jie |author2=Wilson Wang |author3=Farid Golnaraghi |author4=Eric Kubica | volume=161 | issue=21 | pages=2746–2759 | doi=10.1016/j.fss.2010.04.009}}</ref> 机器学习，进化计算和遗传算法或这些方法的组合（例如神经模糊算法）。

*智能控制使用各种人工智能计算方法来控制动态系统，例如人工神经网络，贝叶斯概率，模糊逻辑，<ref>{{cite journal | title=A novel fuzzy framework for nonlinear system control| journal=Fuzzy Sets and Systems | year=2010 | last=Liu |first1=Jie |author2=Wilson Wang |author3=Farid Golnaraghi |author4=Eric Kubica | volume=161 | issue=21 | pages=2746–2759 | doi=10.1016/j.fss.2010.04.009}}</ref> 机器学习，进化计算和遗传算法或这些方法的组合（例如神经模糊算法）。

*最优控制是一种利用控制信号优化某个“成本指标”的特殊控制技术：例如，卫星进入指定轨迹所需的喷射推力消耗的燃料需要最小化。由于已经证明可以保证闭环稳定性，有两种最优控制设计方法已在工业界广泛使用：模型预测控制 MPC 和线性二次高斯控制 LQG。前者可以更明确地考虑对系统中信号的约束，而这是许多工业过程中的重要特征。但是，MPC中的“最佳控制”结构只是实现目标的手段之一，因为它没有最优化闭环控制系统的实际性能指标。MPC系统与PID控制器是过程控制中使用最广泛的控制技术。

*最优控制是一种利用控制信号优化某个“成本指标”的特殊控制技术：例如，卫星进入指定轨迹所需的喷射推力消耗的燃料需要最小化。由于已经证明可以保证闭环稳定性，有两种最优控制设计方法已在工业界广泛使用：模型预测控制 MPC和线性二次高斯控制 LQG。前者可以更明确地考虑对系统中信号的约束，而这是许多工业过程中的重要特征。但是，MPC中的“最佳控制”结构只是实现目标的手段之一，因为它没有最优化闭环控制系统的实际性能指标。MPC系统与PID控制器是过程控制中使用最广泛的控制技术。

*鲁棒控制明确地解决了控制器设计方法的不确定性。使用鲁棒控制方法设计的控制器往往能够应对真实系统与用于设计的标称模型之间的微小差异。<ref>{{cite journal|last1=Melby|first1=Paul|last2=et.|first2=al.|title=Robustness of Adaptation in Controlled Self-Adjusting Chaotic Systems |journal=Fluctuation and Noise Letters |volume=02|issue=4|pages=L285–L292|date=2002|doi=10.1142/S0219477502000919}}</ref> 波特 (Bode) 和其他人使用的早期方法相当鲁棒；而1960年代和1970年代发明的状态空间方法有时则缺乏鲁棒性。现代鲁棒控制技术的例子包括邓肯·麦克法兰 Duncan McFarlane 和基思·格洛弗 Keith Glover 开发的H-infinity回路成形，由瓦迪姆·乌特金 Vadim Utkin 开发的滑动模式控制 SMC，以及旨在控制智能电网应用中的大量异构负载<ref name='TCL1'>{{cite journal|title=Safe Protocols for Generating Power Pulses with Heterogeneous Populations of Thermostatically Controlled Loads |author=N. A. Sinitsyn. S. Kundu, S. Backhaus |journal=Energy Conversion and Management|volume=67|year=2013|pages=297–308|arxiv=1211.0248|doi=10.1016/j.enconman.2012.11.021}}</ref> 的安全协议。鲁棒控制的目标是在存在微小建模误差的情况下实现稳健性和/或稳定性。

*鲁棒控制明确地解决了控制器设计方法的不确定性。使用鲁棒控制方法设计的控制器往往能够应对真实系统与用于设计的标称模型之间的微小差异。<ref>{{cite journal|last1=Melby|first1=Paul|last2=et.|first2=al.|title=Robustness of Adaptation in Controlled Self-Adjusting Chaotic Systems |journal=Fluctuation and Noise Letters |volume=02|issue=4|pages=L285–L292|date=2002|doi=10.1142/S0219477502000919}}</ref> 波特 Bode 和其他人使用的早期方法相当鲁棒；而1960年代和1970年代发明的状态空间方法有时则缺乏鲁棒性。现代鲁棒控制技术的例子包括邓肯·麦克法兰 Duncan McFarlane 和基思·格洛弗 Keith Glover 开发的H-infinity控制，由瓦迪姆·乌特金 Vadim Utkin 开发的滑动模式控制 SMC，以及旨在控制智能电网应用中的大量异构负载<ref name='TCL1'>{{cite journal|title=Safe Protocols for Generating Power Pulses with Heterogeneous Populations of Thermostatically Controlled Loads |author=N. A. Sinitsyn. S. Kundu, S. Backhaus |journal=Energy Conversion and Management|volume=67|year=2013|pages=297–308|arxiv=1211.0248|doi=10.1016/j.enconman.2012.11.021}}</ref> 的安全协议。鲁棒控制的目标是在存在微小建模误差的情况下实现稳健性和/或稳定性。

*随机控制处理模型内部存在不确定性的控制设计。在典型的随机控制问题中，我们假设模型和控制器中存在随机噪声和干扰，并且控制设计必须考虑这些随机偏差。

*随机控制处理模型内部存在不确定性的控制设计。在典型的随机控制问题中，我们假设模型和控制器中存在随机噪声和干扰，并且控制设计必须考虑这些随机偏差。