簡介
本頁說明為補充：原講義的簡介頁只有三張控制系統方塊圖（已移到控制系統）和四個主題名稱。
控制的目標是讓系統的輸出（轉速、位置、溫度、水位……）照我們的意思變化。傳統做法先建立受控體的數學模型，再依模型設計控制器，例如 PID。當系統太複雜、模型不準或根本寫不出來時，可以改用模仿人類或生物的方法，統稱為智慧型控制（intelligent control）：
| 方法 | 靈感來源 | 在控制上的用途 |
|---|---|---|
| 傳統 PID 控制 | 回授理論 | 比較的基準：比例、積分、微分三項回授 |
| 模糊控制 | 人類用語意規則推理 | 把「誤差大且在變大 → 用力推」這類經驗寫成規則，不需精確模型 |
| 遺傳演算法 | 生物演化：選擇、交配、突變 | 搜尋最佳的控制參數（例如 PID 增益、模糊規則） |
| 粒子群最佳化、蟻群最佳化 | 鳥群、蟻群的群體行為 | 同上，另一類全域最佳化方法 |
| 類神經網路 | 神經元與學習 | 由資料學習輸入輸出關係，用來建模、預測或直接當控制器 |
本課程依這個順序進行：先複習控制系統的基本架構（開迴路、閉迴路、數位控制）與 PID 控制，再介紹各種智慧型方法，並以 Matlab／Simulink 實作。動力學與建立數學模型的部分見左側「相關課程」。
現代的控制器幾乎都是數位的：感測訊號經 A/D 取樣進電腦，控制演算法（不論是 PID、模糊規則還是類神經網路）算出命令，再經 D/A 驅動致動器。智慧型控制改變的只是中間那一塊「控制演算法」。