，被调量的变化比较缓慢与机械系统电系统相比。工业对象的幅频特性和相频特性，随着频率的增高都向下倾斜，如图所示。图工业对象的幅频特性和相频特性对象动态特性有迟延因为调节阀动作的效果往往需要经过段迟延时间后才会在被调量上表现出来。迟延的主要来源是多个容积的存在，容积的数目可能有几个直至几十个。分布参数系统具有无穷多个微分容积。容积愈大或数目愈多，容积迟延时间愈长。有些被控对象还具有传输迟延。被控对象本身是稳定的或中性稳定的有些被控对象，如图中的单容水槽，当调节阀开度改变致使原来的物质或能量平衡关系遭到破坏后，随着被调量的变化，不平衡量愈来愈小，因而被调量能够自动地稳定在新的水平上。这种特性称为自平衡，具有这种特性的被控对象称为自衡过程。如果对于同样大的调节阀开度变化，被调量只需稍改变点就能重新恢复平衡，就说该过程的自平衡能力强。也有些被控对象，例如图中的单容积分水槽，当调节阀开度改变致使物质或能量平衡关系破坏后，不平衡量不因被调量的变化而变化，因而被调量将以固定的速度直变化下去而不会自动地在新的水平上恢复平衡。这种对象不具有自平衡特性，称为非自衡过程。它是中性稳定的，就是说，它需要很长的时间，被调量才会有很大的变化。图单容水槽图单容积分水槽不稳定的过程是指原来的平衡旦被破坏后，被调量在很短的时间内就发生很大的变化。这类过程是比较少见的，些化学反应器就属于这类。被控对象往往具有非线性特性严格说来，几乎所有被控对象的动态特性都呈现非线性特性，只是程度上不同而已。个实际的控制系统般具有两类非线性。除了存在于对象内部的连续非线性特性之外，在控制系统中还存在另类非线性，如调节阀继电器元件的饱和死区和滞环等典型的非线性特性。虽然该非线性通常并定义模块的基本特性，包括采样时间连续或者离散状态的初始条件和数组。计算连续状态变量的微分方程。更新离散状态采样时间和主时间步的要求。计算的输出。计算下个采样点的绝对时间，这个方法仅仅是在用户在里说明了个可变的离散采样时间。结束仿真效率。如何同时提高搜索最优解的概率和效率，是遗传算法的个主要研究方向。迭代学习控制迭代学习控制模仿人类学习的方法即通过多次的训练，从经验中学会种技能，来达到有效控制的目的。迭代学习控制能够通过系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成，其中线性反馈控制器保证了非线性系统的稳定运行前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。智能控制主要方法模糊控制器模糊控制器是种近年来发展和应用最普遍的新型控制器，其优点是不要求提供受控对象的数学模型，根据人工控制规则来设计控制决策表。模糊控制与控制有着密切的联系，事实上，模糊控制在很多情况下被称作为非线性控制。将模糊控制和控制两者结合起来，扬长避短，既具有模糊控制灵活适应性强的优点，又具有控制精度高的特点。神经网络控制器人工神经网络是最近发展起来的十分热门的交叉学科。它涉及生物电子计算机数学和物理等学科，有着非常广泛的应用背景，这门学科的发展对目前和未来的科学技术的发展将有着重要的影响。以大规模并行处理为主要特征的神经网络具有学习记忆联想容错并行处理等能力，已在控制领域得到广泛的应用。基于神经网络的控制，其结构方式有两类类是单神经元控制，即神经元输入权值对应参数，神经元输入值为经过比例积分微分处理的偏差值，其主要局限性在于单神经元结构无任意函数逼近能力另类是在常规控制器的基础上增加个神经网络模块，按照学习算法如前向算法和反传算法进行离线学习，实时调整出参数，同时还要继续学习不断地调整神经网络中各神经元间权系数，以适应被控对象的变化，因此，具有很强的适应性。遗传算法控制器世纪年代末，即在遗传算法等进化计算思想提出年