由于工业过程控制中存在着高频非线性、不确定干扰、大纯时延等特性，而且这些特性往往具有不能良好建模的问题，因此，纯粹意义上基于状态空间模型的控制算法的实现总存在着理论意义上的鲁棒性和实践意义上的鲁棒性的差距。按照观点，智能控制是控制、运筹和人工智能的有机结合。考虑到系统的复杂性，纯粹采用不考虑系统机理模型以及卷积模型的算法(例如模糊算法，神经网络算法)总存在调整参数过多，人为因素太重等问题。智能化的协调机制实际上需要解决的是系统动态性能和鲁棒性能的平衡与协调关系。也就是说，它是在多变量控制的基础上寻求一个多目标的优化问题，而这个多目标优化机制是以协调控制系统的任务约束为激励的。

这种智能化机制的主要内容包括:任务约束转换，’‘方’、“胖”、’‘瘦"3种结构的有机转换，数学模型的静态和动态适应.被控制变量超限的快速返回等。任务约束的转换是将一些“实”的目标转换成一些一虚“的控制目标，这种转换过程需要相应的数学模型支持，实际L，它是在数学模型以及当前运行工况的基础上，得到一种协调控制系统内部运行的方式。它体现了一方”1’·胖一、”瘦03种结构的有机转换和有机协调。当系统在这3种结构之间转换时，系统结构变为非线性、可能出现不稳定。这种多变量协调策略实际上是在约束限制内的实时优化策略。数学模型的静态和动态适应是为了在模型的精确性意义上提高算法的鲁棒性:静态适应是为了体现静态增益的平衡，因此可以通过在稳态时求取抿合变量的相对增益来得到。动态适应的方法可选用滤波器以及最小方差估计法而得到模型之间的幅值和相位的偏差。被控变量的快速返回可研究动态微分的作用。考虑到数学模型的非精确描述，协调这个概念成为一个模糊的概念。本文研究的算法是在多变量控制的基础上、寻求一种模糊的实时优化策略问题。