“控制器的设计仅利用受控系统的输入输出数据,控制器中不包含受控过程数学模型的任何信息的控制理论与方法”[1] ，这是对无模型控制理论和方法的解释。对于无模型控制方法，如今国内外已有一些具有标志性的成果。对于神经元网络的控制方法, 有不少文献作者都定义它为无模型控制方法[2~5],但是若严格意义上来说,它并不属于无模型控制方法,这是由于网络节点和隐层的确定仍旧离不开受控对象有关的部分信息。而且广义上来说,神经元网络本身便是是系统的一个模型,系统一旦发生了改变，那么网络也就需要重新确定。在这里又可以提到另一种控制方法，即模糊控制方法，同样，它也不是无模型控制方法。其原因在于，从广义上来说,规则也相当于是一种模型,它的确立离不开对系统的深入了解。系统一旦产生了较为明显的变化，相应的,我们就需要重新给出规则。总之，通过严格无模型控制方法的定义相对照，上述提到的两种控制方法并不属于无模型控制方法的范畴。28842
对于无模型控制的研究现状，国际上，1995年，瑞典的科学家提出了一种无模型控制方法，即迭代无模型控制优化方法。或者我们也可称之为迭代反馈自校正方法[6]。该方法的不足之处是，它需要知道已知受控系统阶数的估计值。同样在1995年，美国科学家也给出了一种无模型控制方法，它被叫做是去伪控制的无模型控制方法[7]，切换控制是该方法的本质。2013年，法国科学家Fliess[8]提出了基于ALIEN代数方法的无模型控制，ALIEN是法语ALgebre pour Identification et Estimation Numeriques的简称，英语译作Algebra for Digital Identification and Estimation .该方法由于可以在有限时间内完成系统未知部分的快速估计，实时效果很好，性能得到提高。论文网
关于无模型的控制研究,国内侯忠生教授做了大量工作,1994年在他的博士论文[9]中提出了一个概念，即无模型的自适应控制。他新引入了伪梯度向量的概念，或者也可称之为伪阶数，以此作为基本思想。为了替代一般的离散时间非线性系统，他在受控系统轨线附近引入一系列的动态线性时变模型，通过I/O数据来在线估计系统的伪阶数 ,以实现系统的无模型自适应控制（MFAC）[9~12]。通过这种方法设计出来的控制器，无需借助受控系统相关的信息，便可以使系统的结构和参数自适应控制得到实现。对于该方法下基于紧格式线性化和偏格式线性化的MFAC方案，在一定的假设条件下它的稳定性和收敛性已经得到了理论上的证明[11]。该控制方案在工业生产生活的各方面都已经得到了广泛的应用。MFAC的全面性和完善性通过实践得到了进一步的证明。 无模型控制国内外研究现状:http://www.youerw.com/yanjiu/lunwen_23837.html