滞后环节的存在使得整个系统的控制品质变坏甚至引起闭环系统的不稳定。因此近年来，对时滞系统的控制方法研究方兴未艾[1]。从50年代以来，时滞控制先后出现了基于模型的方法和无模型这两大方法。基于模型的方法有smith预估补偿控制、最优控制、自适应控制、动态矩阵预报控制、预测控制、滑模变结构控制、鲁棒控制等。无模型方法有模糊smith控制、模糊自适应控制、模糊PD控制、神经网络控制、专家控制等。其控制方法也己经由传统控制转向智能控制，或者是二者的结合。PID控制是迄今为止应用最广泛的一种控制方法。在工业过程控制中大多采用PID控制，其优点是原理简单、通用性强、鲁棒性好间。然而PID控制在纯滞后系统中的应用是有一定限制的，对于滞后较大的系统，常规PID控制往往显得无能为力。7381
（1）国外最早在1958年提出预估控制器[2]，这是一个时滞预估补偿算法，其最大优点是将时滞环节移到了闭环之外，提高了系统的控制品质，但其过于依赖精确的数学模型，实际应用比较困难。为此人们提出了许多改进方法，大致可以分为两种:一种是基于结构上的改进，这类方法主要是结合智能控制通过在不同的位置增加一些并联或者串联的环节进行补偿;另一种是在参数整定上的改进，这种方法将    项通过泰勒多项式展开用鲁棒性能指标及其他的指标函数对控制器进行解析设计，或者对其中的控制参数进行鲁棒调整，还有的方法是对Smith预估系统的反馈传递函数进行改进,以增强它的鲁棒性和稳定性。
（2）神经网络具有自组织和自学习的特点，它可以任意精度逼近非线性函数，可进行在线和离线学习，容错性比较强;它不需要复杂的控制结构，也不需要精确的数学模型，其简单有效的特点适合工业应用。在时滞系统中的应用，神经网络主要用于辨识和控制。在辨识方面，用于辩识系统的参数和滞后时间,在控制方面，主要有模型参考自适应控制和预测控制。另外，神经网络也和Smith控制结合对时滞系统进行控制，该方法也较有效。
（3）模糊控制是一种基于专家规则的智能控制方法[3]，它无需知道系统精确的数学模型，只需要现场操作人员的经验和操作数据。模糊算法对于时滞系统比较适用，它是处理时滞系统中难以定量化环节和不确定性的有效手段。模糊算法在时滞系统中的应用大致有以下几个方面[4]:l)模糊Smith控制控制器，它一般是由Smith预估器解决对象的时滞问题，模糊控制器控制对象的大惯性环节。2)模糊预估控制方法，它是在模糊控制的基础上，进行并联模糊补偿。模糊预估模型是通过一系列有针对性的推导得到的，模糊预估器得到的增量经过补偿器的作用产生一个补偿校正。3)模糊自整定方法，它是对模型的某些参数进行模糊整定，以达到改善系统控制品质。其中较为有名的是提出的改进Smith预估模型，对主反馈通道传递函数中的滤波时间常数进行模糊整定。该方法具有较强的鲁棒性和较好的控制性能，但是计算效率不是很高。
（4） 变结构控制系统对干扰和系统参数变化具有鲁棒性这正是鲁棒控制所需要解决的问题。变结构控制的这一优点，己广泛地引起了人们的重视。非时滞变结构控制系统的研究己形成较完整的理论体系，而时滞变结构控制理论是一个具有潜力的研究方向。迄今为止，时滞系统的变结构控制理论的研究仍处于萌芽和兴起阶段，成果较少，有待于进一步完善。工业生产的大规模化使得工业过程变得更为复杂，大时滞、不确定性、严重非线性、时变性对工业过程控制系统的设计提出了更高的要求。对于时滞系统的控制不是单一的方法就可以完全解决的，开发与设计出各种智能控制方法或以不同的形式结合在一起，将是解决时滞过程的有效途径 国内外基于锅炉温度控制的研究现状:http://www.youerw.com/yanjiu/lunwen_5321.html