计算机控制系统是测量技术、计算机技术、通信技术和控制理论的结合。由于计算机具有大量存储信息的能力、强大的逻辑判断能力及其快速运算的能力，使计算机控制能够解决常规控制所不能解决的难题，能够达到常规控制达不到的优异的性能指标。计算机控制系统的发展与数字化、智能化、网络化为特征的信息技术发展密切相关，其发展前景是非常广阔的。
基于可编程控制器（PLC）的计算机控制系统
可编程控制器（Programmable LogicController-简称PLC），是用于控制生产过程的新型自动控制装置。近年来，由于开发了具有智能I/O模块的PLC，它可以将顺序控制和过程控制结合起来，实现对生产过程的控制，并具有很高的可靠性。
由于可编程控制器把计算机的编程灵活、功能齐全、应用面广等优点与继电器系统的控制简单、使用方便、抗干扰能力强、价格便宜等优点结合起来，而其本身又具有体积小、重量轻、耗电省等特点，因而在工业生产过程控制中得到了广泛的应用。
它可以代替传统的继电器完成开关量控制，如输入、输出、定量、计数等。不仅如此，高档的PLC还可以和上位机一起构成复杂的控制系统，完成对温度、压力、流量、液位、成份等各参数的自动检测和过程控制。
采用新型的DCS和FCS
发展以现场总线（Fieldbus）和技术等先进网络通信技术为基础的DCS和FCS控制结构，采用先进的控制策略，向低成本综合自动化系统的方向发展，实现计算机集成制造/工程系统（CIMS/CIPS）。
Zui优控制（Optimal Control）
在生产过程中，为了提高产品的质量和产量，节约原材料、降低成本，常会要求生产过程处于zuijia工作状况。Zui优控制就是恰当地选择控制规律，在控制系统的工作条件不变以及某些物理条件的限制下，使得系统的某种性能指标取得Zui大值或Zui小值，即获得zuihao的经济效益。
Zui优控制理论是50年代中期在空间技术的推动下开始形成和发展起来的。苏联学者L.S.庞特里亚金1958年提出的极大值原理和美国学者R.贝尔曼1956年提出的动态规划，对Zui优控制理论的形成和发展起了重要的作用。线性系统在二次型性能指标下的Zui优控制问题则是R.E.卡尔曼在60年代初提出和解决的。
从数学上看，确定Zui优控制问题可以表述为：在运动方程和允许控制范围的约束下，对以控制函数和运动状态为变量的性能指标函数（ 称为泛函 ）求取极值（极大值或极小值）。解决Zui优控制问题的主要方法有古典变分法（对泛函求极值的一种数学方法）、极大值原理和动态规划。Zui优控制已被应用于综合和设计Zui速控制系统、Zui省燃料控制系统、Zui小能耗控制系统和线性调节器等。
自适应控制
在Zui优控制系统中，当被控对象的工作条件发生变化时，就不再是Zui优状态了。若系统本身工作条件变化的情况下，能自动地改变控制规律，使系统仍能处于zuijia工作状态，其性能指标仍能取得zuijia，这就是自适应控制。自适应控制包括性能估计（系统辨识）、决策和修改三部分。
自适应控制器能修正自己的特性以适应对象和扰动的动态特性的变化。
自适应控制的研究对象是具有一定程度不确定性的系统，这里所谓的“不确定性”是指描述被控对象及其环境的数学模型不是完全确定的，其中包含一些未知因素和随机因素。
任何一个实际系统都具有不同程度的不确定性，这些不确定性有时表现在系统内部，有时表现在系统的外部。从系统内部来讲，描述被控对象的数学模型的结构和参数，设计者事先并不一定能准确知道。作为外部环境对系统的影响，可以等效地用许多扰动来表示。这些扰动通常是不可预测的。此外，还有一些测量时产生的不确定因素进入系统。面对这些客观存在的各式各样的不确定性，如何设计适当的控制作用，使得某一指定的性能指标达到并保持Zui优或者近似Zui优，这就是自适应控制所要研究解决的问题。
自适应控制和常规的反馈控制和Zui优控制一样，也是一种基于数学模型的控制方法，所不同的只是自适应控制所依据的关于模型和扰动的先验知识比较少，需要在系统的运行过程中去不断提取有关模型的信息，使模型逐步完善。具体地说，可以依据对象的输入输出数据，不断地辨识模型参数，这个过程称为系统的在线辩识。
随着生产过程的不断进行，通过在线辩识，模型会变得越来越准确，越来越接近于实际。既然模型在不断的改进，显然，基于这种模型综合出来的控制作用也将随之不断的改进。
在这个意义下，控制系统具有一定的适应能力。比如说，当系统在设计阶段，由于对象特性的初始信息比较缺乏，系统在刚开始投入运行时可能性能不理想，但是只要经过一段时间的运行，通过在线辩识和控制以后，控制系统逐渐适应，Zui终将自身调整到一个满意的工作状态。再比如某些控制对象，其特性可能在运行过程中要发生较大的变化，但通过在线辩识和改变控制器参数，系统也能逐渐适应。
人工智能
人工智能（ArtificialIntelligence，AI）是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能涉及到计算机科学、心理学、哲学和语言学等学科。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。
人工智能涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
人工智能具有代表性的两个jianduan领域是专家系统和机器人。
预测控制
由于工业对象通常是多输入、多输出的复杂关联系统，具有非线性、时变性、强耦合与不确定性等特点，难以得到jingque的数学模型。
面对理论发展和实际应用之间的不协调，在工业过程控制领域内，美国和法国首先出现了一类新型计算机控制算法，如动态矩阵控制（DynamicMatrix Control，DMC）和模型算法控制（Model AlgorithmicControl，MAC）。
这类算法以对象的阶跃响应或脉冲响应直接作为模型，采用动态预测、滚动优化的策略，具有易于建模、鲁棒性强的显著优点，十分适合复杂工业过程的特点和要求。它们在汽轮发电机、蒸馏塔、预热炉等控制中的成功应用，引起了工业过程控制领域的极大兴趣。
1980年代初期，这类控制算法得到了介绍与推广，其应用范围也有所扩大，逐渐形成了工业过程控制的一个新方向。近年来，自适应控制研究中，为了增强控制算法的适用范围和鲁棒性，吸取了预测控制的策略，形成了远程预测控制、广义预测控制等算法，构成了基于辨识模型的另一类预测控制算法。此外，基于状态方程模型、非线性模型的预测控制算法也开始得到研究与应用，这些算法统称为模型预测控制算法，已是当前工业过程控制领域中很有发展前途的一类新型算法，并在石油、化工和发电等领域内得到了成功的应用。
预测控制属于基于模型的先进控制算法范畴，但预测控制的发展更从实际应用出发而不是从理论研究的观点出发。预测控制的另一个优点是其形式开放（过程模型的描述、期望轨迹的选择和优化策略方面），这使得此后许多研究人员不断地定义了自己的预测控制算法。
预测控制的优点是其应用灵活性，如可采用串级结构的预测-PID控制方式。该方法充分发挥了串级结构、PID控制和预测控制的各自特点，同时保证了对抗干扰反应的快速性和对系统模型失配的鲁棒性的设计要求。
预测控制作为先进过程控制的典型代表，它的出现对复杂工业过程的优化控制产生了深刻影响，在全球炼油、化工等行业数千个复杂装置中的成功应用以及由此取得的巨大经济效益，使之成为工业过程控制领域中Zui受青睐的先进控制算法。不仅如此，由于预测控制算法具有在不确定环境下进行优化控制的共性机理，使其应用跨越了工业过程，而延伸到航空、机电、环境、交通和网络等众多应用领域。