自20世纪40年代维纳提出控制理论开始，自动控制理论已经经历了两个主要发展阶段：经典控制理论阶段和现代控制理论阶段。虽然控制理论得到了很大的发展和应用，但是，在科学技术和生产力水平高速发展的今天，人们对大规模、复杂和不确定性系统实现自动控制的要求不断提高。因此，传统的控制理论的局限性日益明显。尤其是在处理具有非线性、复杂性和不确定性的被控对象时，由于很难得到精确的数学模型，传统方法设计的控制器在实际应用中效果很差。

智能控制是人工智能、自动控制理论、计算机技术、运筹学等许多学科知识交叉而成的，包括模糊控制、专家系统控制、神经元网络控制等方法。尽管智能控制尚需进一步的完善和发展，但在复杂系统的控制中已经显示出其在很多方面较之传统控制更好的性能。与传统的控制理论相比，智能控制对于环境和任务的复杂性有更大的适应程度，所以能在更广泛的领域中获得应用。

神经元网络是智能控制的一个重要分支，其在自动控制系统中的应用提高了信息处理能力和自适应能力，提高了系统的智能水平。神经元网络已被证明具有逼近任意连续有界非线性函数的能力，这给非线性系统的控制带来了新思路；另外，神经元网络具有很强的信息综合能力，它能同时处理大量不同类型的输入信息，能很好地解决输入信息之间的冗余问题，并能够处理那些难以用模型规则描述的系统信息。神经元网络在复杂系统的控制方面具有明显的优势，神经元网络控制盒辨识的研究已经成为智能控制研究的主流。

神经元网络控制系统的研究目前尚处于探索阶段，还未形成比较完善的理论体系和系统化的设计方法，神经元网络自适应控制系统是基于自适应的基本原理，利用神经元网络的特点和理论设计而成的，简化了单纯自适应控制系统设计的复杂性，发挥了自适应与神经元网络的各自长处，为智能控制的实现探索了一种新方法，在智能控制研究领域中具有巨大的潜力。