智能控制是具有智能信息处理、智能信息反馈和智能控制决策的控制方式，是控制理论发展的高级阶段，主要用来解决那些用传统方法难以解决的复杂系统的控制问题。智能控制研究对象的主要特点是具有不确定性的数学模型、高度的非线性和复杂的任务要求。
智能控制的思想出现于20世纪60年代。当时，学习控制的研究十分活跃，并获得较好的应用。如自学习和自适应方法被开发出来，用于解决控制系统的随机特性问题和模型未知问题；1965年美国普渡大学傅京孙(K．S．Fu)教授首先把AI的启发式推理规则用于学习控制系统；1966年美国门德尔(J．M．Mendel)首先主张将AI用于飞船控制系统的设计。
发展
智能控制的思想出现于20世纪60年代。当时，学习控制的研究十分活跃，并获得较好的应用。如自学习和自适应方法被开发出来，用于解决控制系统的随机特性问题和模型未知问题；1965年美国普渡大学傅京孙(K．S．Fu)教授首先把AI的启发式推理规则用于学习控制系统；1966年美国门德尔(J．M．Mendel)首先主张将AI用于飞船控制系统的设计。
1967年，美国莱昂德斯(C．T．Leondes)等人首次正式使用“智能控制”一词。1971年，傅京孙论述了AI与自动控制的交叉关系。自此，自动控制与AI开始碰撞出火花，一个新兴的交叉领域——智能控制得到建立和发展。早期的智能控制系统采用比较初级的智能方法，如模式识别和学习方法等，而且发展速度十分缓慢。
扎德于1965年发表了著名论文“Fuzzy Sets”，开辟了以表征人的感知和语言表达的模糊性这一普遍存在不确定性的模糊逻辑为基础的数学新领域——模糊数学。1975年，英国马丹尼(E．H．Mamdani)成功地将模糊逻辑与模糊关系应用于工业控制系统，提出了能处理模糊不确定性、模拟人的操作经验规则的模糊控制方法。此后，在模糊控制的理论和应用两个方面，控制专家们进行厂大量研究，并取得一批令人感兴趣的成果，被视为智能控制中十分活跃、发展也较为深刻的智能控制方法。
20世纪80年代，基于AI的规则表示与推理技术(尤其是专家系统)基于规则的专家控制系统得到迅速发展，如瑞典奥斯特隆姆(K．J．Astrom)的专家控制，美国萨里迪斯(G．M．Saridis)的机器人控制中的专家控制等。随着20世纪80年代中期人工神经网络研究的再度兴起，控制领域研究者们提出并迅速发展了充分利用人工神经网络良好的非线性逼近特性、自学习特性和容错特性的神经网络控制方法。
随着研究的展开和深入，形成智能控制新学科的条件逐渐成熟。1985年8月，IEEE在美国纽约召开了第一届智能控制学术讨论会，讨论了智能控制原理和系统结构。由此，智能控制作为一门新兴学科得到广泛认同，并取得迅速发展。
近十几年来．随着智能控制方法和技术的发展，智能控制迅速走向各种专业领域，应用于各类复杂被控对象的控制问题，如工业过程控制系统、机器人系统、现代生产制造系统、交通控制系统等。
定义
智能控制的定义一： 智能控制是由智能机器自主地实现其目标的过程。而智能机器则定义为，在结构化或非结构化的，熟悉的或陌生的环境中，自主地或与人交互地执行人类规定的任务的一种机器。
定义二： K.J.奥斯托罗姆则认为，把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟，并用于控制系统的分析与设计中，使之在一定程度上实现控制系统的智能化，这就是智能控制。他还认为自调节控制，自适应控制就是智能控制的低级体现。
定义三： 智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制，也是用计算机模拟人类智能的一个重要领域。
定义四： 智能控制实际只是研究与模拟人类智能活动及其控制与信息传递过程的规律，研制具有仿人智能的工程控制与信息处理系统的一个新兴分支学科。
技术基础
智能控制以控制理论、计算机科学、人工智能、运筹学等学科为基础，扩展了相关的理论和技术，其中应用较多的有模糊逻辑、神经网络、专家系统、遗传算法等理论，以及自适应控制、自组织控制和自学习控制等技术。
专家系统是利用专家知识对专门的或困难的问题进行描述的控制系统。尽管专家系统在解决复杂的高级推理中获得了较为成功的应用，但是专家系统的实际应用相对还是比较少的。
模糊逻辑用模糊语言描述系统，既可以描述应用系统的定量模型，也可以描述其定性模型。模糊逻辑可适用于任意复杂的对象控制。
遗传算法作为一种非确定的拟自然随机优化工具，具有并行计算、快速寻找全局最优解等特点，它可以和其他技术混合使用，用于智能控制的参数、结构或环境的最优控制。
神经网络是利用大量的神经元，按一定的拓扑结构进行学习和调整的自适应控制方法。它能表示出丰富的特性，具体包括并行计算、分布存储、可变结构、高度容错、非线性运算、自我组织、学习或自学习。这些特性是人们长期追求和期望的系统特性。神经网络在智能控制的参数、结构或环境的自适应、自组织、自学习等控制方面具有独特的能力。
智能控制的相关技术与控制方式结合、或综合交叉结合，构成风格和功能各异的智能控制系统和智能控制器，这也是智能控制技术方法的一个主要特点。
研究对象
智能控制研究的主要目标不再是被控对象，而是控制器本身。控制器不再是单一的数学模型解析型，而是数学解析和知识系统相结合的广义模型，是多种学科知识相结合的控制系统。智能控制理论是建立被控动态过程的特征模式识别，基于知识、经验的推理及智能决策基础上的控制。一个好的智能控制器本身应具有多模式、变结构、变参数等特点，可根据被控动态过程特征识别、学习并组织自身的控制模式，改变控制器结构和调整参数。
智能控制的研究对象具备以下的一些特点：
1. 不确定性的模型
智能控制的研究对象通常存在严重的不确定性。这里所说的模型不确定性包含两层意思：一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。
2. 高度的非线性
对于具有高度非线性的控制对象，采用智能控制的方法往往可以较好地解决非线性系统的控制问题。
3. 复杂的任务要求
对于智能控制系统，任务的要求往往比较复杂。
目前智能控制在伺服系统应用中较多的，主要包括专家控制、模糊控制、学习控制、神经网络控制、预测控制等控制方法。