“条条大路通罗马。”每一个问题通常都有多种解决方法，一个过程可以用基于不同的控制方法设计的控制器进行控制。几乎每一种控制方法都有优点和缺点，那么如何以最少的成本选用最合适的控制器呢？
在自然科学领域，物理、数学和哲学的综合应用能形成相当实用的理论。物理是研究物理过程或环境的基础；数学是精确描述物理过程或现象的工具；起指导作用的哲学也同等重要。
无模型自适应控制技术的开发源于一个想法，即开发出一种方便而又能有效解决工业控制问题的新型控制器。实际的开发过程是在对综合智能方法论的长期研究和浓厚的兴趣中不断取得进展。由于无模型自适应控制并没有遵循传统的基于模型的自适应控制开发路线，因此需要综合智能哲学来引导这条漫长而又艰辛的开发道路。
综合智能方法论
由本文作者提出的综合智能方法论包含如下解决问题的哲学：（1）为复杂问题寻找简单的解决办法；（2）利用所有可获得的信息；（3）不依赖于信息的精确程度；（4）将合适的技术应用于相应的场合。以下对这四点进行详细的描述：
寻找简单的解决办法
简单的办法常常是最好的办法，一个复杂的解决方法可能只会得到一点点改进，但却要花费很大的投资。大多数用户希望拥有一种简单易用的、易于实现的、性价比较高的工具或系统。简单的解决方法往往能满足这样的需求。
利用所有可获得的信息
如今已经到了信息时代，信息是有价值的，一条小小的信息可以带来完全不同的结果。在解决一个问题时，不要浪费任何可获得的有价值的信息。例如，过程的滞后时间可以很容易地从过程趋势图中看出，传统的PID控制器却忽略了这条重要的信息。
不依赖于信息的精确程度
所有可获得的信息并不会完全精确，更糟的是可能会搞不清楚信息正确与否。如果我们清楚信息的精确程度，就能够决定是否利用这些信息。因此，解决方案应该具有足够的灵活性和自适应能力去处理错误信息和不确定因素。
将合适的技术应用于相应的场合
由于每个人都有自己的处事方式，因此分歧难以避免。例如，在控制领域基于模型和基于规则的方法是两种完全不同的控制策略。既然所有的方法都有其优缺点，那么何必去争谁好谁坏呢？让我们针对不同的场合使用最合适的技术吧。
MFA控制方法 － 总结
这里我们将MFA与以上四个观点一一对应进行讨论，揭示基于综合智能方法的MFA控制方法是如何建立起来的。
寻找简单的解决办法
控制算法简单易懂的PID是一种通用型控制器，但是对于复杂的控制系统它就显得过于简单。因此，对于更为复杂的控制难题，PID很难提供有效的解决方案。另一方面，由于基于模型的控制方法依赖于某个基本的控制理论或基于辨识的过程模型，因此它的使用和维护都过于复杂。理想的控制器应该有足够的能力来控制各种复杂的过程，同时应具有使用简单、易于实现和维护的特点。MFA能满足这些要求，是一种理想的控制解决方法。
利用所有可获得的信息
顾名思义，无模型自适应控制（MFA）是一种不依赖于某种基本理论或基于辨识的过程模型的控制策略。不过，我们尽可能地利用所有可获得的过程信息，因此MFA可以被认为是一种基于信息的控制器。
例如，过程时间常数定义了动态系统对输入的响应速度，一个慢过程可能有10小时的时间常数而一个快过程的时间常数可能只有10毫秒。控制器不利用这个信息是不明智的。另外，从趋势图中能比较容易地估计出时间常数。有关一个过程的其它可获得的重要信息包括作用类型（正或反）、静态增益和滞后时间等。MFA控制器就利用了这些容易估计的过程参数。
不依赖于信息的精确程度
一个过程可以被分为白箱、灰箱或黑箱。如果过程的输入输出关系是清楚的，那么这个过程就是白箱。我们可以使用成熟的控制方法和工具为这种过程设计控制器。
当过程的输入输出关系并不十分清楚，或存在潜在的扰动、动态特性的变化或其它不确定因素时，这种过程就是灰箱。这种情况下，MFA的自适应能力能处理这些变化和不确定因素。而PID或基于模型的控制方法就需要更长的时间或更高的投入来解决这些过程问题。
将合适的技术应用于相应的场合
MFA即不是基于模型也不是基于规则的，可以说它是一种基于信息的控制方法。如果有人认为使用这些过程信息等同过程建模，这是完全可以接受的。MFA的核心在于提供一种简单的、自适应的和有效的解决方法。
基于这一观点，已经开发出一系列MFA控制器解决各种控制难题。用户可以选用合适的MFA，设置好参数投运控制器，通常在较短的时间内就能实现较高的投资回报。采用合适的MFA控制方法无需控制器参数整定和维护。
