被控对象严格意义上都是非线性的，而且具有不确定性。可是在进行特性分析时，还是近似为线性，而且还使用线性的控制算法—PID进行控制。获得被控对象的准确模型的成本要远高于PID反馈控制，而且使用简单方法也能获得可以接受的动态性能。模型不确定性、性能低要求、成本限制是PID长期广泛应用的原因。早期使用PID也是高科技，但是因为是低成本的获得动态性能提升的好方法，所以虽然现在是寻常技术，PID也是最常用的反馈控制算法。

被控对象从机理上都是多变量耦合的。可是在进行控制时，还是想办法用简单的单回路实现。将一个复杂的问题拆分成简单的问题，也是人类解决问题的一个基本思路。这种思想既让工业装置有很多多变量协调的潜力可挖潜，又让单回路控制成为常态。甚至复杂的控制方案也用单回路组合的形式实现，包括串级控制、超驰控制、分程控制、嵌套控制等。

被控对象很多都是高阶对象。使用高阶控制算法会获得控制性能的进一步提升，越是确定性的模型可以获得控制性能提升越大。可是大部分的过程控制都使用两参数的PI进行控制。使用高阶模型付出的代价和取得的效果比，使用高阶模型往往没有工程意义。使用一阶纯滞后模型模拟高阶被控对象特性，并进行控制，PI做的很好。

控制算法层出不穷。但是在过程控制中大部分还是使用PID。在单变量强因果控制中，因为必要性和充分性都不足，想取代PID的尝试很多，总的来说都不算成功。今天的AI能否替代PID成为事实上的工业控制标准呢？我认为很难。

在流程工业中引入过程控制，虽然增加了复杂度。但是与付出的成本和取得的改进比很值得。所以过程控制成为流程工业的核心也是必然。过程控制的应用可以低成本的重构问题，提高响应速度，增强鲁棒性，克服非线性，减少漂移，抑制干扰。

对被控对象进行简化，并用成熟技术取得满意的控制性能。即是舍得也是工程思维。凡事必有三个以上的解决方法，没有办法，只是说已知的办法都行不通。找到各种技术可行性，按经济可行性进行选择才是工程方法。至简至优过控之道。

如果被控对象各类输入参数信息获取足够充分，所有的参数变化都能够准确感知，在形式上就不需要反馈。过程控制是在不确定性条件下获得满意性能的低成本方法。算法越简单越有价值，越不依赖于模型越有价值。过程控制不仅仅关注控制性能，还要有系统思维，要平衡投资与回报，要考虑局部与总体。要在复杂不确定性能中寻找可行的工程方法。