在工业控制过程中,被控对象通常具有严重的纯滞后、时变性、非线性以及存在种类繁多的干扰,传统的控制方法已经无法满足各方面的控制要求。本文在对PID控制、自适应控制、Smith预估控制等传统控制方法的原理进行了介绍和探讨后,分析了这几种控制方法在控制过程中的利弊。而智能控制弥补了传统控制方法在控制过程中的一些不足。本文着重介绍了智能控制的两个分支：遗传算法和模糊控制。遗传算法在参数寻优方面具有高效性。模糊控制不需要建立精确的数学模型,鲁棒性强。近年来,模糊PID控制方法得到广泛应用,它具备模糊控制与PID控制两者的优势,极大的提高了系统的控制性能。模糊控制器设计过程中,模糊控制规则和隶属函数的选取是关键。正确的模糊控制规则和隶属函数能够改善模糊控制系统的动、静态性能,提高控制品质。但是通常它们的选取有着很大的主观性。　　 本文采用改进的遗传算法对模糊控制中的量化因子和比例因子进行寻优,然后根据一定的性能指标得到优化的规则表和隶属函数。并在此基础上结合改进的Smith预估补偿控制以应对大时滞系统,实现对滞后特性的动态补偿的控制。最后针对采用的基于遗传算法优化的模糊PID-Smith控制方法,搭建仿真模型,对一阶系统和二阶系统分别进行仿真分析。按照确定性性能指标的要求比较仿真结果,表明新控制方案在稳定性、快速性、鲁棒性等方面优于常规的过程控制方法,可以取得比较好的控制效果,在实际中有一定应用前景。