控制器设计Zui初使用的是Zui小方差方法，这其实是线性二次型的一个变种，优点是具有明确的Zui优性，缺点是控制动作比较猛。以后也有用其他方法的，比如使用零极点配置。但说到底，这相当于对当前工作点的线性化，而且是每一个采样时刻就重做一遍线性化，在概念上可以自动补偿时变和非线性动态。自校正控制思路简单明了，实施也不算复杂，但在一开始的欢呼后，并没有在工业上取得大范围的成功，原因何在呢？
原因还是在于闭环辨识。自校正控制虽然不断改变控制器的参数，在一定程度上扭曲了固定增益反馈控制对输入、输出带来的因果关系，但是因果关系还是存在的。自校正的大问题来自于一个本质的死结：自校正如果成功，系统很快恢复稳定，然后一切都不怎么变了，自校正控制器也相当于固定增益控制器，闭环辨识的问题统统回来了。更大的问题在于“协方差爆炸”。数学上当然有严格的说法，但简单地说，就是在系统越来越稳定的过程中，自校正控制器对偏差和扰动的敏感度越来越高，Zui后到“万籁俱静”的时候，敏感度在理论上可以达到无穷大。然而，这时如果抚动真的来了，哪怕是小小的风吹草动，控制器也一下子就自我爆炸了。换一个说法：在线辩识需要过程处于动态中，死水一潭是无法辩识过程特性的，只有牛鬼蛇神纷纷出动，才能辩识出过程的真实特性。但辩识的目的是形成Zui优控制，也就是Zui终把牛鬼蛇神统统镇压下去。但是牛鬼蛇神都镇压之后，在线辩识就要胶大眼睛杯弓蛇影，没有牛鬼蛇神也要草木皆兵造出几个来，导致模型失真，真有牛鬼蛇神再露头的时候，就手足无措了。
还有一个问题是实际过程的复杂性。在辨识实际过程时，Zui重要的步骤不是后面的“数学绞肉机”，而是对数据的筛选，必须把各种异常数据剔除，否则就是“垃圾进来，垃圾出去”，模型彻底走样。但数据筛选人工做都不容易，太宽松了，鱼龙混杂，等于没有筛选；太严格了，有用数据可能也被剔除很多，留下的数据集和导出的模型就容易误导。数学是盲目的，现实是多变的，自动筛选的结果zuihao还是要判断一下，不太离谱的才能用。但要实时、自动、可靠地剔除异常数据和判断自校正中控制器重构结果的可靠性，这个要求非同小可，比设计、投运一个自校正控制器费事多了。这是自校正控制在实际中成功例子有限的Zui大原因。
不对过程数据精选，直接交给数学工具，只能“垃圾进，垃圾出”
至于时变和非线性，由于自校正是在用定常线性模型在动态中“滑动地去套时变非线性，好比在小范围内用直线去近似曲线，有效与否取决于时变和非线性的程度。弱时变、弱非线性没有问题，强时变、强非线性就很不可靠，但弱时变、弱非线性本来就不是难点，并不需要出动大杀器。
自校正控制从鸡胸脯变成鸡助，只用了很短的10年时间。但鸡肪也是肉啊，何况这个概念那么吸引人呢！自校正本来就是“实干”的结果。瑞典天寒地冻的，人倒静得下心来，也实在，家具和汽车就不错。不过瑞典人不光会做家具和汽车，还会整辨识，顺带着就把辨识和Zui优二次型控制“拉郎配”了。本着“实干”精神，卡尔·阿斯特鲁姆和比杨·威腾马克在1973年首先推出自校正控制的时候，根本没有收敛性和稳定性的证明，这些工作都是后来别人做的。这是数学党所不屑的，这些基本性质都没有证明，怎么谈得上新科理论呢？但实干党Zui大的好处就是不教条，自校正至少在计算机仿真上很成功，工业界虽缺乏大范围成功的例子，但毕竟还是有成功例子的。
本着“实干”精神，人们进一步思考自校正问题。其实不是进一步，而是退一步，不是急于解决自校正（其实就是自整定）的具体技术问题，首先问一问：为什么要自校正或者自整定？原先的想法是：如果能做到可靠的自校正，那就可以做到控制系统设计和整定自动化了：既然能做到设计和整定自动化，那在使用中发生被控过程动态特性漂移，也能够自动适应了。简言之，这是一揽子打包服务，好像洗衣机一样，脏衣服丢进去，按钮一按，一会儿干净衣服就出来了。但实际上，自校正的用途可以分解为三种情况：
1）新过程的初始整定。由于工艺过程是全新的，自校正自动实现初始整定，减少投运中的工作量。要是过程相对稳定，自校正其实只需要一次性使用，此后没有必要连续使用。
2）周期性或者按需运行自动整定，确保捕捉住工艺过程的细微变化。这好比定期体检和补钙。这虽然不是一次性使用，但依然是间隙使用，没有必要常年运行。
3）不断变化的工艺过程需要时刻不断的自动整定，这又有两种次级情况：
①经常性的产品和工艺转换（如不同规格的产品导致不同的工艺条件，不同的工艺组合导致过程重组）要求自动整定以随时优化回路性能。
②本质时变或者非线性过程需要持续不断的自动整定以避免过度的回路性能损失甚至不稳定。
前两种情况和第三种情况①其实都是间隙使用，都没有必要常年运行自动整定，通过适时启动和停止自动整定，在原则上容易避免渐趋固定增益时的闭环辩识和协方差爆炸问题。前两种情况可以人工启动和停止自动整定过程，甚至人工控制注入外加激励信号，提高辨识质量，反正时间和次数有限，花不了多少功夫。这期间可以人工关注一下，确保过程数据的可用性，并且人工判断整定结果的可靠性。对于第一种情况，判断整定参数的可靠性需要经验；对于第二种情况，整定参数有历史记录可以参照，如果突然出现大幅度变动，就要找找原因，确认可靠后才能使用，并把分析过程和结果记录在案，供以后调用比较。现在已经有很多商业性自动整定应用，就是干这个用的，而且整合进工业计算机控制系统，都不用自己再编程序。
第三种情况①的发生频率要高很多，可能一两天就要来一次，全靠人工就太麻烦了，可以由控制产品和工艺转换的应用程序自动启动。由于这是正常生产过程的一部分，再注入外加激励不一定合适，但产品和工艺转换期间的过程变迁本身就可以用作自然激励。不过自动启动后，需要有一个应用程序跟随监测，在回路渐入稳定之后自动终止。
第三种情况②比较复杂，但持续不断的自动整定依然不一定是实际需要的，是有可能用辅助的监测应用启动和终止自动整定的。比如说，由回路性能评估应用自动决定是否启动和终止自动整定，如果性能尚好，就没有必要启动自动整定；如果性能退化，就启动自动整定；如果性能重归良好，就该暂停自动整定。对于真正持续不断变化的时变和非线性系统，回路性能很可能永远也不会真正稳定下来，Zui多只是稳定在一个较小的波动范围内，这样反倒不会陷入协方差爆炸这样的困境了。
说到回路性能评估，传统上，如果操作人员不抱怨，控制回路的性能就是可以接受的，除非你想精益求精，否则一般不会去没事找事，重新整定参数。在对经济效益斤斤计较的今天，生产过程的工艺条件被推到极端，对控制性能提出极大的挑战，控制回路必需时时、处处都在Zui优状态。随着控制回路数的迅速增长，单靠人工观察，已经难于随时掌握所有控制回路的性能状况了，控制回路性能评估技术应运而生。
理论上，对一个过程可以设计一个Zui优控制，其中一种就叫作Zui小方差控制。这其实是一种变相的线性二次型Zui优控制，控制作用比较猛。但是这是理论上的极限，控制方差不可能再小了。20世纪90年代时，控制理论界提出一个方法，可以用闭环辨识的方法，不辨识过程的动态模型，而是直接确定理论上的Zui小方差，然后将实际方差和理论上的Zui小方差对比，判别控制回路是否需要重新整定。这个方法开创了控制回路性能评估的先河，但是在实用上不容易排除扰动影响，应用不多。
然而，不和理论上的Zui优值比较，而是和实际上的期待值比较，就可以绕过很多麻烦的理论问题。比如说，流量回路在1min内安定下来，那已经够理想了，那期待值就是1min。通过快速傅里叶变换和频域分析，可以将期待性能和实际性能相比较，迅速确定回路的当前性能状况。Zui要紧的是，这可以用计算机自动采集数据，自动计算，每天早上（或随便什么时候）给出报表，自控工程师可以一目了然，哪些回路需要重新整定，哪些没有问题，可以有的放失。实时频域分析还可以将所有以相近频率振荡的回路罗列出来，接下来自控工程师就容易按图索骤，找出害群之马了。
在很长时间的食之无味、弃之可惜之后，自校正可能真正找到自己的位置。谁知道呢？把鸡养肥了，鸡肋也就有肉了嘛！