现实中，当然不只是PID。比如过程控制，十几个以上、乃至几十几百个输入输出，耦合不可忽略，约束条件比较强，同时又要优化一定的性能指标，单用PID几乎是不可能的，即使用解耦。此时用预测控制比较多。当然，底层还是多为PID。
自适应与鲁棒是两个很大的概念。
自适应控制，工程需要很大，比如很多控制系统不能随便换挂载的，就是因为换了挂载之后，需要重新调参。而想做出一劳永逸的自适应控制，则非常难调。其实自适应控制没有clear cut的边界，什么意思呢，自适应的控制都等算上自适应控制。而这自适应的可以是时间上的时变造成的，也可以是空间上的非线性造成的，也可以是人为地换挂载等造成的，也可以是故障（这时就多称为容错控制了）造成的。所以，随着情况变而控制率也变的控制，都可称为自适应控制。最简单的，分为不同的工况，设计不同控制率，然后检测出工况变，而控制率变。
鲁棒控制的本质，是按照鲁棒性能指标来调参（可以是状态反馈，也可以是PID等等）。而鲁棒性分析，工程中到处都是，比鲁棒控制本身应用要广。比如有时候调完PID，还得分析、测试下它的鲁棒性。而鲁棒控制中的LQR、H无穷等，在比如自动跟踪阳光的太阳能板、射电望远镜、旋翼飞行器等等中有不少应用。其本质是个频域方法（灵感来源），转化为时域求解，然后写成算法，但一般实行之前要看频域特性，才敢放行。其实话说回来，鲁棒控制也是没有clear cut的边界的，从一般意义上说，鲁棒的控制都可成为鲁棒控制，比如容错控制也可以作为鲁棒的。所以，控制率不变，但至少原则上可以容忍不同情况的控制，都可称为鲁棒控制。其实可以想见，实习生了每种情况的性能的。
其实PID也可以做成自适应的，当然也可以按照鲁棒性能指标来调参。其实现实中的PID，很少只是用PID的基本形式的，而是都往往带有很多小trick。预测控制也可以啊。容错控制可以是自适应，也可以是鲁棒，也可以两者兼而有之。
其实说到实例，一找一大堆。比如上面提到的某射电望远镜，还有某世界巨头硬盘生产商，还有某世界著名公司的无人驾驶地铁，比如很多世界著名石油化工类公司，比如风电、太阳能并网的直流转交流等。都不是论文中的，但也因此不能详细说。
有句话说，实际中在用的控制器大部分是PID。其实确切的说，是大部分包含PID，但也大部分不只包含PID。运动控制，底层一般是电机，可串级，串级后每级阶数不高，都用PID往往就够了；过控，底层也常用PID就够了。有时候中、上层也是PID。但另外一方面，PID的局限很多，特别是在中、上层的时候，比如遥操作（时延无关控制），比如负载慢变的系统（自适应），比如相似环境重复动作的系统（迭代学习），比如输入输出较多且耦合强硬约束的系统（预测控制）。
现在发展CPS，IoT，但控制算法/参数大多还是要结合硬件来调(现在主要还是人靠经验离线调)，是其中一个不小的问题，因为这意味着可扩展性大大受限制，很难往模块化、定制方向发展。
这里岔开一句，PID用鲁棒的性能指标来调参，有人说这还是PID，有人说这就是鲁棒控制了。很多时候，争论源于此。其实究其本源，是没有什么可争的。当然，PID也可用其他方法来调参，比如模糊PID，自适应PID。有人说这还是PID，有人说这就是非线性了，自适应了。这只是名词的争论。
其实要说严谨，最常用的，PID加上饱和，就是非线性的了。有人说这还是PID，有人说这就是非线性控制了。这些名词之争，确实没必要。因为控制系统是由很多模块组成的。任何单一的模块指代整体，都会以偏概全。
还有个问题，通信中解决的比较好，就是极限问题。通信中有信息论给出极限，然后各种编码方式趋近极限就行了，有个比较量化的比较。相对而言，控制这方面还有很多欠缺，在给定传感器与模型误差时，不知道极限（比如精密控制中的variance）是什么，也就不知道还能不能改进。
相信有工程经验的都有类似的疑惑，一个系统用一个方法，控制得不错。但不能说明别的方法不能控制得更好啊。回到最基本的问题，如何决定选择哪个控制方法呢？PID上面增增添添，用trick，对系统理解更深（比如一些环节，如发达启动过程的建模、辨识，也就是旋翼或是阀门等的启动过程），乃至分工况（专家、模糊、自适应等都能往上用），能改进不少性能；鲁棒、自适应调得好，也都不错。不知道一个框架的极限在什么地方，也就不知道在现有框架下控制器还能不能改进，还能改进多少，也就不知道什么时候该换另一个框架。即使一个框架在现有问题上效果不好，也不知道是在这个框架本身不好，还是自己没调好。甚至连调到什么程度了都不知道，往往是也许大概差不多了。如此等等，只能靠经验。但经验有时也是靠不住的，因为经验只是对已有的东西的熟悉，往往会阻碍新东西的引进。也许控制还处于地心说时代，之后还有日心说，牛顿三大定律，相对论，量子力学等等呢。其实辨识、滤波（估计）也差不多。比如滤波，对某些环节理解更深，比如去除信号中的确定分量，只留随机分量，是个很难的trick。而这个trick可能比调滤波器参数更重要。这更让人想到了地心说，为了拟合而用trick。一般来说，从物理学的历史来看，trick代表着背后应该有更‘宏大’的理论。
大家看过最强大脑吧，其中有一期，是两个盲人比定位，一个是吹气（要求距离近，精密），一个是通过发出声音听反射（距离远，但不够精细）。而非盲人则用视力便可以了（距离远，而且精细）。这说明了什么？就是不同的传感器特征，决定了用什么定位（滤波）方法最优，也决定了性能。控制也一样啊。假设这三个人去骑自行车，他们的最优策略也是不一样的。现在的控制技术，很多时候往往瓶颈在于传感技术和建模技术。就传感技术而言，曲线一般都很差（漂移、噪声、干扰等），还不能有效的利用视觉等。而且建模技术也是如此，包括系统建模和外界干扰建模。系统本身、外界干扰模型都不精确，传感器传回来的数据也不完全可信，那能怪控制么？有可能，未来的这些技术发展，最适用的控制算法也就跟着变了。也许PID还是接着用，但同时以前不能用的很多也可以用了，而且说不定会有很多崭新的框架，乃至新的控制结构。谁知道呢。
跟互联网相比，工业的设备、算法的更新换代算是很慢的，而且很不「平」：很可能人家壳牌用某种先进控制很多年了，中国的一些过控的公司还在用default的算法。但另一方面，因为为了省能源（比如把某个控制指标的variance降低10%就能省很多）的驱动，也为了现在很多更加精密（这方面降低variance的价值就更直观了，比如精密机床加工、乃至芯片生产、纳米级操作positioning等）的需要，等等，现在世界范围内，很多公司都在慢慢试行先进控制算法。当然中国也在慢慢追赶。很多时候PID够用，不代表没有更好的算法；而且PID是线性时不变的，且只有三个自由度，在很多系统中的极限还是比较明显的：比如再怎么调，也调不出迭代学习控制的效果，当然后者的使用那个范围非常有限。可是在这非常有限的范围内，迭代学习控制效果就是比单纯的PID好。当然迭代学习控制底层也可有PID这一环节。
现代的先进控制理论先进在哪里？如何评价在PID控制器份额在95%条件下稳定性逊色的先进控制系统？ - 小心假设的回答---
以下是任性的回答。
如果仔细观察的话，其实每个人的走路姿势（算法？）都不一样的。刑侦学中，就有如何根据人的脚印来判断这个人的体态特征、乃至职业等等的方法。
其实我们自己就有这样的经验，比如在泥地里、在潮湿的地面、在冰上，在负重时，在受伤时，在水下，在大风中，乃至在月球上，在加速的列车上，走路姿势都不一样。
或者想象，你如果是大象，身体变得沉重，或者你是鸵鸟，或者你是某个机器人，乃至你视力很差，或者是盲人，那步态又不一样。
再扯远一点，不仅步态，就连定位方法，在森林里（方向很重要），在地铁里（方向不那么重要），在城市里，在乡下，其实都是不同场景下不同的。
这是自适应，还是鲁棒呢？人可以做到，为什么控制理论做不到？难道控制理论的发展到今天就是尽头了？毕竟才有一百年左右的历史，今后的一百年呢？会不会一百年之后会看，现在的自适应只不过是所有自适应中的一小类，鲁棒、非线性等也是如此？
还有一个问题，那就是存不存在终极理论？如果存在的话，会是什么？人类内嵌的控制算法是什么？难道是数学？难道是我们现在看到的PID（也许）、鲁棒控制、自适应控制等？再比如在人脸识别方面，难道是SVM？难道是L1 norm、神经网络（也许）？也许是不同方法的切换？
