无模型自适应控制（Model-Free Adaptive Control，简称MFA）技术，是一种无需建立过程模型的自适应控制方法。基于AI技术的BP网络算法，是一种针对未知、复杂、不确定的系统，通过自适应控制算法来实现系统调节控制的方法。
MFA控制器采用了一个非线性动态负反馈控制模块，它具有若干输入和输出，模块的控制目标是通过计算出合理的输出使设定值与过程变量之间的偏差变小。下图所示是1个单输入-单输出（SISO)控制器的内部结构，它采用了1个多层感知器人工神经元网络，该网络含有多输入的输入层、由若干个神经元组成的隐含层和单一输出单元的输出层。
在这个非线性动态负反馈控制动态模块的内部有一系列加权因子，学习算法根据设定值与过程值偏差最小原则不断地刷新这些加权因子，加权因子的自适应调整结果使得控制器偏差趋于最小。
MFA控制器的结构使其具有“记住”这些过程数据中包含的过程动态信息的能力，而普通的PID控制器却只能利用当前和前两次采样的过程信息，在这一点上，PID控制器几乎没有任何记忆能力，而MFA拥有一个“聪明”的控制器所必需的记忆能力。
无模型自适应控制系统具有如下属性或特征：
（1）无需对系统进行辨识；
（2）无需对系统进行精准的过程建模；
（3）不需要针对某一过程进行控制器设计；
（4）不需要复杂的人工控制器参数整定；
（5）具有闭环系统稳定性分析功能，可确保系统的稳定性及收敛性。
基于MFA核心控制技术，针对特殊的控制问题，我们设计了多种MFA控制器：
| 标准SISO MFA控制器 | 可取代PID，免去了复杂的控制器参数整定； |
| 非线性MFA控制器 | 控制非线性过程； |
| MFA pH控制器 | 控制pH反应过程； |
| 前馈MFA控制器 | 适用于具有可测量的扰动的过程； |
| 抗滞后MFA控制器 | 控制存在大滞后（时滞）过程； |
| 鲁棒MFA控制器 | 控制过程变量维持在预定的范围； |
| 时变MFA控制器 | 控制大惯性、滞后时间不确定的过程； |
| 抗滞后MFA pH控制器 | 控制大滞后的pH反应过程； |
| MIMO MFA控制器 | 控制多变量且相互之间存在耦合的过程。 |
通用型或针对特殊应用场合设计的MFA控制器能很方便的嵌入于各种平台，并且越来越多的平台已经能提供这些先进的控制器，包括楼宇控制器，单回路控制器，可编程逻辑控制器（PLC），混合式控制器，过程自动控制器（PAC），控制软件和集散控制系统（DCS）等。