一般来说，通过收集所有与系统相关的可能的输入/输出对信号获得系统行为是一项不可能的任务。我们必须找到一种更紧凑的方式，一种可以更轻松地通信方式。现在我们通常试图通过计算机程序的方法描述整个系统行为。原则上，该算法能表达一个规则，来决定一个特定信号是否属于行为。即使这很困难，而模型通常只提供一个规则来描述一个行为，只关心我们感兴趣的行为。获得这样一个规则的任务或算法称作建模。
当讨论如何为一个系统列方程或建模时，要注重从数据到模型的过程。它反映了科学过程：数据是我们采集的，而模型只不过是一个符合这些数据的假设。无法采集的所有可能的数据，可以认为是源于系统的行为。我们的观察都必须是一个采集下的行为。在这个相当简单，而且非常通用设置的理论框架下、基本思路和层次结构模型的建模是相当明显的。我们不会深入探索这个，但它有助于集中大量概念。
这个规则一般被称为模型。一个模型更强大地为大量的输入/输出信号提供了更好的行为的描述。我们经常不得不满足于近似模型，包括无论是捕获所有可能信号，不排除所有那些应该被排除在外的信号模型，还是他们只能在一些比如测量误差下的近似描述的模型。
模型不需要被视作计算机程序。程序只是为呈现清晰方便的技术沟通。例如著名的开普勒[8]模型-行星在太阳系中三大定律[9]：
1）行星的轨道是椭圆轨道，太阳在这个椭圆的焦点。(www.xing528.com)
2）在相等时间内，太阳和运动中的某个行星的连线所扫过的面积都是相等的。
3）行星与太阳之间的引力与半径的平方成反比。
这个强大的模型，无论正确与否，都使牛顿之后制定万有引力定律成为可能。从控制的角度来看，这是一个相当无用的模型，因为它完全没有任何我们能做的东西：它没有输入。当然，如果你想要向太阳系发射物体，或想了解潮汐，那么它体现了重要的知识。
另一个有关模型的例子是，牛顿[10]运动定律阐明刚体三定律。从牛顿的运动定律我们可以获得开普勒的模型，因此牛顿定律形成了一个更加强大的行星运动模型。甚至从控制的角度来看，牛顿运动定律也绝不是那么乏味的。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
