智能建筑的许多子系统为时变的非线性的复杂系统，一些控制过程存在着不确定性。在对不确定性系统的控制，要求控制系统具备自学习的特性，从而自动适应被控系统随时间的特性变异，提高控制的效果和鲁棒性，以求达到最优的控制。对这些系统的控制有时无法建立精确的数学模型，此时应用经典的控制方法是难以实现的。而以知识工程为指导的智能控制理论和方法，在处理高度复杂性和不确定性方面表现出了灵活的决策方式和应变能力。 神经网络是一个高度非线性动力学系统，具有并行分布处理能力、高度鲁棒性和容错能力、分布存储及学习能力。还能够充分逼近复杂的非线性关系。智能控制中，神经网络的自学习功能是解决自动控制中控制器适应能力这个难题的关键之一。 模糊控制控制器是以人对被控系统的控制经验为依据而设计的，它把操作人员的控制经验归纳成定性描述的一组条件语句，然后运用模糊集合理论将其定量化，把人的控制策略的自然语言转化为计算机能够接受的算法语言所描述的控制算法，使控制器得以接受人的经验，模仿人的操作策略实现对一些无法构造数学模型的被控对象进行有效的控制。 智能建筑通过大量使用智能设备和网络建立一个完整、统一的以网络为基础的监控管理平台，实现对楼宇设备自动化系统(BAS)、办公自动化系统(OAS)和通讯自动化系统(CAS)的整合，完成大厦的管理层面的智能化应用，建立现代化的物业管理和信息服务系统，给系统增加学习能力，使系统具备自适应和自治性，实现真正意义上的智能化。 文章将对神经网络控制和模糊控制在智能建筑中的一些应用及智能控制系统的设计做一些探讨，希望能对当代智能建筑存在的问题的解决有所帮助。