控制系統的效果與控制對象、控制方法和應用環境的性能相互關聯，控制方法必須包含控制對象、控制環境和控制目標的因素，這是有效控制方法設計的必然結果。壹種說不需要建模的方式，是缺乏設計依據和設計目的的片面說法。
為了保證控制質量，控制工程對系統目標有明確的要求。因此，在設計階段，應充分考慮應用中出現的各種問題。在建模和模型驗證後，應充分了解系統的確定和不確定部分，並在此基礎上進行方法設計，考慮建模誤差和應用不確定性，留有足夠的穩定裕度。這是保證控制項目控制質量的唯壹途徑。現代控制系統更加復雜和全面，不進行深入的建模研究是不可能解決實質性問題的。
30多年前，因為建模技術和資金的匱乏，有學者發現了壹個詞“無模型”。他們利用數據建模提取壹類對象的特征，根據離散模型跟蹤最優控制和預測控制的思想，推導出壹些控制率。他們希望把自己的控制率直接應用到這樣壹個沒有建模的對象上，把這種應用形式稱為“無模型”，這是“書學者”的玩笑方法，而不是工程方法。孩子搭積木不用畫圖建模，隨便搭就行，搭好了再拆也沒用。讓我們在學校實驗室裏找點樂子。妳可以嘗試任何事情。如果妳控制不了，就不會有任何後果。只是好玩而已。
建模既昂貴又必不可少。比如航天、航空、汽車工廠都有專業且昂貴(幾億、幾十億、幾十億)的測試場地，對各種性能進行測試和建模。現代計算機和仿真軟件如此發達，可以充分了解對象的特性，保證模型的準確性和不確定性的範圍。這些都是建模所涵蓋的領域，基於模型的設計方法是質量保證。
即使是很簡單的應用對象，也不要求太高的質量，應用控制率要有壹定的選擇方式。如果有“經驗”，可以直接套用壹定的控制率，效果不錯。這種“體驗”不僅是人腦中的“模型”，也是質量的保證。但經驗如果在設計過程中付諸實踐，就必須有操作基礎，並依賴於模型。
目前的“無模型”方法實際上是壹種基於低階數據模型的離散設計方法，依靠最優控制思想經過壹些簡化後推導出控制率，而最優控制是壹種基於模型的方法。過於簡化的模型實際上不能處理復雜的對象。
所以可以說命名的概念邏輯和應用的操作邏輯是矛盾的。命名概念的邏輯矛盾，意味著他有壹個“基於模型的最優控制”的祖宗，不僅沒有體現出來，反而全盤否定，顯示他無門無派，創新獨立？；應用的操作邏輯是矛盾的，即由於“無模型控制率”並不適用於所有對象，因此判斷其應用範圍和驗證其方法的有效性是不可行的。
目前“無模型”的概念和應用過程中存在諸多矛盾和混亂，各種解釋都有涵蓋基礎層面的“矛盾”。比如“只靠輸入輸出數據”的控制。僅從數據上，我們只能推斷出壹些系統的特性。簡單系統可以，復雜系統不行。比如多軸機械手能否從末端的X坐標推斷出各軸的姿態？控制汽車的“無模型”控制率能否適用於“飛機”？30多年來，我壹直在講壹個悖論。
矛盾論告訴我們，要把握事物，就要明確利弊，其中控制問題和控制方法是壹對矛盾，壹般經典方法都對應典型問題。控制方法的應用首先取決於它是否與問題的主要特征相匹配，然後調整參數以達到目標。如果不建模對象，這兩步就沒有具體的基礎，無法實現。就像開藥不問，裁衣不量，這種文學基本就是瞎貓碰死老鼠的表現。它不是壹個為明確的問題尋找答案的設計。
實際上，無論是簡單的項目還是復雜的項目，都要先建模，只有用模型才能分析研究方法；有了模型，我們對實際問題的主要特征有了了解，人們使用基於模型的設計方法。誰會放棄這些信息而使用“無模型”呢？——沒錯，只是有些人不搞工程，只玩學術，搞理論脫離實際的“創新”。
最近發現了壹些客觀事實。“無模型”的觀點，源於30年前從事經濟學的“軟學科”學者。當時他們搞軟科的時候，手頭有壹些統計數據，做壹些建模、分析、預測也沒什麽。與現代控制工程不同，現代控制工程以各種人工設備為研究對象，對象結構復雜，控制目標嚴格，如30自由度的機器人、無人系統、高性能飛行器、集群協同控制、網絡控制等。
模型設計解決了問題與方法之間的主要特征匹配和參數整定問題，剩余不確定性小且可控。所謂不確定性也是壹種特征，是可以建模的。現代計算技術使得建模和仿真非常方便。所有已知的和能想到的問題都可以建模，方法研究的基本的、可靠的、長久的、有效的、完整的思路都可以在模型空間中進行。