感謝?冷哲、Tam Alex、小心假設(shè)?三位在知乎精彩而透徹的回答

經(jīng)三位作者同意，轉(zhuǎn)發(fā)至本博。

轉(zhuǎn)載請(qǐng)聯(lián)系原作者。

?

對(duì)第二個(gè)問題的解釋在于，既然PID控制器運(yùn)用已經(jīng)如此廣泛了，那么基于現(xiàn)代控制理論的現(xiàn)代控制系統(tǒng)就處于一個(gè)相對(duì)尷尬的境地，即應(yīng)用有限的同時(shí)理論卻在不斷更新，這使自動(dòng)化越來越像理科而不是工科，對(duì)于這種現(xiàn)象該如何評(píng)價(jià)。
ps.需要注意的是
1）理科的任務(wù)更像是觀察和描述自然，而工科則是利用和改造自然。
2）自動(dòng)化作為一個(gè)工科學(xué)科根本關(guān)切在于解放和發(fā)展生產(chǎn)力，其“價(jià)值”在于提高勞動(dòng)效率，降低社會(huì)必要?jiǎng)趧?dòng)時(shí)間，從而產(chǎn)生更多的“價(jià)值”和“使用價(jià)值”。修改

冷哲，無論對(duì)人還是對(duì)物，自控都是必需的

HeyJo、Sen Zhang、lonch?等人贊同 這個(gè)問題可能剛學(xué)習(xí)了現(xiàn)代控制理論的朋友都會(huì)有。

現(xiàn)代的各種控制理論，都是針對(duì)特定問題而產(chǎn)生的特定解決方案。

PID雖然應(yīng)用面比較廣，但在特定問題上并不十分好用。

傳統(tǒng)PID適用于線性時(shí)不變單輸入單輸出一階系統(tǒng)。在一定的修改下，這個(gè)條件可以放寬到近線性的、時(shí)變較少的、單輸入單輸出的一階或二階系統(tǒng)。

凡是不符合這種要求的，或者有額外要求的，全部都要使用某種現(xiàn)代控制理論。

不符合要求的：
多輸入多輸出的系統(tǒng)（必須使用狀態(tài)方程組表達(dá)）
高度非線性系統(tǒng)（要使用非線性控制方法）
高度時(shí)變系統(tǒng)（即系統(tǒng)參數(shù)變化很大，要使用自適應(yīng)或強(qiáng)健控制方法）

有額外要求的：
要求系統(tǒng)能耗或某一特定狀態(tài)組合達(dá)到最小/最大（比如登月著陸的最小燃料消耗，最優(yōu)化控制）
系統(tǒng)“慣性”大，延遲大，但仍然要求控制輸出要十分精準(zhǔn)（比如化工，預(yù)測(cè)控制）
系統(tǒng)需要持續(xù)運(yùn)行，運(yùn)行期間參數(shù)變化較大，需要精準(zhǔn)的控制輸出，不能有高頻震顫，而且絕大多數(shù)時(shí)候的運(yùn)行狀態(tài)不利于系統(tǒng)辨識(shí)（自適應(yīng)雙重控制）

現(xiàn)代控制方法的先進(jìn)之處，在于解決了經(jīng)典控制理論所不能解決或不好解決的問題。有的朋友覺得一種現(xiàn)代控制方法根本沒有用或者不好用，這往往只是因?yàn)樗麄冞€沒有碰到過這種方法所針對(duì)的那些問題。

把一種現(xiàn)代控制方法運(yùn)用到某一控制問題之中，發(fā)現(xiàn)效果還不如PID，這有很多可能的原因。

首先，是在錯(cuò)誤的問題上進(jìn)行了應(yīng)用。比如說把強(qiáng)健控制應(yīng)用在線性時(shí)不變系統(tǒng)上，參數(shù)漂移范圍也沒有設(shè)個(gè)極小的值，最后就會(huì)覺得“哎？這怎么還顫呢？我那PID可一點(diǎn)都不顫啊。”現(xiàn)代控制理論都是針對(duì)特定的問題而設(shè)計(jì)的，要搞清楚你要解決的問題是什么，然后有針對(duì)性地進(jìn)行使用。

其次，其中很多的方法都要求提供的系統(tǒng)參數(shù)或系統(tǒng)參數(shù)的范圍絕對(duì)精確。比方說滑模控制，給定的系統(tǒng)參數(shù)漂移范圍一定要可靠，如果系統(tǒng)參數(shù)飄出了給定的范圍，系統(tǒng)就可能失穩(wěn)。同理，自適應(yīng)雙重控制的卡爾曼/擴(kuò)展卡爾曼濾波的那幾個(gè)矩陣，也要盡可能的準(zhǔn)確。如果控制方法默認(rèn)的參數(shù)漂移特性與實(shí)際特性不相符，或者非自適應(yīng)、非強(qiáng)健控制方法需要用到的參數(shù)與實(shí)際參數(shù)不符，控制結(jié)果往往不會(huì)太好。這個(gè)問題對(duì)于最優(yōu)控制和一部分非線性控制尤其顯著，因?yàn)檫@些控制方法都試圖把系統(tǒng)潛力吃干挖凈，一旦系統(tǒng)特性與實(shí)際有所不同，實(shí)際控制效果就會(huì)與紙面效果相差甚遠(yuǎn)。而PID控制，由于對(duì)系統(tǒng)的潛力并沒有深挖，所以對(duì)參數(shù)變化并沒有那么敏感。

編輯于 2015-02-04?23 條評(píng)論?感謝?分享?收藏???沒有幫助???

舉報(bào)

取消贊同45反對(duì)，不會(huì)顯示你的姓名

Tam Alex，三流大學(xué)講師_四十三流吉他手

Sen Zhang、Zhibo Luo、Liu Top?等人贊同 先放一張圖，周克敏先生那本《Robust and Optimal Control》中的：
先答題，然后發(fā)散一下談?wù)剛€(gè)人對(duì)控制理論發(fā)展的看法。

1）現(xiàn)代的先進(jìn)控制理論先進(jìn)在哪里？

• PID控制器的出現(xiàn)甚至早于經(jīng)典控制理論的崛起，比例、積分、微分這三個(gè)基本的元素至今仍在不計(jì)其數(shù)的控制領(lǐng)域發(fā)揮著極大的作用。但是傳統(tǒng)的PID控制器實(shí)際上就像上圖中拿榔頭的工程師一樣，是一種有效但是粗糙的方法。它的最大問題是沒有一個(gè)明確的目標(biāo)函數(shù)（代價(jià)函數(shù)或者優(yōu)化準(zhǔn)則），這就導(dǎo)致：1) PID控制器的調(diào)參只能依靠經(jīng)驗(yàn)；2) PID控制器的設(shè)計(jì)只能是使系統(tǒng)達(dá)到某種可以接受的狀態(tài)，控制工程師無法回答是否存在更優(yōu)的PID控制器。
• 現(xiàn)代的先進(jìn)控制理論如果說先進(jìn)在哪里，我認(rèn)為是給控制器的設(shè)計(jì)提供了更多的框架，這些框架具有明確的優(yōu)化目標(biāo)，最重要的是這使得控制理論的發(fā)展與數(shù)學(xué)、計(jì)算機(jī)科學(xué)的發(fā)展牢牢的綁在了一起。實(shí)際上，我的很多老師認(rèn)為控制理論最后的高潮是上世紀(jì)80年代魯棒控制的興起。之后，控制理論的學(xué)者們只好眼巴巴的等著數(shù)學(xué)和計(jì)算機(jī)科學(xué)中出現(xiàn)新成果，然后揉進(jìn)控制理論中，這也是為什么題主覺得現(xiàn)在做控制研究的大都是搞數(shù)學(xué)的。起碼Automatica和TAC這兩大控制期刊現(xiàn)在看起來更像數(shù)學(xué)刊物。

2）如何評(píng)價(jià)在PID控制器份額在95%條件下穩(wěn)定性遜色的先進(jìn)控制系統(tǒng)？

• 其實(shí)現(xiàn)在工程中應(yīng)用的PID也不再是簡(jiǎn)單的比例、微分、積分三個(gè)元素的線性組合了，一些調(diào)整能夠讓PID控制器發(fā)揮的更好，調(diào)參更有目的性。但要知道，很多對(duì)PID的改進(jìn)是基于控制理論發(fā)展的，沒有對(duì)控制理論的研究，PID不會(huì)有現(xiàn)在這么強(qiáng)大的力量。所以雖然近20年控制理論沒有什么令人振奮的成果，很多大師也將目光投向了其他領(lǐng)域，但是控制技術(shù)并不是說已經(jīng)能夠完全解決人們遇到的問題。而且據(jù)我所知也還是有很多老師在做很有價(jià)值的工作。

=====================下面屬于發(fā)散的內(nèi)容=====================
聊些題外話把，實(shí)際上PID和新的控制理論并不是水火不相容的對(duì)立的，他們的關(guān)系很有趣。

• 從出發(fā)點(diǎn)說，它們是完全不同的控制方法。PID是找到了控制世界的三種最基本的元素，比例、積分、微分，把它們優(yōu)化組合搭積木一樣完成控制的目標(biāo)。而現(xiàn)代的先進(jìn)控制方法則一定是基于某種優(yōu)化指標(biāo)的，然后通過設(shè)計(jì)算法來達(dá)到優(yōu)化指標(biāo)從而實(shí)現(xiàn)控制。
• 從表現(xiàn)形態(tài)而言，它們又表現(xiàn)出很大的相似。以Lyapunov穩(wěn)定性為準(zhǔn)則設(shè)計(jì)出的控制器大都是PD控制器（例如backstepping，滑模，因?yàn)榉e分會(huì)導(dǎo)致系統(tǒng)穩(wěn)定性下降），LQ最后的表現(xiàn)形式也是PD，以至于有人為了消除模型參數(shù)不準(zhǔn)確帶來的穩(wěn)態(tài)誤差，又把積分加回到這些控制器里去。至于自適應(yīng)控制，模型預(yù)測(cè)控制這一類則是可以看成濾波器/觀測(cè)器+PID控制器的形式。非線性系統(tǒng)里的逆系統(tǒng)方法也是先把非線性系統(tǒng)給線性化了，再用線性化的控制器去控制新系統(tǒng)，不用說大部分想到的還是用PID。

一個(gè)系統(tǒng)的控制效果也不是由控制算法一個(gè)因素決定的，傳感器、執(zhí)行機(jī)構(gòu)、反饋回路的選擇等等都對(duì)控制效果影響很大。有時(shí)我也想用新算法，但很多時(shí)候用戶對(duì)新算法總不是很放心，甚至對(duì)計(jì)算機(jī)都不是很放心，發(fā)文章或項(xiàng)目答辯時(shí)候也總有專家問，你搞這個(gè)東西搞這么花俏有PID效果好嗎？有時(shí)也確實(shí)令人無語。因?yàn)闆]人知道PID能調(diào)成什么樣子，可能要多好有多好，也有可能一頭鉆進(jìn)淤泥里出不來。

發(fā)布于 2015-02-05?16 條評(píng)論?感謝?分享?收藏???沒有幫助???

舉報(bào)

小心假設(shè)，當(dāng)機(jī)器人遇到人工智能

Young Wang、Sen Zhang、gc ni?等人贊同 一種可能，別人用上了，效果好，自己用不上，乃至說不知道怎么用，只能用PID，這說明自己落后。

另外一種可能，有很多所謂先進(jìn)的理論和算法確實(shí)很難在實(shí)際中用，根本就是為了發(fā)論文而做的。

還有一種可能，大家都在用PID，但控制效果遠(yuǎn)不能令人滿足，只是暫時(shí)找不到/發(fā)現(xiàn)不了更好的方法。

另外有個(gè)值得注意的，底層是PID，看中上層是不是PID。即雖然是PID，但是是結(jié)合比如自適應(yīng)、模糊、容錯(cuò)等等。而且PID的調(diào)參是否用了比如頻域分析、魯棒等等。

如何區(qū)分這幾者，是很重要的。

---

以上是短答案，以下是較長(zhǎng)的回答。

There is nothing more practical than a good theory. 這句話的出處，網(wǎng)上說辭不一。其中有很多人說是Maxwell說的。麥克斯韋方程，當(dāng)然是good的theory。

但并不是所有的理論都是good的。其實(shí)自動(dòng)控制發(fā)展這么多年，good的理論并不多，PID、卡爾曼濾波自然在其中。但也并不是網(wǎng)上很多人傳的那么少，絕不僅限于這兩個(gè)。

如今的計(jì)算機(jī)時(shí)代，這些good的理論，因?yàn)橐猵ractical，一定還有另一個(gè)特點(diǎn)，那就是同時(shí)也是good的算法。

先從Kalman Filter，卡爾曼濾波，開始說起吧。

吳軍老師的《文明之光》里，有簡(jiǎn)短的一段介紹，這里貼在下面（沒侵權(quán)吧？）：

不過糾正一下，確切的說，卡爾曼濾波是個(gè)估計(jì)算法（估計(jì)過去叫平滑smoothing，估計(jì)現(xiàn)在叫濾波filtering，估計(jì)未來叫預(yù)測(cè)prediction）。控制用的是最優(yōu)控制。不過兩者都是基于狀態(tài)空間方法，因此被統(tǒng)稱為現(xiàn)代控制理論（時(shí)域）。其實(shí)狀態(tài)空間方法中的很多概念，如可控性/可觀性，也都是卡爾曼提出的。

卡爾曼之前，控制與濾波理論中，經(jīng)典控制理論（基于傳遞函數(shù)方法，頻域）占據(jù)主流。而他幾乎是憑借一己之力，扭轉(zhuǎn)大方向到時(shí)域。有意思的是，卡爾曼到了晚年（仍在世），卻到處推廣一些的頻域的想法。

一個(gè)朋友說，曾收到卡爾曼討論預(yù)測(cè)控制的時(shí)候cc的郵件。模型預(yù)測(cè)控制（預(yù)測(cè)控制，Model Predictive Control，MPC，Predictive Cotnrol，Receding Horizon Control，Moving Horizon Control，Dynamic Matrix Control），另一個(gè)good theory，之后也會(huì)談及。其實(shí)別的不說，就看這么多不同的名字，不同小領(lǐng)域的人們給它的，就知道它應(yīng)該是用處不少的。

卡爾曼何許人也，Rudolf E. K??lm??n，半個(gè)數(shù)學(xué)家。

想必很多第一次接觸卡爾曼濾波的推導(dǎo)時(shí)，都會(huì)有這個(gè)疑問，這么數(shù)學(xué)化的東西，還這么難推導(dǎo)，在現(xiàn)實(shí)中能用么？難道比用了這么多年的頻域?yàn)V波靠譜？

但它就是能用。而且頻域?yàn)V波怎么調(diào)都調(diào)不到卡爾曼濾波的效果，因?yàn)榭柭菫V波已經(jīng)不是線性時(shí)不變的了，而是線性時(shí)變的。這才是good的theory，已經(jīng)超出了所有已有的框架了。

針對(duì)非線性系統(tǒng)，有EKF（擴(kuò)展卡爾曼濾波，Extended Kalman filtering），UKF（無味卡爾曼濾波，Unscented Kalman Filtering）等。其中這UKF，是Simon J. Julier教授（http://www0.cs.ucl.ac.uk/people/S.Julier.html
First-Hand:The Unscented Transform）的結(jié)果，也是個(gè)good的theory。實(shí)時(shí)應(yīng)用中越來越多用到，比EKF準(zhǔn)確，比Particle Filter（粒子濾波，PF）速度快。

當(dāng)然，PF的應(yīng)用也也越來越多。說起Particle Filter，不得不提Monte Carlo算法。是馮 諾依曼與烏拉姆提出的。

所有的這些，都是理論化的，有的乃至很艱深。但同時(shí)卻在實(shí)際中用的很多，乃至隨處可見。可有趣的是，數(shù)學(xué)家不認(rèn)為這些是數(shù)學(xué)，而卡爾曼、香農(nóng)等，甚至都不被認(rèn)為是數(shù)學(xué)家。當(dāng)然也不認(rèn)為是工程師，因?yàn)楦愎こ痰?#xff0c;卻覺得這些都是數(shù)學(xué)。從這一點(diǎn)上，卡爾曼、香農(nóng)等的理論，其實(shí)更像是物理學(xué)，人造系統(tǒng)的物理學(xué)。傳統(tǒng)理論物理學(xué)，是研究自然的，實(shí)驗(yàn)物理學(xué)家覺得是數(shù)學(xué)，但數(shù)學(xué)家不承認(rèn)是數(shù)學(xué)。這一點(diǎn)上，尤其相似。

回到原問題，但并不是說所有艱深的理論都能用。其實(shí)絕大多數(shù)都不能用。這之間的差別在什么地方呢？

一個(gè)朋友說，曾被卡爾曼的學(xué)生之一的Y Yamamoto（Yutaka Yamamoto's Website）教授“訓(xùn)”了一頓，僅僅是因?yàn)樽约涸谥v述一個(gè)問題的assumptions（假設(shè)）的時(shí)候，覺得不大重要，敘述得不大嚴(yán)謹(jǐn)。Yamamoto教授直接就說，作為engineer，也不能sloppy with math，也提到了卡爾曼經(jīng)常對(duì)engineers' sloppiness with math很不滿。其實(shí)就詞典，Yamamoto教授曾寫過一篇文章，My Florida Days with Rudolf Kalman （IEEE Xplore Abstract (Keywords)）：

These seminars were not like the ones I was familiar with. He often interrupted the speaker and started asking questions. Some questions seemed to take the speakers off track. He would pose a question on whether the theory is based on the correct assumptions or in the right framework, or even the right definitions. As a starting Ph.D. student, I was not aware how important it was to question whether we base our new theory on “right” definitions. In an ordinary seminar, we would naturally take the attitude that a definition is, after all, a definition, and we would hold our breath until we see the outcome. The seminars at the Center were very different. Rudolf Kalman always tried to see whether the theory is built on a sensible and fruitful definition.

I soon became more comfortable with examining basic hypotheses and saw how important it was to do so. Obviously, such an attitude is also very time consuming, but I was convinced that it is the right way to understand and build theoretical developments. Later his favorite citation was one from Newton, “Hypotheses non fingo.” (I do not invent hypotheses.) My candid interpretation would be “I do not fiddle around with hypotheses.”

He always emphasized clarity in understanding. His frequent usage of the phrase “What is crucial here is …” reflects how he places emphasis on clarifying the role of certain key ideas. Merely proving a theorem is obviously not enough for understanding a problem. What one needs to see is the overall structure, how a certain assumption plays a crucial role in a critical step of the theory. He has an incredibly deep intuition for seeing the critical steps in the overall structure of a problem. This intuition played a great role in formulating the filtering problem in the state-space theory. That theory has flourished as Kalman filtering, and this is merely one outcome of the state-space approach that he initiated in the late 1950s.

而牛頓的原話，是這樣的（Hypotheses non fingo）：

I have not as yet been able to discover the reason for these properties of gravity from phenomena, and I do not feign hypotheses (Hypotheses non fingo,?Latin?for "I feign no hypotheses," "I frame no hypotheses," or "I contrive no hypotheses"). For whatever is not deduced from the phenomena must be called a hypothesis; and hypotheses, whether metaphysical or physical, or based on occult qualities, or mechanical, have no place in experimental philosophy. In this philosophy particular propositions are inferred from the phenomena, and afterwards rendered general by induction.

卡爾曼濾波的假設(shè)很明確，線性系統(tǒng)（可時(shí)變），加性高斯白噪聲，最小方差意義下，是最優(yōu)濾波器。不滿足這些假設(shè)，就不是最優(yōu)。還有個(gè)結(jié)果，就是如果系統(tǒng)是非線性的（可時(shí)變），加性高斯白噪聲，最小方差意義下，是最優(yōu)的線性濾波器。

而有如此嚴(yán)格的假設(shè)界定，才產(chǎn)生了各種之后的如EKF，UKF，PF等的結(jié)果，解決非線性時(shí)，卡爾曼濾波不是最優(yōu)的情況下的問題。其中PF又可處理非高斯的估計(jì)問題。非白噪聲的問題也有相應(yīng)的處理方法。這些EKF，UKF，PF等，都是非線性時(shí)變的濾波器了。

卡爾曼濾波本身是線性時(shí)變的，穩(wěn)態(tài)時(shí)趨近一個(gè)線性時(shí)不變?yōu)V波器，跟發(fā)現(xiàn)卡爾曼濾波器之前的頻域?yàn)V波器的結(jié)果一致。也就是說，到了對(duì)偶的控制問題，variance minimization control，線性系統(tǒng)（可時(shí)變），加性高斯白噪聲，最小方差意義下，最優(yōu)的反饋控制器也是線性時(shí)變的。而PID是線性時(shí)不變的，所以PID不是最優(yōu)。類似的，系統(tǒng)是非線性的（可時(shí)變）時(shí)，也有類似結(jié)果。

Yamamoto教授其實(shí)也不愧為卡爾曼的學(xué)生，發(fā)明了YY Filter，也是以自己的名字命名的。有一篇文章，Signal reconstruction via H ∞ sampled-data control theory - beyond the Shannon paradigm （IEEE Xplore Abstract），關(guān)鍵詞有兩個(gè)，一個(gè)是把魯棒控制的H無窮算法引入到數(shù)字信號(hào)處理中的sampling與reconstruction中；另一個(gè)是已經(jīng)超過了香農(nóng)、奈奎斯特 Nyquist 采樣定理（Nyquist）的框架了（其實(shí)原問題也已經(jīng)不一樣了）。

一個(gè)朋友說，Yamamoto把這個(gè)專利賣給某日本的公司，好像是Sanyo，每一件產(chǎn)品抽專利費(fèi)，賺了很多錢。

說到這里，想起來之前一個(gè)朋友（搞電力電子的）說，好像是一對(duì)夫妻，原來學(xué)術(shù)界的，后來創(chuàng)立了一家公司?One-Cycle Control，as its name indicates，做電力電子方面的control。其實(shí)電力電子方面，現(xiàn)在的智能電網(wǎng)，有非常多的控制問題。

在網(wǎng)上看到兩段話：

馮純伯院士：電力系統(tǒng)的實(shí)踐與研究結(jié)果都表明：為抑制電力系統(tǒng)中的低頻振蕩，提高系統(tǒng)的穩(wěn)定性，在多機(jī)電力系統(tǒng)中設(shè)置穩(wěn)定器（PSS）是一種有些有效的方法。…為了進(jìn)一步提高理論的普遍性，我又深入研究了PSS在鎮(zhèn)定電力系統(tǒng)中的低頻振蕩和提高系統(tǒng)穩(wěn)定性的作用機(jī)制。由于PSS的設(shè)計(jì)只能取發(fā)電機(jī)組的本組局部信號(hào)，所以它是一種分散控制結(jié)構(gòu)的穩(wěn)定器。多級(jí)電力系統(tǒng)作為一個(gè)大系統(tǒng)，其中的低頻振蕩能否被PSS分散鎮(zhèn)定，這一問題的研究無疑有著重要的理論價(jià)值與實(shí)際意義。雖然，當(dāng)時(shí)國(guó)際上已展開對(duì)PSS的分散鎮(zhèn)定作用的研究，但還是停留在一些現(xiàn)場(chǎng)試驗(yàn)、仿真和實(shí)踐的階段，還未提高到理論上來分析和證明。然而這些結(jié)果已經(jīng)表明，PSS確實(shí)能起到分散鎮(zhèn)定低頻振蕩的作用。我利用大系統(tǒng)理論中的‘固定模態(tài)’的概念及其定理，證明了多機(jī)電力系統(tǒng)中引起低頻振蕩的機(jī)械振模，在PSS的分散控制結(jié)構(gòu)下都不是‘固定模態(tài)’，因而在理論上證明了PSS具有分散鎮(zhèn)定多機(jī)系統(tǒng)中低頻振蕩的作用。但是，究竟需要裝多少臺(tái)PSS即可鎮(zhèn)定系統(tǒng)的低頻振蕩問題，還有待于進(jìn)一步的研究。

楊叔子院士：我還記得，在80年代初期，我一方面研究了力學(xué)中采用有限元方法解決大型結(jié)構(gòu)及其子結(jié)構(gòu)的設(shè)計(jì)問題；另一方面，我也在學(xué)習(xí)自動(dòng)控制理論中采用遞階控制算法解決大系統(tǒng)及其子系統(tǒng)中的設(shè)計(jì)問題。當(dāng)時(shí)，我以為從數(shù)學(xué)上將，這兩者是一回事。由于客觀原因，這方面研究中斷了，至今我深感可惜。當(dāng)然對(duì)從事力學(xué)與自動(dòng)控制研究的學(xué)者而言，這很可能是一個(gè)十分簡(jiǎn)單的問題。但對(duì)于從事機(jī)械工程的我來說，確是具有十分有效的啟示的。

偏過程控制的公司，有AspenTech: Optimizing Process Manufacturing，這名字說得已經(jīng)很清楚了。

除此之外，還有很多或有名（Honeywell霍尼韋爾）或不大有名的，做偏過程控制。其實(shí)殼牌、美孚也有相應(yīng)的部門。

說到這方面，咱中國(guó)人也不差，有朱豫才老師在荷蘭創(chuàng)立的太極控制（怎么成了“太激光控制軟件”“泰極控制 泰極軟件”？泰極控制 泰極軟件 (網(wǎng)站正在建設(shè)中...））Taiji Control（Welcome to Tai），也有王建老師的優(yōu)化佳控制（北京優(yōu)化佳控制技術(shù)有限公司）。別的不說，看這兩個(gè)公司名字取的！！！二者也都偏過程控制。

其實(shí)過程控制不光是化工，發(fā)電廠什么的也都是（GE在這些方面也在做）。而且發(fā)動(dòng)機(jī)控制什么的，也很難說屬于哪一類。

而這些公司不都是試圖把所謂的先進(jìn)算法用在實(shí)際中嗎。

這些努力，也許是白費(fèi)的，證明某些算法不能用。但也慢慢證明某些算法確實(shí)能用，比如一些系統(tǒng)辨識(shí)算法，比如預(yù)測(cè)控制。

技術(shù)發(fā)展就是這樣一點(diǎn)點(diǎn)進(jìn)步的。難道控制算法不再發(fā)展了？PID也才有大約一百年的歷史（PID controller）。而且不去嘗試，永遠(yuǎn)不知道新理論和算法能不能用。

隨著相關(guān)技術(shù)，特別是傳感器技術(shù)的不斷發(fā)展，芯片運(yùn)算速度的不斷加快，也有可能出現(xiàn)之前不能用，以后能用的情況。比如預(yù)測(cè)控制也可用到運(yùn)動(dòng)控制中了，當(dāng)然不一定叫預(yù)測(cè)控制了，可能叫Receding Horizion什么的。。。

這里又要岔開一句。其實(shí)芯片速度只要快到一個(gè)控制周期（一般由被控對(duì)象決定）內(nèi)能計(jì)算完所有需要在線計(jì)算的，也就不會(huì)帶來更多益處了。而且位數(shù)精度到了干擾的數(shù)量級(jí)（其實(shí)一般早就到了），也就不再有益處。倒是傳感器，有時(shí)候執(zhí)行機(jī)構(gòu)也是，采用頻率跟精度遠(yuǎn)遠(yuǎn)不夠。

況且在現(xiàn)實(shí)中，PID算法是遠(yuǎn)遠(yuǎn)不夠的。

比如某射電望遠(yuǎn)鏡，之前都是用PID來調(diào)，后來轉(zhuǎn)為用LQR來設(shè)計(jì)參數(shù)。不過設(shè)計(jì)完之后，又用頻域的波特圖看過，才敢實(shí)行。最終效果好很多。原因很簡(jiǎn)單，在模型不精確乃至沒有模型的時(shí)候都能用PID，說明PID是適用范圍廣。但沒有免費(fèi)的午餐啊，適用范圍廣，則對(duì)一個(gè)特定的系統(tǒng)，往往效果離最好差很遠(yuǎn)。而望遠(yuǎn)鏡是人造的，模型比較精確，而且工作環(huán)境不確定性小，所以用LQR效果較好。

這里還有個(gè)有意思的問題，就是量產(chǎn)跟不量產(chǎn)的區(qū)別。比如這個(gè)射電望遠(yuǎn)鏡，就這一個(gè)，那就可能調(diào)得精確些。如果是量產(chǎn)的話，那各個(gè)的機(jī)械跟電子部分肯定會(huì)有差別，導(dǎo)致模型有差別。而這差別其實(shí)有時(shí)候是影響很大的，甚至說一個(gè)螺絲少擰半圈，原來的控制算法就要重新調(diào)。這時(shí)候，大概就不能用這么‘陽春白雪’的控制算法了，要‘下里巴人’一些。

況且，只做這其實(shí)不是商業(yè)產(chǎn)品，所以在某種程度上不用受成本限制，所以傳感器可以做到比較好。還有一個(gè)問題，就是這不是大眾消費(fèi)品，就這那個(gè)天文臺(tái)里面，沒有什么風(fēng)吹日賽，也不會(huì)在大眾手里鼓搗。

這樣便可以想見，以后做大眾消費(fèi)品的機(jī)器人，包括現(xiàn)在的無人機(jī)，控制算法要做到多么的魯棒：首先產(chǎn)品的硬件會(huì)有區(qū)別，除非對(duì)每單件單獨(dú)調(diào)參；其次受成本影響，傳感器曲線差；再次使用環(huán)境不確定性大，干擾大；而且還要在一般用戶手里搗鼓，摔一下，磕磕碰碰很正常；而且用的時(shí)間長(zhǎng)了，硬件會(huì)發(fā)生一些變化。。。

簡(jiǎn)單的說，從理論角度，對(duì)于單入單出的線性系統(tǒng)時(shí)不變系統(tǒng)而言，PID存在，提供了三個(gè)參數(shù)，調(diào)整閉環(huán)系統(tǒng)的極點(diǎn)位置（或曰特征根，一個(gè)極點(diǎn)對(duì)應(yīng)一個(gè)動(dòng)態(tài)模態(tài)，即動(dòng)態(tài)響應(yīng)的大致形式）。一個(gè)n階系統(tǒng)，需要n個(gè)參數(shù)配置極點(diǎn)。那三階及以下的系統(tǒng)，PID當(dāng)然就夠了，乃至只需要PI、PD，或只需要P，視具體情況。甚至到了三階以上，如果系統(tǒng)某些本身的極點(diǎn)已經(jīng)非常穩(wěn)定了，有時(shí)候PID也足夠了。同時(shí)，也很容易找到三階以上系統(tǒng)，無論如何都需要三個(gè)以上的參數(shù)才能讓系統(tǒng)穩(wěn)定，這時(shí)候當(dāng)然PID不夠用。

但這些高階系統(tǒng)，有很多是可以分出層來的，及可加傳感器控制中間某個(gè)變量，串級(jí)控制，如果串級(jí)的每一級(jí)都用PID足夠，那就成了串級(jí)PID。比如四旋翼，從電機(jī)電流，到轉(zhuǎn)速，到旋翼升力，到加速度/角加速度，到速度/角速度，到姿態(tài)/位置，就引出了好幾個(gè)串級(jí)。

這里岔開一句，四旋翼轉(zhuǎn)速到升力，會(huì)受空氣動(dòng)力學(xué)的影響，不是線性的，而且接近地面時(shí)不一樣，不同空氣密度又有影響。升力到加速度，跟姿態(tài)有耦合，而且跟傾角有非線性的關(guān)系，同時(shí)不同的質(zhì)量又有影響。這里面要做得好，要考慮解耦，非線性，自適應(yīng)等問題。

從不那么偏理論的角度說，其實(shí)可以感到PID是提供了三個(gè)自由度，就像三個(gè)操縱桿，控制一個(gè)東西，不知道那個(gè)東西的運(yùn)動(dòng)跟這三個(gè)操作桿具體什么關(guān)系，只能試試湊湊。但操作桿只有三個(gè)，三個(gè)自由度而已，有些動(dòng)作可以完成，有些動(dòng)作不能完成。但是，如果增加了操縱桿，增加了自由度，雖然可以完成動(dòng)作的可能性大了，同時(shí)操縱的難度也增加了。

從寬的角度說，那就是耦合了。處理高階，深的系統(tǒng)，PID有串級(jí)這一大殺器，只要中間量能測(cè)量，通過傳感器往外引。而且一級(jí)級(jí)的可以加飽和。但處理寬的，耦合的系統(tǒng)，PID就比較難調(diào)了。幾入幾出、耦合弱的還能解解耦（而且解耦是要基于耦合模型的），十幾入十幾出，乃至更多，加上強(qiáng)耦合，有時(shí)還有硬約束，那幾乎是沒辦法調(diào)的。

從不那么偏理論的角度說，每個(gè)PID像三個(gè)操縱桿，控制一個(gè)東西，不知道那個(gè)東西的運(yùn)動(dòng)跟這三個(gè)操作桿具體什么關(guān)系，只能試試湊湊。有十幾個(gè)這樣的操縱桿和東西的話，之間又有聯(lián)動(dòng)，那可能性多了去了，（十幾×3）×（十幾×3），想要讓那十幾個(gè)東西完成一些動(dòng)作，就很難動(dòng)過試湊來做了。

現(xiàn)實(shí)中，大多是PID作為底層穩(wěn)定住各個(gè)單入單出的子系統(tǒng)，MPC在其上層做慢速的（相比PID）的優(yōu)化計(jì)算，把這些耦合、約束都考慮進(jìn)去，然后算出來的是各個(gè)PID的設(shè)定點(diǎn)。MPC算一步的時(shí)間，足夠PID動(dòng)態(tài)過程結(jié)束了。

智能控制的定義其實(shí)很難劃清，大致包括專家系統(tǒng)，模糊，神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)，然后結(jié)合各種優(yōu)化算法的控制（遺傳、粒子群、蟻群、模擬退火等），等等。

其實(shí)可能大多數(shù)人接觸智能控制，會(huì)經(jīng)歷“哇，這么好大上”->“靠，原來如此”->“排列組合發(fā)論文，都是在忽悠”->“其實(shí)還是可能有點(diǎn)用的”->“現(xiàn)在才算理解一點(diǎn)”->“其實(shí)還是沒真正理解”。。。其實(shí)不只是智能控制啦，很多東西的學(xué)習(xí)都是如此。

先說最簡(jiǎn)單的，結(jié)合各種優(yōu)化算法的控制。其實(shí)這些優(yōu)化算法都是單獨(dú)存在的，只不過控制問題轉(zhuǎn)化為一個(gè)二次型的優(yōu)化之后，用這些優(yōu)化算法來求解，就是優(yōu)化參數(shù)。這樣的話，其實(shí)任何優(yōu)化算法都可以結(jié)合控制：各種優(yōu)化算法×各種優(yōu)化指標(biāo)×各種控制器（如PID，狀態(tài)反饋等等）×。。。。排列組合多了去了，論文也就多了去了，導(dǎo)致這個(gè)領(lǐng)域如今很受詬病。而且其實(shí)問題的核心不在優(yōu)化算法（優(yōu)化算法也有No free lunch theorem），而是優(yōu)化指標(biāo)。而這優(yōu)化指標(biāo)的選取幾乎完全靠經(jīng)驗(yàn)、試湊。而且建的模型本身的精度根本達(dá)不到這優(yōu)化問題的精度，很容易精確的錯(cuò)。仿仿真還可以。

再岔開一句，建模，簡(jiǎn)單的分，物理建模（部分加起來），系統(tǒng)辨識(shí)（輸入輸出關(guān)系作為整體）；而物理建模本身，其參數(shù)的確定，也分為部分加起來，和整體辨識(shí)出來。物理建模，參數(shù)也是部分加起來，是當(dāng)年物理學(xué)中就學(xué)到了，但往往會(huì)忽略掉很多東西。物理建模，參數(shù)辨識(shí)出來效果好很多，可以理解通過輸入輸出數(shù)據(jù)獲得了系統(tǒng)全部的信息。直接系統(tǒng)辨識(shí)，其實(shí)有時(shí)候反而最完整的保存了系統(tǒng)信息。系統(tǒng)辨識(shí)的問題是比較難結(jié)構(gòu)化，雖然有Wiener，Hammerstein等模型，但可以一些個(gè)環(huán)節(jié)。乃至跟物理建模結(jié)合起來，各負(fù)責(zé)一些環(huán)節(jié)。

系統(tǒng)辨識(shí)是個(gè)大領(lǐng)域，輸入數(shù)據(jù)的設(shè)計(jì)，誤差準(zhǔn)則的選擇，模型階數(shù)的缺點(diǎn)，乃至?xí)r延的缺點(diǎn)，都非常重要，而且不容易。預(yù)測(cè)控制，是基于模型的，實(shí)際中基本都是結(jié)合系統(tǒng)辨識(shí)在做的。否則的話，模型都錯(cuò)了，那控制器就不大可能設(shè)計(jì)的好。

傳感器也是系統(tǒng)辨識(shí)的一個(gè)重要環(huán)節(jié)。傳感器精度直接決定了系統(tǒng)辨識(shí)的精度。

傳感器曲線很差，模型也建的很差，就不要想著用“先進(jìn)”的控制算法了，肯定精確的錯(cuò)；倒不如用PID什么的，大概的對(duì)。而且倒是應(yīng)該用些“先進(jìn)”的估計(jì)算法，數(shù)據(jù)融合，傳感器信息融合，先把傳感器曲線改善一些。然后用些“先進(jìn)”的系統(tǒng)辨識(shí)算法，讓得出的模型也改善一些。之后再考慮“先進(jìn)”的控制算法。

現(xiàn)在的情況是，很多實(shí)際工程，“先進(jìn)”的估計(jì)算法已經(jīng)用了不少了，“先進(jìn)”的系統(tǒng)辨識(shí)算法和“先進(jìn)”的控制算法還比較少。這也就是很多人說控制工程等于PID+Kalman的原因。不奇怪，PID到“先進(jìn)”的控制算法，中間還隔著“先進(jìn)”的系統(tǒng)辨識(shí)算法呢（建模與模型分析）。

總而言之，先進(jìn)估計(jì)+不基于模型調(diào)參的PID，先進(jìn)估計(jì)+先進(jìn)系統(tǒng)建模辨識(shí)+基于模型調(diào)參的PID，先進(jìn)估計(jì)+先進(jìn)系統(tǒng)建模辨識(shí)+先進(jìn)控制算法，現(xiàn)在都是存在的，其中前兩個(gè)自不必說，最后一個(gè)系統(tǒng)辨識(shí)+MPC+PID的組合在先進(jìn)過控、能源類的控制等中比比皆是。落后這么多了，趕緊追吧，奇怪的是竟然還有人說MPC沒用，趕緊去了解一下Aspen，Honeywell，GE，Shell，Exxon Mobil等的先進(jìn)工業(yè)控制算法吧。而且當(dāng)年登月，也是先進(jìn)估計(jì)+先進(jìn)模型+先進(jìn)控制（最優(yōu)控制+PID）的例子啊。

傳感器跟估計(jì)的精度決定了建模辨識(shí)與控制的精度，然后傳感器跟估計(jì)的精度，與建模辨識(shí)，一起決定了控制的精度。這方面，是可以量化的。

可見傳感器與估計(jì)算法多么重要。傳感器的校正是個(gè)大問題。這一點(diǎn)，看看玩無人機(jī)之前大家的在那繞啊繞的動(dòng)作就知道了，況且在出廠前，也要做不同的校正。這方面，GPS有室內(nèi)的天然缺陷，IMU只能等降價(jià)（要是不計(jì)成本的話，可以做到嚇人的精確，比如核潛艇里面用的），現(xiàn)在做光流，視覺當(dāng)然是個(gè)大趨勢(shì)：軟肋在計(jì)算機(jī)視覺算法。之后就需要更精確的建模與辨識(shí)算法了，然后是控制算法。畢竟現(xiàn)在無人機(jī)在很多方面還是受限制的，比如隨便換相機(jī)，當(dāng)然云臺(tái)也是問題，送快遞（加入新的負(fù)載），或者加抓取裝置（整個(gè)力的分析就很復(fù)雜了）。

個(gè)人認(rèn)為，在可預(yù)見的未來，隨著傳感器本身的發(fā)展，加上計(jì)算速度提升（在線UKF現(xiàn)在已經(jīng)不成問題了，等到在線PF也不成問題的時(shí)候，不知將會(huì)發(fā)生什么，也許EKF什么的，終將被歷史淘汰，敗給強(qiáng)大計(jì)算能力支撐下的硬算硬模擬算法）帶來數(shù)據(jù)融合發(fā)展，下一步必將發(fā)展的是更精細(xì)的系統(tǒng)與信號(hào)的建模與辨識(shí)技術(shù)，之后則會(huì)有之前用不上的控制算法逐漸被實(shí)用（當(dāng)然，大部分現(xiàn)在的論文都是忽悠人的，幾乎是一定不會(huì)被實(shí)用的），而更有可能的是，會(huì)催生出新的控制算法。其中自適應(yīng)、自學(xué)習(xí)類的控制算法（很可能底層還是PID，這些算法在PID的上層）是最需要的。

為什么呢，因?yàn)楫吘惯^控類的，乃至登月，幾乎談不上擴(kuò)展性的問題。反正登月就這一套東西，過控類很多時(shí)候也都是如此，即使復(fù)制多套，也會(huì)有專門人員再到現(xiàn)場(chǎng)逐個(gè)的調(diào)。但未來消費(fèi)類產(chǎn)品，比如無人機(jī)、無人車什么的，那就不一樣了，有點(diǎn)像手機(jī)，但又比手機(jī)的“控制”復(fù)雜的多。再比如無人地鐵，空車跟滿人的時(shí)候，質(zhì)量差很大，這是最起碼的自適應(yīng)吧。當(dāng)然可以想見，這自適應(yīng)是上層，底冊(cè)的電機(jī)電流轉(zhuǎn)速控制當(dāng)然還是跟之前一樣。

其實(shí)這辨識(shí)，不僅包括系統(tǒng)，也應(yīng)包括信號(hào)，有時(shí)叫干擾。不過這方面有不少實(shí)際應(yīng)用了，因?yàn)楸容^好處理，很多時(shí)候前饋抵消掉就行。

魯棒控制其實(shí)處理的是確定的不確定性，known unknown，其實(shí)算不上真的魯棒性，因?yàn)檫€是需要確定模型來刻畫不確定性的。真正的魯棒性，要能處理不確定的不確定性，unknown unknown。伯德圖頻譜分析算是一個(gè)這方面的好結(jié)果。

未完待續(xù)。

編輯于 2015-02-13?2 條評(píng)論?感謝?分享?收藏???沒有幫助???

舉報(bào)

贊同6反對(duì)，不會(huì)顯示你的姓名

男山

Zhibo Luo、Breaking Bad、Michael Jackson?等人贊同 先填個(gè)坑。本科自動(dòng)化，研究生電氣。記得有次華電的一位實(shí)踐派教授來我們學(xué)校講座，談到現(xiàn)代控制與pid說了一句很極端的話:用pid就能解決我們電廠，生產(chǎn)線的大部分問題，現(xiàn)代控制理論很多時(shí)候都只是停留在紙面或者matlab里。
在電廠等領(lǐng)域，系統(tǒng)穩(wěn)定/安全優(yōu)先級(jí)會(huì)很高，也不允許拿不成熟的控制方式/設(shè)備進(jìn)行試驗(yàn)。可能也會(huì)限制現(xiàn)代控制算法的應(yīng)用。
個(gè)人覺得選擇pid/現(xiàn)控很大程度由控制對(duì)象/執(zhí)行器決定。(澳大利亞一搞無人機(jī)的過來講座，他們無人機(jī)的控制算法也就是pid，我平時(shí)用在四旋翼或者云臺(tái)上的也就是pid/pd，因?yàn)閷?duì)于無刷直流電機(jī)，基于改變pwm占空比的pid已經(jīng)很成熟，有效，而gyo/acc的姿態(tài)信息獲取相反因?yàn)閭鹘y(tǒng)常用的濾波算法沒辦法達(dá)到很高要求，反而現(xiàn)控里的kf或ekf倍受到大家的青睞，想象下在72m主頻的mcu里跑矩陣運(yùn)算的場(chǎng)景吧)

總結(jié)

以上是生活随笔為你收集整理的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？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。