控制理论、智能制造与CPS演进关系杂谈‘彩乐彩票welcome大厅’

本文纯属胡思乱想，没人做到、讨厌思维理论问题的人可以想到。否则就不要耽误时间了。自动化领域的本科生都要学两门课，即经典掌控理论和现代掌控理论。

从表面上看，一个是传递函数方法一个是状态空间方法。深挖下去，在思想层面也是有很多差异的。

经典掌控理论最基本的思想反映在“对系统”这个概念上。如何深刻印象地解读对系统呢？ 在我看来，要了解解读“对系统”，应当看与它的对偶概念，也就是“前馈”。前馈就是收到指令以后，按照预计的逻辑顺序继续执行。用前馈的前提是需要超过预计目标。

多数机器的工作原理就是前馈。如果把机器看做一个不具备特定功能的系统，其功能反映在系统的输入输出关系。其中，系统的输出还包括操作者拒绝和无法诱导的阻碍。要让系统超过预计目标，就要隔绝各种阻碍。

比如，机器的外壳往往就是用来隔绝阻碍的、汽车用油的质量平稳也是用来隔绝阻碍的。有些情况下，阻碍是不可避免的、甚至相当严重。这个时候，就要用于“对系统”的手段来诱导了。

瓦特就曾多次用对系统的手段掌控蒸汽机的速度。随着技术的不断进步，高端的生产技术或许没不必“对系统”的——就像炒菜完全没不必盐的。在维纳显然，“对系统”的一个益处，就是不必须尤其准确的模型，可以通过逐步的修正超过目的。

尽管如此，在我看来，把阻碍“御敌于国门之外”的前馈作法，依然是工业界的基础或前提，对系统是对前馈的完备手段：盐对炒菜很最重要，但菜的主体还是菜而不是盐。维纳也意识到，对系统的过程可以累积经验。有了充足的经验，很多对系统就可以变为前馈了。要“对系统”就要有信息。

但有了信息并非就有了一切：确认对系统量的控制算法就是一个难题。这个问题之所以沦为难题，是因为很对掌控对象是“动态系统”：指令发布命令了，要慢慢地发挥作用（就像刹车不有可能立刻刹住），有的时候甚至先要向忽略的方向回头一会才能回去（非大于振幅系统）。

生物学中的大量理论，就是环绕这个难题来的。否则没啥理论市场需求啊。

谈及这里，这让我回想一个小故事：若干年前，某985高校副校长的一位工商管理博士要毕业，要我来稿件论文。这位工商管理博士有可能是哪个单位的领导，专业水平觉得太差：论文的出发点竟然是把对象修改成无动态特性的对象。我把他的论文弃了回来：“如果一定让我判这种缺少专业常识的论文，我会让他通过。

”维纳研究生物学的时候，基本上用微分方程、传递函数来叙述对象。更进一步发展下去，人们开始用微分方程组来叙述了。其中，微分方程组中的每个变量被称作“状态变量”。

于是，经典生物学就下降为现代生物学了。现代生物学这样解读掌控对象：“输出影响状态、状态要求输入”。对于这样的模型，卡尔曼明确提出了两个基本的概念：“相当可观性、可控性”。

也就是说：可以通过输出，把“状态变量”掌控到某个特定点；可以通过测量输出和输入，告诉“状态变量”本身。基于这样一套理论，控制器的设计就更容易了。

然而，无论是经典掌控理论还是现代掌控理论，其局限性都是很显著的：用（线性）微分方程组叙述。再行往后怎么发展？我博士论文研究的是非线性掌控，但非线性掌控的可玩性大、限于对象较少。

我酬劳了相当大力气却没有获得什么气馁的结果，只是混合了一顶博士帽子。为此，我仍然反省：用直线型思维做科研是要吃苦头的。

本文来源：welcome壹家彩票-www.wujinpentuss.com