关于控制的一些感想1

控制学科在理论上主要和以微分方程为代表的所谓被控对象模型打交道，根据微分方程是否为线性的，一般将被控对象分为线性系统和非线性系统。对于线性系统，数学家已经发展了矩阵这个强大的工具，因此相对于非线性系统，对于线性系统的研究更为充分。对于非线性系统，除去自动控制原理教材上的经典方法，现阶段深入一些的理论研究有点像数学游戏，很多都是YY一个在实际中也许并不存在的微分方程，然后作各种假设，推导一个控制律，再证明控制律作用后的闭环稳定性（一般用Lyapunov稳定性理论），可是这样的研究在工程实际中往往很难应用，直白一点说，既没有在理论上大多像纯粹数学研究那样的高度，又没有发展工程应用的指导原则，这种研究越来越多的结果便是控制理论和控制工程之间的鸿沟，彼此都瞧不上对方的工作，理论研究的人觉得工程无非就是应用，而工程研究的人觉得理论不切合实际，没有意义，这其实阻碍了控制学科的发展。控制论的鼻祖维纳早就告诉后人，控制的意义很广泛，cybernetics包含的范围要远远大于control theory，如今，控制学科里面的动态规划、最优控制等默默无闻，而与其思想殊途同归的强化学习则在以人工智能为代表的计算机学科里面各种出风头，这难道不值得控制学科的人好好思考一下问题出在什么地方吗？

当然，控制学科的人可以假装清高，对计算机学科那套缺少理论分析的做法嗤之以鼻，问题是，控制真的一定要都以稳定性为前提吗？控制的对象可以很广泛，或者说可以上升到决策的设计，这样可以考虑的问题就不仅仅限于control theory的自娱自乐。计算机玩游戏是一种决策，而且并不用理会所谓的稳定性，大可以用神经网络去训练，只要最后的效果可以就OK，即便在神经网络设计和训练中需要理论，也不是所谓的Lyapunov稳定性理论，更多的是最优解的存在性和迭代求解收敛性的理论。网站投放广告或者打开购物网站后所看到的商品排布是一种决策，同样不用理会所谓的Lyapunov稳定性，反正有大把的数据喂给神经网络去学习训练。理论上说，如果所研究问题的稳定不稳定没什么大的影响，更为看重的是效果的好坏，那么确实可以抛开稳定性那一套。个人的观点是，只有在运动体控制等比较专门的场合，稳定性确实很重要，或者说承担不起不稳定导致的后果（代价比较大），control theory才有比较合适的应用，并且这里的控制需要从系统模型、状态测量和控制律设计多个角度综合分析，才能达到比较好的效果。这样看来会导致一个悲伤的事实，即control theory的应用对象太窄了。进一步看，目前运动体控制有代表性的包括机器人运动控制和自动驾驶两类，但即便是这两类企业，更为看重的也是coding能力（包括机器学习等智能算法的实现，计算机专业真香），而不是分析稳定性（感知层面的应用大于决策层面），control theory出身的人必须学会在现实面前进行折衷，而不是抱着自己的那一点屠龙术固步自封。对于其他方面的应用，也许会用一些control theory，但其作用可能不再那么核心，更多的可能是依托于行业背景的思想。