現代的先進控制理論先進在哪里？

　　簡單的說，從理論角度，對于單入單出的線性系統時不變系統而言，PID存在，提供了三個參數，調整閉環系統的極點位置（或曰特征根，一個極點對應一個動態模態，即動態響應的大致形式）。一個n階系統，需要n個參數配置極點。那三階及以下的系統，PID當然就夠了，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，如果系統某些本身的極點已經非常穩定了，有時候PID也足夠了。同時，也很容易找到三階以上系統，無論如何都需要三個以上的參數才能讓系統穩定，這時候當然PID不夠用。但這些高階系統，有很多是可以分出層來的，及可加傳感器控制中間某個變量，串級控制，如果串級的每一級都用PID足夠，那就成了串級PID。比如四旋翼，從電機電流，到轉速，到旋翼升力，到加速度/角加速度，到速度/角速度，到姿態/位置，就引出了好幾個串級。這里岔開一句，四旋翼轉速到升力，會受空氣動力學的影響，不是線性的，而且接近地面時不一樣，不同空氣密度又有影響。升力到加速度，跟姿態有耦合，而且跟傾角有非線性的關系，同時不同的質量又有影響。這里面要做得好，要考慮解耦，非線性，自適應等問題。從不那么偏理論的角度說，其實可以感到PID是提供了三個自由度，就像三個操縱桿，控制一個東西，不知道那個東西的運動跟這三個操作桿具體什么關系，只能試試湊湊。但操作桿只有三個，三個自由度而已，有些動作可以完成，有些動作不能完成。但是，如果增加了操縱桿，增加了自由度，雖然可以完成動作的可能性大了，同時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，PID有串級這一大殺器，只要中間量能測量，通過傳感器往外引。而且一級級的可以加飽和。但處理寬的，耦合的系統，PID就比較難調了。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，加上強耦合，有時還有硬約束，那幾乎是沒辦法調的。

　　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，有很多所謂先進的理論和算法確實很難在實際中用，根本就是為了發論文而做的。還有一種可能，大家都在用PID，但控制效果遠不能令人滿足，只是暫時找不到/發現不了好的方法。另外有個值得注意的，底層是PID，看中上層是不是PID。即雖然是PID，但是是結合比如自適應、模糊、容錯等等。而且PID的調參是否用了比如頻域分析、魯棒等等。

　　現實中，大多是PID作為底層穩定住各個單入單出的子系統，MPC在其上層做慢速的（相比PID）的優化計算，把這些耦合、約束都考慮進去，然后算出來的是各個PID的設定點。MPC算一步的時間，足夠PID動態過程結束了。智能控制的定義其實很難劃清，大致包括專家系統，模糊，神經網絡，學習，然后結合各種優化算法的控制（遺傳、粒子群、蟻群、模擬退火等），等等。其實可能大多數人接觸智能控制，會經歷“哇，這么好大上”->“靠，原來如此”->“排列組合發論文，都是在忽悠”->“其實還是可能有點用的”->“現在才算理解一點”->“其實還是沒真正理解”。其實不只是智能控制啦，很多東西的學習都是如此。先說簡單的，結合各種優化算法的控制。其實這些優化算法都是單獨存在的，只不過控制問題轉化為一個二次型的優化之后，用這些優化算法來求解，就是優化參數。這樣的話，其實任何優化算法都可以結合控制：各種優化算法×各種優化指標×各種控制器（如PID，狀態反饋等等）。排列組合多了去了，論文也就多了去了，導致這個領域如今很受詬病。而且其實問題的核心不在優化算法（優化算法也有No free lunch theorem），而是優化指標。而這優化指標的選取幾乎完全靠經驗、試湊。而且建的模型本身的精度根本達不到這優化問題的精度，很容易精確的錯。仿仿真還可以。

    沈陽卡斯特科技期待與您的合作！

    沈陽卡斯特科技發展有限公司是專業從事智慧工廠和智能化生產軟件產品研發的企業。我們成功的案例遍及水泥、軍工、石化、冶金、電力、城市污水等各種工業領域，這些驕人的成績不僅源于我們成功的先進控制、優化控制解決方案和豐富的現場工程經驗，更得益于“高效、誠信、合作、創新”的企業文化。回首我們走過的路，無數新老用戶同我們“協作成長”，用戶獲得的成功使我們取得良好的業績。我們將一如既往、精益求精，以我們在智能控制應用領域的雄厚技術回報我們的用戶?！盀榭蛻魟撛靸r值”是我們永遠的追求！