1樓：還是不
本人大三準備考控制工程專業，我從高中階段很喜歡物理，到了大學才發現數學的魅力，我覺得不管是什麼專業，研究生階段都是從數學理論開始，只不過研究的深入程度不一樣，而且我也認識到控制理論已經完全走上了數學道路上。我能感覺你本科生階段很喜歡實踐，但是不要忘記數學在推動社會發展上佔的比例是最大的，在某個領域要是真的有非常大的成就，還得看數學，所以控制理論與工程要麼繼續讀博士，要麼打工。
2樓：Feiniao
這幾年一直在從事機器學習方法的建模與控制研究，看了知乎上強化學習與最優控制結合的帖子感觸很多，未來控制理論研究的乙個方向也許是和機器學習方法的深度融合吧？當然大家對控制理論的研究有很多吐槽，僅僅研究演算法無法落地一定不是自動化從業者的目標和追求，自動化是一門實踐科學，解決經濟社會發展的實際需求是最終目標，目前控制圈由數學主導的局面應該得到改善。
3樓：CR.Wei
以上各位答主都是從狹義的控制上聊的，其實我2020最大的收貨是從更高的維度上理解了控制理論的美妙與實用。
我身邊有很多做控制理論的phd同學經常吐槽控制理論沒毛用，控制已死。再看一看tac，automatic上的文章，似乎已經把控制玩成了數學遊戲。
然而真的如此嗎？或者應該如此嗎？
我覺得學過控制論的同學應當都聽過一句話，控制和估計是等價問題，可是很少有對這句話的詳細闡述。我2020最大的收穫就是對這句話有了更深的理解。我們可以從兩個維度來看幾個例子：
siso的閉環控制器，在頻域上完全等效於乙個siso濾波器，因此數字訊號處理的大部分理論和控制理論互相呼應。
現代控制理論的LQR控制器和卡爾曼濾波完全等價。而滑窗LQR是MPC問題的一種解析解法，很多MPC控制器是滑窗LQR的變種，只是cost function不一樣。有趣的是，如果你觀察SLAM中經典的一些優化框架，你會發現他們和很多MPC問題的cost function驚人的相似。
從這個層面上講，SLAM和MPC的對應關係和LQR與卡爾曼濾波類似。但是SLAM領域的很多研究者並不了解控制理論，以至於很多研究是在做控制理論已經研究過的重複工作。
前面高讚第二的回答提到大多數的實際問題都是基於非線性約束，或者在數學建模上很複雜或者不嚴密的。這句話我從純理論的小夥伴們口中今年聽了不下十次。然而我的看法漸漸在改變。
首先，非線性約束只是問題的原始形式，實際系統中總是能夠非常合理的線性化。比如manifold上的tangent space system就是非常嚴謹實用的線性化方法，而且非常優美。再比如高斯牛頓方法可以直接解出卡爾曼濾波。
控制理論如果永遠停留在死磕李雅普諾夫，死磕非線性系統，那麼會和實際越來越脫節。就算物理世界再非線性，總歸要通過離散成電訊號才能控制吧。
其次，數學建模是複雜或者不嚴密的確制約了控制理論的發展。那麼為何不多研究模型辨識以及模型不確定性呢？我覺得很多控制理論的研究者沉醉於數學與證明，久而久之就忘了問題的最初樣子。
很多控制理論無法應用主要是因為模型不精確。但是模型辨識本質是狀態估計，而估計和控制的理論是同根同源的。
後面的有空再寫。
4樓：慈恩寺柚子
非控制專業人士，想自學控制原理考博士，請教下大家控制專業博士是否好畢業。
剛剛買了胡壽松的《自動控制原理》，看了前面的傳遞函式內容，數學基礎還可以，基本能看懂和推導公式。目前正在看，希望找到組織可以請教交流。
初步在看，模糊控制，模糊控制中隸屬度函式相當於在標準化體系（論域與模糊語言）中的權重，和分段PID控制有些類似。目前的思路是了解基本計算規則，找示例看計算過程，然後試圖理解每一步物理意義，最後看matlab應用，把計算過程交給軟體。
也找了系統辯識基礎在看，進一步看朱豫才老師的多變數系統辯識。
最後看現代控制理論，多變數頻域控制。
5樓：豬頭博士後
1.疫情期間完成了圖優化庫的完全中國產化
2.寫了第乙個圖優化的組合導航後處理軟體，效果秒了ekf3.帶隊完成了並行圖優化原理驗證
4.開啟了圖優化的fpga並行加速之旅
5.拿了點錢，把團隊養活了
6樓：天氣真好
看到這個問題的時候，就想要把它留到今年的最後來回答。
2023年和2023年，對我而言做了很多方面的嘗試，同時也做出了幾個重要的選擇，其中最重要的莫過於選擇來到了現在的學校直接攻讀博士學位。
我本科來自於電氣工程及其自動化專業，這個專業本身在培養上的多元化，導致各個學校的培養方向有很多的不同之處。在我的本科院校裡，電氣專業和自動化專業在過去均在自動化專業培養，兩個專業的培養方案大致相同，這也使得我接觸了更多的控制類的專業課程。2023年裡，我一共完成了70課時的經典控制理論、30課時的現代控制理論和50課時的運動控制系統的學習；在這之前我接受過關於復變函式、訊號分析等的課程，主要是傅利葉變換、拉普拉斯變換、Z變換等內容的學習。
對於課程的學習感悟有很多，我認為最重要的是強化數理基礎，並在數學中應用控制的核心思想——反饋。
在今年9月以後，我開始了現階段的學習工作。我的專業是控制科學與工程，二級學科是控制理論與控制工程，課題組的方向比較偏向於理論；我尚且還在尋找自己喜歡的方向，期望自己能喜歡科研的感覺吧hhh。我在制定研究生的課程培養方案時，選修了包括線性系統理論、矩陣論、數值分析等諸多的偏數學類的課程；或者換句話說，控制本身也是一種數學。
到今天為止的感悟仍然是，我的數學基礎有待進一步的提高，需要更加努力學習。
7樓：曉冉
組合導航方向
通過半年的學習，認真學習了GNSS和IMU的組合導航理論，對於雙系統組合已經多系統組合，學習到了從經典反饋控制到能控能觀性的學習，再到卡爾曼濾波理論，再到誤差模型的改正消差理論，再到資料平滑自適應濾波聯邦濾波。
已由實現經典反饋控制消除誤差影響，增強系統穩定性理論再到誤差分析以及增強系統穩定性的控制方法，我認為不同行業需要注重的點還是有所不同，有的要求定位準確性高，有的要求高動態環境定位連續性好，有的要求穩定性容錯性高。
恩就寫這麼多，還得認真練習c語言，程式設計是我最大的阻礙。
8樓：
作為乙個已碩士畢業多年但不搞控制的老學長，路過看看，mark一下。
我們那個時候記得能工業運用的有PID、自抗擾、MPC。其他很多控制理論理論推導很完美，但是現實應用差點兒火候。
以後的十年，希望控制界有大的飛躍。
9樓：卓一航
控制實際上就是數學對現象的高度抽象與總結，國內一半的人不懂經典控制理論，為了文章非要往現代控制理論上蹭熱度，明明能用PID完美解決的問題非要弄一些高大上的不切合實際的高檔方法水文章
10樓：Hsin
如果要給整個控制學科抽乙個主線出來，那麼應該是跟蹤給定軌跡。我們希望系統跟蹤的目標軌跡總是已知的（或提前設計好的），包括軌跡本身和它的任意階導數。舉個例子，當這個目標軌跡是乙個常數的時候，場景就退化為了階躍響應。
怎麼去跟蹤乙個軌跡呢？基本的思路是反饋，反饋的量是當前的系統輸出與目標輸出之差，這個差有多大就對應做多少調整，最終差很小或保持為0了，則代表系統可以穩定跟蹤軌跡。從數學上來看也是這樣，我們總是考察原點處的穩定性，既是因為在數學上可以經過變數代換把考察點移到原點處，也是因為這個操作其實就代表了系統輸出減去目標輸出，並期望這個量在零點（原點）處穩定。
其它具體的知識點，無外乎也都是圍繞著上面這個根本目的去服務，可以在這個體系中找到自己的位置，這樣再學起來也不會一頭霧水不知所云了。
11樓：
因為涉及公司商業機密所以匿名。
博士做振動主動控制。工作之後涉及了不同行業的控制系統研究工作，但是一直沒有實際產品落地。兩年前獵頭推薦到某所謂的卡脖子行業，經過兩年努力，乙個人完全自主研發的控制器終於替換了美國某知名諮詢公司的控制器。
大概還是model based optimal control 當然很多trick。
嘗試了各種建模，各種控制演算法……
12樓：李忠
工作生涯的第一年，發現所學的各種理論應用到實際工程中還有許多步，很慚愧第一年都是在對PID進行整合和優化。為了讓電機穩定執行發現不光只是考慮PID的幾個引數，機械特性、控制週期，反饋的解析度，等等都是影響到電機執行狀態的。僅僅只是在應用層去控制都涉及這麼多的問題，這是以前在學校從未仔細考慮過的。
今年最大的收穫就是成功將所學的理論運用到工程中，進步了一小小步，很感謝知乎中各位大神分享的經驗，一步步向他們學習過來的。
13樓：打荷雨
我本科是機械專業，但因為接觸機械人比較多，現在碩士其實正在主要學習控制方面的課程，也算是小小的入門了吧。這裡也對自己這一年來的學習做個總結
6月份左右，因為畢設做的外骨骼機械人，使用了人機互動力作為控制手段，因此在阻抗-導納控制上下了功夫。深入了解阻抗-導納控制後，我發現它其實就是對人機柔順互動做的乙個高度概括。
怎麼體現「柔性」，怎麼描述人機關係，怎麼讓機器對環境做出反應，在阻抗控制中闡釋地十分清楚。當對機械人系統的輸入是流(位移，速度，加速度)，輸出是勢(力，力矩)時，我們稱阻抗控制。相反的，輸入是勢，輸出是流時，稱為導納控制。
控制器是阻抗控制器，則系統與環境的互動方式表現為導納。控制器是導納控制器時，系統與環境的互動表現則為阻抗。
當學到阻抗控制的思想時，真覺得它太極一樣，渾然一體又互為相反，而且描述的都是柔性的東西。
但是繼續深入下去發現，還沒有到達盡頭，因為阻抗控制的公式裡包含了系統本身的屬性引數，想要獲得輕柔的控制效果，其實本質上就是要精確地求得系統的屬性，也就是所謂的系統辨識。
對於乙個理論模型，我們想怎麼去折騰複雜高階的控制演算法是沒有問題的，但是對於乙個實際的機械人模型，我們真的能夠用理論上的模型去套嗎，肯定是不行的。對於外骨骼機械人尤為如此，我們很難對人體進行建模。另一方面，找到乙個符合理論模型的實際系統，也是很難的。
這就有了兩個高階的方向，乙個是面對研究了數十年的不怎麼大變的系統物件，如電機、大型風機輪機等，他們的系統模型結構是已知的，目標是求得最接近實際的物理模型引數，因此需要用更高階的辨識方法去搞定，更高階也就意味著方法更複雜更數學。
另乙個方向則是面對新的控制物件，如新發明出來的特種機械人，對於這類物件，找到它的準確模型難度不亞於新造出它的難度。因此，我們總是對新的機械人使用一些簡單的控制方法，如PID。這也是PID廣泛應用的原因，在乙個產品的短壽命週期內不值得投入更高深的控制理論。
這就出現了一種矛盾，如果我要提公升機械人的效果，就要改進機械結構，改了結構就得修改控制模型。模型效果不好既有可能是機械改的不好，也有可能是控制模型建的不好。直接去判斷到底是哪個不好是很難的，沒有老手的經驗是看不出來的。
那這種方法好不好呢？對於經費有限的課題，我覺得好。但是對於需要突破的課題，等你的這個簡單結構的高階控制演算法達到了好的結果時，其他人新的下一代機械人已經出世了。
所以對於機械人領域來說，要想突破，先得花功夫優化個幾年的結構，再談怎麼來控制。
現在越發的覺得，各種高階的控制理論就是「器」，它們只等著好的結構來發揮作用。
任重而道遠
快到 2021 年了，2020 年關於旅行你有什麼遺憾嗎？
漫悅時光 原本計畫每半年跟閨蜜來一次 拋夫棄子 的姐妹旅行的，2019年成功達成，2020都沒有成行。希望2021可以如願繼續走起。 New School大鵝 2019年年末計畫要去和朋友一起去成都大吃大喝，想著怎麼也要去一趟西安逛一逛，還答應了表妹去南京找她帶她去聽德雲社 結果，計畫中的地方哪哪都...
距離 2020 年結束還有不到 100 天，你有什麼想說的？對未來有哪些期待？
關於工作 2020年因為疫情，所有工作計畫一直往後推。會覺得明明自己什麼都不懂，卻還是要硬著頭皮繼續前行。因為只有那樣還能成長，也算小有收穫。關於感情 2012年 2020年，八字這種東西，我是信的。還記得15年，我和姐姐去算八字，算命先生說，沒有結果的，反反覆覆，別拉扯了。是，大學的時候我們吵了一...
對於 2020 年推出的《遊戲王》全新動畫，你有什麼期待？
月關公明 召喚方式已經很完善了，別再加規則了。把現有的東西做好就已經很了不起了。還有可不可多點羈絆什麼的。夥伴間的jb，卡牌間的jb，對手間的jb。v6作哥很強，莫得感情，卡牌都是工具，王牌都可以用來做素材。從頭看到尾，感覺像在看一群賣卡的工具人。 Bern 前幾天在直播間重看了一遍dm dm作為最...