搞自控理论的喜欢研究控制算法。文无第一文无第二，既然有算法总要比试比试，闭环系统的频域分析和时域分析是常用方法。一般的结论都是自说自话。为什么呢？1.如果都是线性控制器其实都只适用一部分被控对象；2.控制是实时的在稳定和约束的前提下进行鲁棒和最优的折中。目标和关注点不同控制器结构和参数就有所不同。

工业界也做算法改进但是这些改进都是基于PID进行的。例如不完全微分、比例微分先行、抗积分饱和、变增益、两自由度…，虽然工程师就是为了解决实际问题，可能并不一定知道这些改进赋予了PID现代控制理论的很多特性。实战专家没有很多理论支持根据实际情况开发了很多PID整定的方法，可惜大部分都只是提出了一个方法而已！

工业界的所谓最优控制性能和理论研究显著不同。为什么呢？这是因为工业界必须玩真的，工业界不可能只通过仿真或者理论分析就证明自己方法的有效性。在一个人造的物理系统，必须要考虑在操纵变量的操作幅度和频率都受限情况下的控制性能。严格意义上真实的控制系统的非线性不可避免，模型失配是常态。很多新算法都是纸面的性能，关注点的脱节导致了理论和实践的鸿沟，而且双方好像也没有填平鸿沟的强烈意愿！

其实工业界所谓的最优控制性能很简单：满足控制要求即可。使用有限的手段满足控制要求又尽量少的影响相关过程是追求的实际控制性能。使用PID的改进算法和控制结构改进是常用的提升控制性能的方法，有时候重新选择变量也会使用，实在没有办法了会进行工艺设备的改进。新的控制算法不是工程师工具箱里的工具。

如此低的控制性能要求也做不到吗？恰恰相反实际情况是：现场条件受限、变量耦合而控制要求太高造成控制性能不能满足要求，甚至不能自控。解决的办法：1.Lambda整定单回路；2.控制回路的结构改进；3.多变量控制系统的分析和设计。实际工作中这三步的重要性是反着来的。
对控制问题本质的深刻理解是核心和关键。有规律的波动和人工干预是装置存在过程控制提升机会的主要表现。

我们常常连什么是最优控制性能都没有确定，你说大家沟通起来岂不是效率奇低。新控制算法对现场意义不大，在控制方案设计上下一点功夫是很有意义的，可惜追随Skogestad教授从事这方面研究的人不多。可能是工程问题也可能是不够理解而不重视。

“我研究的总体目标是开发简单而严格的方法来解决具有工程意义的问题”,“APC不是万能的，没有BPC和ARC是万万不能的。”

作者：冯少辉

相关阅读
◆《百家讲坛》王广雄讲述自动控制的发展
◆衡量PID调节系统质量好坏要看哪些指标
◆浅析影响自动控制系统控制品质的七个因素
◆最优控制、模糊控制、神经网络和PID控制,哪种控制方法好