上篇我们从宏观上把控制理论的三大流派梳理了一遍。这篇开始我们正式进入控制理论的核心地带——反馈控制。反馈控制这个词听起来很学术但它背后的思想其实特别朴素。你洗澡的时候手放在水龙头下面感受水温——太烫了就往冷水方向拧一点太凉了就往热水方向拧一点。这个感受偏差→纠正动作的过程就是反馈控制。你想想如果没有反馈会怎样你凭感觉把水龙头拧到一个位置然后不管了。水温可能刚好也可能烫得你嗷嗷叫。这就是开环控制——给一个指令执行不管结果。开环和闭环的区别说白了就是你管不管结果。闭环之所以比开环好核心原因就一个现实世界充满了不确定性。开环控制理想世界的幻想开环控制是最简单的控制方式。控制器根据目标值计算出一个控制量发给执行器执行器执行结束。举个例子。你要让一个电机转到90度的位置。你知道这个电机的模型——给它1V的电压它转30度。那你想让它转90度就给3V。开环控制就是这么直接。但问题来了。如果电池电压下降了呢如果电机发热导致内阻变化了呢如果负载突然变大了呢这些扰动你都没考虑你的3V电压可能只让电机转了75度或者转了105度。# 开环控制示例 def open_loop_control(target_angle, motor_gain): 开环控制直接计算需要的电压 voltage target_angle / motor_gain return voltage # 假设电机增益是30度/V voltage open_loop_control(90, 30) print(f施加电压: {voltage}V) # 但如果电机增益因为发热变成了25度/V呢 actual_angle voltage * 25 # 实际只转了75度 print(f实际角度: {actual_angle}度) # 偏差15度开环控制在什么情况下能用只有一种情况——你的模型极其精确而且没有任何扰动。这在现实中几乎不存在。所以开环控制的应用场景非常有限比如步进电机的开环定位前提是不丢步、简单的定时器控制。面试的时候如果面试官问开环控制有什么缺点你至少要答出三点不能抑制扰动、对模型误差敏感、无法处理不确定性。闭环控制感知偏差纠正偏差闭环控制多了一步——把输出量测出来跟目标值比较算出偏差用这个偏差来调整控制量。# 闭环控制示例 def closed_loop_control(target_angle, measured_angle, Kp): 闭环控制根据偏差调整 error target_angle - measured_angle voltage Kp * error # 比例控制 return voltage # 目标90度当前测量到75度 voltage closed_loop_control(90, 75, 0.1) print(f施加电压: {voltage}V) # 偏差15度控制器会继续施加电压来纠正这个结构叫负反馈——偏差越大纠正力度越大直到偏差趋近于零。闭环控制最牛的地方在哪它能自动抑制扰动。还是刚才那个电机的例子如果负载突然变大导致转速下降闭环控制器会立刻检测到角度偏差增大自动加大电压来补偿。你不需要知道扰动是什么、扰动有多大闭环控制器自己会处理。这就是反馈控制的精髓——你不需要精确知道系统模型也不需要预知所有扰动只要你能测量输出就能自动纠正偏差。讲个真实的例子。之前做一个AGV的直线行驶控制一开始用开环——给两个轮子相同的PWM期望它走直线。结果地面摩擦系数稍微不均匀车就歪了。后来加了陀螺仪做闭环反馈实时检测偏航角用PID控制器调整左右轮的差速。加了反馈之后直线行驶精度从偏差每米5cm降到了每米0.5cm。效果立竿见影。不过反馈也不是没有代价的。反馈回路有延迟——传感器采样要时间、计算要时间、执行器响应也要时间。如果延迟太大反馈回来的信息已经过时了控制器基于过时的信息做决策反而会做出错误的纠正。这就是为什么高速控制系统里传感器的采样频率和控制器的计算频率都非常关键。反馈的代价稳定性问题听起来闭环控制完美无缺不它有一个致命的问题——稳定性。你想想反馈的逻辑是偏差大了就加大纠正力度。但如果你的纠正力度太大了呢电机转到90度位置你发现还差10度猛加电压。结果冲过头了到了105度。这时候偏差变成-15度你又猛反向加电压。结果又冲过头了到了60度。来回震荡永远停不下来。这就是不稳定的闭环系统。反馈引入了一种自我纠正的机制但如果纠正得太猛、太慢有延迟系统反而会震荡甚至发散。import numpy as np # 不稳定闭环控制的仿真 target 90.0 angle 0.0 Kp 2.0 # 增益太大 dt 0.01 angles [] for i in range(500): error target - angle voltage Kp * error # 简化的电机模型二阶系统 acceleration voltage - 0.5 * 0 # 忽略阻尼 angle acceleration * dt angles.append(angle) print(f最终角度: {angle:.1f}) # 可能发散这段代码如果跑起来你会发现角度在目标值附近疯狂震荡甚至越来越大。这就是增益设太高导致的 instability。所以闭环控制设计的核心矛盾是什么你想让系统响应快就得加大增益。但增益太大系统就不稳定。怎么在快和稳之间找到平衡这就是控制理论要解决的核心问题。面试中怎么聊反馈控制面试官问反馈控制通常从这几个角度切入。开环和闭环的区别别只答闭环有反馈。你要说清楚开环不能抑制扰动、对模型误差敏感。闭环通过测量输出、计算偏差、自动纠正能抑制扰动和模型不确定性。但闭环引入了稳定性的问题需要精心设计控制器。反馈为什么能抑制扰动这个要从信号流的角度解释。扰动作用在系统上会影响输出。输出被测量后反馈回来跟目标值比较偏差中包含了扰动的信息。控制器根据这个偏差调整控制量产生一个对抗扰动的效果。从传递函数的角度看闭环系统的扰动传递函数分母里多了反馈项扰动的增益被大幅降低了。负反馈和正反馈的区别负反馈是偏差减小控制作用让系统趋向稳定。正反馈是偏差增大控制作用让系统加速偏离。控制系统中几乎都用负反馈。正反馈用在振荡器、施密特触发器这些需要加速偏离的场景。之前面试一家做工业机械臂的公司面试官问了一个很有意思的问题你觉得人走路是开环还是闭环答案是两者都有。你走路的时候眼睛看着目标方向视觉反馈脚底感受地面本体感觉反馈这些都是闭环。但如果你蒙上眼睛走直线前几步靠的是本体感觉的闭环走远了之后就变成了开环——因为没有外部参考了你只能靠我记得我迈了多少步来估算误差会越来越大。面试官问这个问题的目的是看你能不能把控制理论的概念跟实际生活联系起来。这种能力比背公式重要得多。补充一个实际项目中开环和闭环对比的案例。当时我们做一台传送带定位系统一开始用开环控制——给电机发固定脉冲数让传送带移动到指定位置。结果发现每次停止位置都不一样误差在±5cm左右。原因是传送带的皮带会打滑不同负载下打滑量不同。后来改成闭环控制——在传送带末端加了一个光电传感器检测物体是否到位用反馈来修正电机的运行距离。改完之后定位精度提高到了±5mm。这个例子很好地说明了闭环控制的核心优势能自动补偿系统中的不确定性比如打滑、负载变化而开环控制做不到这一点。面试时候能举出这种具体的对比案例比纯讲理论有说服力得多。下一篇讲系统建模——怎么把物理系统变成数学方程这是做控制设计的第一步。如果这篇文章对你有帮助欢迎点赞、在看、转发三连。 你的支持是我持续更新的最大动力。「机器人软件开发面试·从入门到精通」连载系列上一篇第176篇 控制理论概览——经典控制vs现代控制vs智能控制 下一篇预告第178篇 系统建模——从物理方程到数学模型有任何问题欢迎评论区留言我会尽量回复。
