{
  "id": "control-theory",
  "title": "控制理论",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "控制理论研究如何利用输入和反馈调节动态系统的行为，并满足稳定性、性能及约束要求。",
  "category": "technology",
  "subcategory": "engineering",
  "type": "concept",
  "aliases": [
    "自动控制理论"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/control-theory/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/control-theory/",
      "json": "https://aiwiki.page/en/control-theory.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "控制理论是应用数学与工程学的一个分支，研究如何影响随时间演化的系统。它建立模型、分析方法和控制律，使系统即使受到扰动、存在不确定性，也能保持期望状态或跟踪变化的参考信号。其核心技术是反馈：利用对系统行为的测量结果来调整后续动作。其应用包括运载工具制导、工业过程、电子电路和生物调节。(cds.caltech.edu)"
    },
    {
      "heading": "历史发展",
      "text": "机械调节装置的出现早于其数学理论。用于蒸汽机的调速器会根据转速变化调整功率。1868 年，詹姆斯·克拉克·麦克斯韦发表《论调速器》，分析了调节机构在何种条件下会趋于稳定运动，而不是产生不断增强的振荡。随后，爱德华·约翰·劳斯在其 1877 年获亚当斯奖的论文中提出了一项稳定性判据。这些贡献使数学稳定性分析逐步成为控制工程的基础。(damtp.cam.ac.uk)\n\n此后，这一领域发展出相互补充的频域方法和状态空间方法。频域方法描述系统如何响应振荡输入；状态空间方法描述内部变量及其演化。两者始终是互补的工具，而非相互排斥的流派，控制理论入门课程通常会将它们与估计、优化及不确定性分析结合讲授。(cds.caltech.edu)"
    },
    {
      "heading": "反馈与控制系统架构",
      "text": "控制系统通常包含一个被控对象，即受到控制的过程；测量其行为的传感器；对其施加影响的执行器；以及决定执行器指令的控制器。被控对象可以是电动机、飞机、反应器或计算过程。控制器本身可以是机械装置、电子装置，也可以通过软件实现。(cds.caltech.edu)\n\n在开环控制中，不会利用所产生输出的测量结果来修正指令。闭环控制则利用这些测量结果调整指令。一种常见结构是将测得的输出 \\(y(t)\\) 与参考信号 \\(r(t)\\) 进行比较，得到跟踪误差：\n\n\\[e(t)=r(t)-y(t).\\]\n\n反馈可以减弱扰动的影响，降低系统对建模误差的敏感性。不过，反馈并不必然使系统稳定：增益过大或不利的动态特性可能导致振荡或失稳。前馈则根据参考信号或测得的扰动计算控制动作，通常与反馈配合使用。(cds.caltech.edu)"
    },
    {
      "heading": "数学模型",
      "text": "连续时间模型通常采用微分方程，而离散时间模型描述相邻采样时刻之间的变化。状态空间模型通过状态向量来表示系统；该向量所包含的变量，足以在未来输入已知时确定系统的未来演化。连续时间线性时不变模型的形式为：\n\n\\[\\dot{x}=Ax+Bu,\\qquad y=Cx+Du,\\]\n\n其中，\\(x\\) 为状态，\\(u\\) 为输入，\\(y\\) 为输出。各系数是矩阵，分别描述内部动态、执行器作用、测量关系，以及输入到输出的直接传递。线性代数提供了分析这些模型的工具。非线性模型可以通过线性化在局部进行近似，但在远离工作点时，这种近似未必仍然准确。(cds.caltech.edu)\n\n传递函数描述线性时不变系统在变换域中的输入—输出关系，通常以零初始条件为前提。经典控制方法利用这种表示来考察频率响应并设计反馈回路。(cds.caltech.edu)"
    },
    {
      "heading": "稳定性与结构性质",
      "text": "稳定性理论研究系统如何响应扰动。对于平衡点，李雅普诺夫稳定性意味着足够小的初始偏差会始终保持在较小范围内；渐近稳定性还要求系统收敛到该平衡点。李雅普诺夫函数无需显式求解每一条轨迹，就能证明这些性质。对于连续时间线性系统，渐近稳定性要求动态矩阵的所有特征值都具有严格为负的实部。(cds.caltech.edu)\n\n可控性考察在模型规定的条件下，是否能通过允许的输入将系统从初始状态转移到任意目标状态。可观测性考察是否能根据一段时间内测得的输出和已知输入，唯一推断出系统的内部状态。这些性质揭示了特定的动态过程是否能够受到控制或被重建。此外，还必须区分数学意义上的可控性、可观测性与弱信号、噪声以及执行器作用能力有限所造成的实际限制。(ocw.mit.edu)\n\n性能要求不仅限于稳定性，还包括跟踪精度、调节时间、超调量、扰动抑制能力和控制作用量。波德图和奈奎斯特判据等频域方法用于考察回路行为与稳定裕度。改善一项指标可能使另一项指标恶化，因此设计过程中需要明确权衡各项要求。(cds.caltech.edu)"
    },
    {
      "heading": "控制器设计方法",
      "text": "比例—积分—微分控制器将基于当前误差、累积误差和误差变化率的各项组合起来。在适当的稳定配置下，积分作用可以消除持续存在的跟踪偏差。实际实现时会对微分作用进行滤波，并处理积分饱和问题；积分饱和是指执行器已经达到饱和状态时，积分项仍持续累积的现象。(cds.caltech.edu)\n\n最优控制通过在系统动态约束下最小化指定的代价来选择控制动作。它运用数学优化、动态规划和变分方法。线性二次型调节器是其中的一个典型例子，它通过二次型目标函数，在状态偏差与控制作用量之间进行权衡。(ocw.mit.edu)\n\n模型预测控制反复优化有限时域内的未来输入序列，执行其中的第一个控制动作，再利用更新后的状态信息重新求解。这种滚动时域过程显式纳入约束，但每一步都需要进行优化计算。(ocw.mit.edu)\n\n鲁棒控制研究模型存在不确定性时的稳定性和性能。当内部变量无法直接测量时，包括卡尔曼滤波器在内的状态估计方法可以提供估计值。(cds.caltech.edu)"
    },
    {
      "heading": "实现与应用",
      "text": "数字控制器周期性地采样传感器信号、计算指令并更新执行器。因此，采样间隔、计算延迟、传感器动态特性、执行器限制和测量噪声都会影响实际的闭环行为，而不仅仅是实现细节。控制理论为机器人学、航空航天制导、过程调节和计算机网络等领域的应用提供支持；在这些应用中，控制器设计必须同时考虑模型所描述的动态特性，以及物理或计算方面的约束。(cds.caltech.edu)"
    }
  ],
  "links": [
    "mathematics",
    "feedback",
    "steam-engine",
    "james-clerk-maxwell",
    "differential-equation",
    "state-space-model",
    "matrix",
    "linear-algebra",
    "transfer-function",
    "lyapunov-function",
    "eigenvalues-and-eigenvectors",
    "controllability",
    "observability",
    "bode-plot",
    "pid-controller",
    "optimal-control",
    "mathematical-optimization",
    "dynamic-programming",
    "model-predictive-control",
    "robust-control",
    "kalman-filter",
    "robotics"
  ],
  "sources": [
    {
      "title": "cds.caltech.edu/~murray/courses/cds110/fa02/",
      "url": "https://www.cds.caltech.edu/~murray/courses/cds110/fa02/"
    },
    {
      "title": "damtp.cam.ac.uk/user/gold/pdfs/teaching/old_literature/Maxwell1868.pdf",
      "url": "https://www.damtp.cam.ac.uk/user/gold/pdfs/teaching/old_literature/Maxwell1868.pdf"
    },
    {
      "title": "cds.caltech.edu/~murray/FBS/Second_Edition.html",
      "url": "https://www.cds.caltech.edu/~murray/FBS/Second_Edition.html"
    },
    {
      "title": "ocw.mit.edu/courses/12-864-inference-from-data-and-models-spring-2005/8e389f646…",
      "url": "https://ocw.mit.edu/courses/12-864-inference-from-data-and-models-spring-2005/8e389f646ec584ad6d3d50912bdd97aa_contrl_obser_4_6.pdf"
    },
    {
      "title": "cds.caltech.edu/~murray/books/AM05/pdf/am08-pid_19Jul11.pdf",
      "url": "https://www.cds.caltech.edu/~murray/books/AM05/pdf/am08-pid_19Jul11.pdf"
    },
    {
      "title": "ocw.mit.edu/courses/16-323-principles-of-optimal-control-spring-2008/",
      "url": "https://ocw.mit.edu/courses/16-323-principles-of-optimal-control-spring-2008/"
    },
    {
      "title": "ocw.mit.edu/courses/16-323-principles-of-optimal-control-spring-2008/d8ed0f43c8…",
      "url": "https://ocw.mit.edu/courses/16-323-principles-of-optimal-control-spring-2008/d8ed0f43c8fbb7a6ee462942cd1fc511_lec16.pdf"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}