一、从一条阶跃响应曲线说起
我第一次对“跟踪性能显著提升”这句话生出警惕,是在一个伺服控制课题的组会上。那时我在课题组做研究助理,日子过得很具体:被控对象是电机还是机械臂还是飞行器舵面、负载惯量比实测多少、传动间隙和摩擦有没有单独辨识、编码器分辨率和采样周期、电流环带宽够不够高以至于能当理想力矩源、PWM载波频率和死区补偿做了没有、传感器信号的低通截止频率设在哪、抗混叠滤波的相位滞后算进去了没有、AD的量化位数和饱和限幅、控制器是在仿真里跑的还是在实时机上跑的、采样 jitter 多少、执行器饱和和积分抗饱和怎么处理的、指令是阶跃还是加了加加速度的平滑轨迹、超调是按第一次峰值算的还是全程最大、调节时间的误差带取±2%还是±5%、稳态误差是空载还是带载、扰动注入在哪一点、n到底等于几台独立样机、几次独立装配。我交过一份关于某前馈补偿优化的说明,写着“多工况一致、仿真与实验吻合、机理明确”。带我的老师没否定我,只是把台账里被我标成“两台因‘装配间隙偏大’剔除(恰是跟踪最差的那两台)”和“三个负载、四组增益、两套超调口径里只报了最漂亮的那一组”的两处摊开,问了一句:这个“显著提升”,是这个控制器真的把带宽、鲁棒性和执行器能力配平了,还是你先知道了答案该提升,再给它挑了一批最配合的轻载、一个最顺手的误差带口径和一台最肯给快响应的样机?
那天我从实验台旁边出来,响应曲线还挂在屏幕上。我第一次承认,自己对上的是一组筛出来的曲线。我把“上升时间短了”当成了“机理清了”,把框图画得漂亮当成了问题想明白了,把Simulink跑通了当成了结论。于是我想回去读书,回到建模—辨识—控制—实现—验证这条链的道理本身,而不是它的验收话术。我报了中国科学院大学的控制科学与工程方向。
二、公共课:慢即是快
政治我从四月开始,每天一小时,不赶进度。我的办法是把每个专题往自己的专业上靠:制造强国与质量强国建设纲要对应高端数控机床、工业机器人、精密仪器、工业软件与控制系统自主可控;网络强国、数字中国对应工业互联网、智能制造、人工智能+;安全生产法对应特种设备、高压电柜、激光与辐射源、机械防护与急停回路、功能安全(SIL/PL)、涉密型号与试验场作业规范;计量法对应长度、角度、时间、力、温度、电压的量值溯源,标准器检定与校准周期、测量不确定度评定(GUM);数据安全法、网络安全法对应工控系统网络安全、关键信息基础设施、试验数据分级出境;科研诚信对应选择性报告最优工况最优指标、剔除异常样机不披露、把同一次实验的分段数据当独立样本、坐标轴截断夸大超调或稳态误差的改善、用“代表性曲线”代替统计、把未考虑饱和延时量化的仿真当实测能力。同一个话题我逼自己答三层——它是什么、为什么现在提、在控制上对应哪个指标哪条规程哪条伦理前提。这样写出来的东西有筋骨。
英语我从三月背单词到考前,一天不落;阅读一天一篇精读,顺手攒专业词汇:feedback、stability、robustness、observer、Kalman filter、model predictive control、system identification、actuator saturation、state-space、convergence。写作我自己搭框架,改到看不出模板痕迹。这个方向要读大量英文专著与方法论文,IEEE TAC/Automatica 以及 CDC/ACC/ICRA/IROS 论文更是日常,英语其实是同一件事。
三、专业课:回到链条本身
先说一件更重要的事:控制科学与工程是0811,是工学门类下独立的一级学科,下设控制理论与控制工程081101、检测技术与自动化装置081102、系统工程081103、模式识别与智能系统081104、导航制导与控制081105等二级学科(各校自设名称与代码略有差异),同时与0810信息与通信工程、0804仪器科学与技术、0802机械工程、0812计算机科学与技术、1401集成电路科学与工程并存。国科大不同培养单位的第四门科目完全不同:有的考自动控制原理,有的考电路原理,有的考信号与系统,有的考计算机学科专业基础、数据结构、机械设计基础、模拟与数字电子技术,有的考普通物理(甲/乙)或数学一/二;培养单位涉及自动化研究所、沈阳自动化研究所、深圳先进技术研究院、上海高等研究院、国家空间科学中心、光电技术研究所、西安光学精密机械研究所、长春光学精密机械与物理研究所、上海微系统与信息技术研究所、力学研究所、微电子研究所、声学研究所等,同一位老师可能同时在招控制科学与工程和仪器科学与技术、电子信息、机械工程或计算机技术。报名前务必逐项核对院系所代码、专业代码、研究方向与第四门科目代码,并确认你报的分支偏控制理论、偏运动控制与机器人、偏检测与传感、偏导航制导还是偏智能系统;部分联合培养项目学籍不在国科大而在合作高校。这一步错了,后面全是无用功。
复习时我抓的是同一件事:从物理对象到数学模型再到控制器与可测性能,每一环都问前提是什么、误差从哪来、它不能证明什么。自动控制原理是这个方向的根,不许只背判据不看前提——微分方程与传递函数的线性时不变前提、拉普拉斯变换与零极点、典型环节与频率特性、方框图化简与梅森公式、时域指标与二阶标准形式的对应关系、劳斯判据的适用条件、根轨迹的绘制规则与主导极点近似的边界、奈奎斯特稳定判据的围线思想与开环不稳定极点的处理、伯德图与相位裕度/增益裕度的物理意义(不许只会读数,要能说清裕度对应多少模型不确定性)、Nyquist与Bode的一致性、非最小相位系统与纯时延对稳定性的代价、稳态误差与系统型别、PID三项的物理分工与整定思路、积分饱和与抗饱和、微分噪声放大与不完全微分、串联超前滞后校正的设计图像、状态空间表达与能控性能观性判据(PBH与秩条件,不许只会算秩,要能说清不可控模态意味着什么)、李雅普诺夫稳定性与直接法的构造思路、极点配置与观测器设计、分离原理的成立条件、LQR/LQG的代价函数与 Riccati 方程图像、卡尔曼滤波的过程噪声与量测噪声协方差 Tuning 的物理含义。现代与鲁棒控制要落到“不确定性”上——H∞ 的灵敏度函数与 Waterbed 效应、Bode 积分限制、小增益定理、加性与乘性不确定性的口径、鲁棒性与性能的权衡、μ分析的分工;模型预测控制要问清约束与可行性——预测时域与控制时域、终端代价与终端集、递归可行性和闭环稳定的关系、软约束与松弛变量、在线求解的计算负担与采样周期的矛盾、显式MPC的分区代价。非线性与自适应要懂图像——相平面、描述函数的前提、滑模控制的抖振来源与边界层处理、自抗扰的扩张状态观测器图像、模型参考自适应的稳定性条件、增益调度的插值与切换稳定性。辨识与建模要问清“模型从哪来”——最小二乘与递推最小二乘、激励信号的持续激励条件、可辨识性、过参数化与方差偏差权衡、ARX/OE/状态空间辨识的噪声假设差别、频域辨识与谱分析、闭环辨识的偏差来源、机理建模与数据驱动建模的分工、降阶与集总参数的前提。检测技术与传感要成体系——电阻/电容/电感式、压电、光电、霍尔、热电偶与RTD、编码器与 Resolver 的原理与量程精度代价、应变与电桥、信号调理与仪表放大、隔离与接地、共模抑制、A/D量化与有效位数、抗混叠滤波、采样定理在闭环里的实际含义(采样周期必须远小于闭环时间常数还要考虑计算延时)、传感器标定与温度漂移、误差合成与不确定度评定、冗余与容错、电磁兼容与屏蔽接地的工程做法。执行机构与机电系统要落地——直流/永磁同步/步进电机的转矩常数与反电动势、FOC与弱磁、谐波与齿槽转矩、丝杠与减速器的刚度-间隙-摩擦三件套、液压与气动的非线性、伺服三环(位置-速度-电流)的带宽嵌套原则、谐振模态与陷波滤波、迟滞与蠕变。导航制导要各自立起来——惯性器件(陀螺漂移、加速度计零偏)的误差模型、捷联解算、姿态表示(欧拉角/四元数/方向余弦)的奇点与归一化、卡尔曼滤波在组合导航中的可观性分析(为什么静止时某些误差不可观)、GPS/北斗的伪距与载波相位、INS/GNSS紧松耦合分工、制导律(比例导引)的导航常数选取与目标机动的影响。智能控制与学习要问清边界——强化学习的样本效率与稳定性保证缺失、策略网络的泛化外推风险、模仿学习的分布偏移、控制屏障函数与安全集的保守性、形式化验证与可达集分析的尺度限制、任何“AI控制器”都必须回答:闭环稳定性由什么保证、失效模式是什么、有没有可验证的兜底机制。数值与实现更要问清前提——连续到离散的转化方法(ZOH/Tustin/前向欧拉)的稳定性保持、浮点到定点的量化效应、溢出与限幅、单精度与双精度的取舍、实时任务的调度与最坏情况执行时间、看门狗与故障注入、硬件在环与半实物仿真的可信度、仿真结果必须用独立样机交叉验证。数学一也不是孤立的:微分方程是动态系统的根,线性代数是状态空间、能控能观与 Riccati 的根,复变函数是频域分析与留数的根,概率统计是噪声、估计、检验与不确定度评定的根,傅里叶与Z变换是采样与离散的根,优化理论是所有最优控制与MPC的根,图论是多智能体一致性与网络系统的根。
手上功夫不能省。九月起我每周两次限时手写,名词解释按“定义—物理来源—适用条件”写,推导题按“假设—建模—化简—求解—量纲与极限情形检验”写,论述题按“问题界定—链条—对照设计—替代解释—局限与独立验证”写,不许跳步,不许写“显然”糊弄自己。错因簿分假设漏检、判据误用、量纲错误、单位与基准失当、对照缺项几类,每周翻一次。真题按考点归类,重复出现的那一半就是基本盘;同一道题隔两周重做一遍,不看答案,直到能从头写到尾不卡壳——熟练从来不是看懂,是重写。复试我提前做了三件事:补初试没考但面试常问的方法原理;养手感,读论文先不看结论,先问独立样机与独立实验够不够、有没有第二种方法(解析/仿真/实物)交叉验证、置信区间与误差条给了哪些、对照组是否同一平台同一指令同一负载;准备一个自己能讲透的问题。面试老师最爱问三句:你这个结论依赖什么模型假设?换一个负载(或采样周期、或延时、或噪声水平)还成立吗?给我一个纯技术的解释。接得住这三问,比多刷十套题有用。
四、要不要报班
这件事没有标准答案,但有几个事实最好先弄清楚:盘子小且散,推免与直博占比高,统考名额有限且每年调整;分数线年年波动,单科还有硬杠,总分过了、单科差一分一样进不了复试;更要紧的是入口容易搞错三层——专业代码这一层,机构归属与学籍这一层,研究方向这一层(控制理论、运动控制与机器人、检测与传感、导航制导、智能系统,备考科目与导师期望差别极大)。如果你本科自动化、电子、机械、数学、物理背景扎实、数理与编程基础好、信息渠道清楚、自律性强,自学完全够;如果你是跨专业、二战,或者连专业代码、第四门科目和研究方向都没核对明白,就别硬扛,找人帮你把节奏排好,省下的是一年时间。
我现在在新祥旭考研担任理工科方向的专业课辅导老师,带的是一对一规划。我会先看你的本科背景、数理基础和可用时间,帮你厘清该报控制科学与工程还是控制理论与控制工程、检测技术与自动化装置、系统工程、模式识别与智能系统、导航制导与控制、仪器科学与技术、信息与通信工程、机械工程、电子信息等相关方向,再逐项核对当年的院系所代码、专业目录与报考条件,确认你报的单位第四门考什么、用什么版本的大纲、导师具体做哪个分支,然后把公共课与专业课的双线复习表、三轮模考表和复试抢跑计划一条条排出来。新祥旭考研的全科定制辅导可以按你的基础和时间量身定制方案,公共课和专业课一起安排,不让你在某一门上单独耗掉全部精力。如果你正在备考中国科学院大学控制科学与工程,或者同校的控制理论与控制工程、检测技术与自动化装置、模式识别与智能系统、导航制导与控制、仪器科学与技术、信息与通信工程、机械工程、电子信息,欢迎来找我聊聊。
(文中涉及的专业代码、初试科目、考试大纲、招生计划、复试办法与分数线等,请以中国科学院大学招生信息网及相关培养单位当年公布的官方文件为准。)
