一、从一份稳定性证明说起
我第一次对“闭环全局渐近稳定”这句话生出警惕,是在一个非线性控制器设计的组会上。那时我在课题组做研究助理,日子过得很具体:被控对象是机械臂还是四旋翼还是柔性结构、模型里的摩擦项是按库仑+黏滞简化了还是实测辨识的、惯量矩阵的正定性和上下界用的是标称值还是区间、不确定项的 Lipschitz 常数和扰动上界是推出来的还是“假设存在一个足够大的常数”、反馈线性化消掉的那部分动力学里有没有未建模的高阶模态、零动态是不是真的稳定、滑模面的切换增益是按扰动上界算的还是直接给个很大的数、边界层厚度取多少、抖振到底压下去了还是被低通滤波藏起来了、反步法里虚拟控制的求导怎么处理(命令滤波还是解析求导)、补偿误差进了 Lyapunov 函数的哪一项、观测器的带宽比闭环带宽高几倍、采样周期和计算延时在证明里出现过没有、执行器饱和和积分抗饱和写进证明了吗、n到底等于几次独立实验几台独立样机。我交过一份关于某自适应鲁棒控制的说明,写着“严格证明、多工况验证、机理明确”。带我的老师没否定我,只是把证明第一页那个“假设1:扰动及其一阶导数有界,且上界已知”和实验台账里被我标成“一台因‘齿轮间隙异常’剔除(恰是跟踪最差的那一台)”摊在一起,问了一句:你这个全局渐近稳定,是这个控制器真的把对象配平了,还是你先知道了答案该稳定,再给它挑了一个最配合的扰动上界、一个最顺手的 Lyapunov 函数和一台最肯给好曲线的样机?
那天我从白板旁边出来,收敛曲线还挂在屏幕上。我第一次承认,自己对上的是一组筛出来的结果。我把“证完了”当成了“想明白了”,把 Lyapunov 函数凑出来了当成了问题解决了,把 Simulink 跑通了当成了结论。于是我想回去读书,回到建模—辨识—稳定性—鲁棒性—可实现性—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理论与控制工程方向。
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等级)、试验场作业规范与事故追溯;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”代替统计分布、把未考虑饱和延时量化的仿真当实测能力、把只在一个初值附近成立的局部结论说成全局。同一个话题我逼自己答三层——它是什么、为什么现在提、在控制理论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:stability、robustness、Lyapunov、observer、adaptive control、model predictive control、system identification、convergence、disturbance rejection、nonlinear system。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 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:控制理论与控制工程是081101,是工学门类下控制科学与工程0811的一个二级学科,与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并列,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计算机科学与技术并存。这个方向的特点是“理论硬、落地散”——同一个稳定性框架可能被用在机器人、航空航天、过程控制、电力电子、生物医学或网络上,不同导师的物理图像差异极大。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、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理论与控制工程和系统工程、模式识别与智能系统、仪器科学与技术、电子信息或机械工程。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非线性与鲁棒控制理论、偏运动控制与机器人、偏过程控制、偏网络化与多智能体还是偏智能学习与优化控制;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验证性能,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、劳斯判据的适用条件、根轨迹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数的处理、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大的模型不确定性)、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。状态空间与现代控制要串起来——状态空间表达与相似变换、能控性与能观性的秩条件与PBH判据(不许只会算秩,要能说清不可控模态意味着什么、不可观模态会漏掉什么)、最小实现、极点配置的可任意性与工程代价、全阶与降阶观测器、分离原理的成立条件、LQR的代价函数与 Riccati 方程图像(Q/R的选取不是调参玄学,是频域回路的权重分配)、LQG的分离结构与回路恢复、Kalman滤波的过程噪声与量测噪声协方差的物理含义。李雅普诺夫稳定性是这门课的语法,必须会写——平衡点与稳定性/渐近稳定/指数稳定的定义差别、直接法的构造思路、Krasovskii方法与变量梯度法、LaSalle不变集原理的使用条件(自治系统、紧集、最大不变集)、输入-状态稳定(ISS)与ISS-Lyapunov函数、小增益定理的两种形式(Nyquist版与ISS版)及其适用边界、输入-输出稳定性与L2增益、耗散性与无源性的物理图像(能量存储函数与供给率)。鲁棒控制要落到“不确定性”上——加性/乘性/结构化不确定性的口径差别、灵敏度函数与互补灵敏度、Bode积分限制与 Waterbed 效应(不许只背结论,要能说清非最小相位零点和时延把水床压到哪去了)、H∞ 混合灵敏度的加权函数选取思想、Kharitonov定理与区间系统的保守性、μ分析的分工、鲁棒性与性能的权衡以及为什么“鲁棒”往往意味着“慢一点”。非线性控制要懂图像也要懂代价——相平面与极限环、描述函数法的前提与局限、精确反馈线性化的模型依赖性与零动态稳定性、输入-输出线性化、滑模控制的等效控制与到达条件、抖振的来源与边界层/高阶滑模处理、反步法的递推构造与“微分爆炸”、命令滤波与动态面、无源性基控制、变结构与切换系统的共同Lyapunov函数与 dwell-time 条件。自适应控制要问清收敛——MRAC与自校正调节器的分工、参考模型选取、参数误差方程、持续激励(PE)条件与参数收敛的关系、闭环稳定性证明的结构、σ-modification与e-modification的取舍、自适应与鲁棒的界限。模型预测控制要问清约束与可行性——预测时域与控制时域、终端代价与终端集的作用、递归可行性与闭环稳定的关系、软约束与松弛变量、可行域与吸引域、在线求解的计算负担与采样周期的矛盾、显式MPC的分段 affine 结构与分区代价、NMPC的稳定性与实时迭代思想。最优控制要懂变分——泛函极值与Euler-Lagrange、Pontryagin极大值原理与协态方程、横截条件、HJB方程与动态规划、LQR作为特例、数值求解(打靶法、配点法)的收敛前提。辨识与估计要成体系——最小二乘与递推最小二乘、激励信号的持续激励条件、可辨识性与过参数化、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、EKF/UKF/粒子滤波的适用边界与一致性陷阱、可观性分析。网络化、事件触发与多智能体要各自立起来——采样、时延、丢包、量化的建模分工,事件触发的Zeno行为排除,切换系统与混杂系统的基本图像,一致性问题的Laplacian与代数连通度、编队与包含控制的观测器思想。智能与数据驱动要问清边界——强化学习的样本效率与稳定性保证缺失、策略外推风险、控制屏障函数与安全集的保守性、Koopman与数据驱动MPC的模型误差传播、形式化验证与可达集分析的尺度限制;任何“学习型控制器”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、实时任务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,泛函分析是无穷维与算子方法的根。
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(非线性与鲁棒理论、运动控制与机器人、过程控制、网络化与多智能体、智能学习控制,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,帮你厘清该报控制理论与控制工程还是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、控制科学与工程、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理论与控制工程,或者同校的控制科学与工程、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,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。)
