企业官网建设流程全解析

从这一篇开始，我们正式进入专栏的第一层：控制理论。暂时不推公式，也不将注意力全放在PID的调参上。比起“怎么调”，更重要的问题是：一个控制系统到底在控制什么？它又是怎么知道自己有没有控制对？

写在前面

刚开始接触控制时，本人曾陷进一个误区：看到电机转得不稳、机械臂末端抖动，第一反应就是“是不是PID没调好”。

但后来发现，PID 只是控制系统里的一个环节，甚至只是“控制器”这个环节里最常见的一种实现。传感器有没有把真实状态测回来、执行器能不能真的把指令变成动作、目标本身合不合理。这些问题没想清楚，单独盯着三个参数，很多时候都是在做无用功。

所以这一节先把公式放一边，从最直观的角度，把一个闭环控制系统真正的骨架搭起来。

一、控制这件事，本质上是在“让结果靠近目标”

先想一个特别生活化的场景：你把空调设成 24℃。

这里你真正想要的，不是让压缩机一直高功率运转，也不是让风扇转得越快越好。你关心的始终是最后那个结果：房间里的温度能不能稳定在24℃附近。

控制问题基本都可以这么理解：

• 我希望系统最后达到一个什么状态；
• 系统现在实际处于什么状态；
• 两者之间差了多少；
• 我应该做什么动作，才能把这个差距慢慢补回来。

电机调速是这样，平衡车保持不倒是这样，机械臂准确抓取也是这样。再之后到强化学习、具身智能，本质上也还是在不断看结果、做动作、再根据结果修正动作。

这就是控制里最朴素的一条线：目标—偏差—修正。

二、开环和闭环，差的不是一根线，而是“会不会看结果”

最容易理解闭环的方法，是先看它的反面：开环。

比如给电机固定一个 PWM 占空比，不管它当前转得快还是慢，都不再调整；或者给加热器固定通电十分钟，不管房间本来有多冷、中途有没有开窗，也照着十分钟执行。这种“发出指令后就不再看结果”的方式，就是开环。

开环并不一定没用。洗衣机按既定程序转动、定时浇水、简单的流水灯，这些场景里目标不高、环境变化不大，开环就足够直接。

但只要环境开始变化，问题就来了：

• 电机负载变重，原来的占空比不够了；
• 房间突然开窗，原来的加热时间不够了；
• 机械臂抓到的物体比预想更重，原来的力矩不够了。

这时候系统若还只会机械执行旧指令，就没办法保证最终结果。

闭环多做了一件关键的事：把结果重新测回来。

它不是“我发出一次命令，然后等着看运气”，而是“我做完一次动作，看看结果离目标还有多远，再决定下一次怎么做”。有了这条反馈通道，控制才真正开始具备纠错能力。

三、一个完整闭环，到底由哪些部分组成？

看上面的图，一个看起来抽象的闭环系统，其实可以拆成六个很具体的角色。

1. 给定值：我到底想要什么？

给定值也常被叫作参考输入。它描述的是目标，而不是动作。

例如：

• 电机希望稳定在 1500r/min；
• 房间希望维持在 24℃；
• 无人机希望飞到 2m 高度；
• 机械臂末端希望移动到某个坐标点。

这一步听起来很简单，但它其实决定了控制系统的方向。目标如果没有被表达清楚，后面的“控制得好不好”也就没有判断标准。

2. 比较器：目标和现实，到底差了多少？

系统需要把“想要的结果”和“当前的结果”放在一起比较，得到一个偏差。

用最简洁的符号写，就是：e(t)=r(t)−y(t)e(t)=r(t)-y(t)e(t)=r(t)−y(t)其中，r(t)r(t)r(t)是目标，y(t)y(t)y(t)是实际输出，e(t)e(t)e(t)就是当前误差。

这里不需要把它想得多神秘。温度还差 2℃，这就是误差；电机比目标慢了 200r/min，这也是误差；机械臂末端离目标位置还有一小段距离，同样还是误差。

控制系统后面做的所有事，归根到底都是围绕这个偏差展开的。

3. 控制器：看到偏差以后，应该怎么改？

控制器是闭环里负责“做决定”的部分。

它接收到偏差后，需要回答的问题是：现在力该加大还是减小、是否要考虑过去一段时间积累下来的误差、外界干扰是否变大？

PID、状态反馈、LQR、MPC，这些后续会讲到的算法，本质上都属于控制器的不同思路。它们解决的不是“系统有没有目标”，而是“面对偏差时，到底用什么策略修正最合适”。

所以：PID不是整个控制系统，它只是控制器的一种实现。

4. 执行器：把“决定”真的变成动作

控制器算出来的是一个指令，但指令本身还不会改变真实世界。

真正把指令变成物理动作的是执行器：

• 电机驱动器把电信号变成转矩；
• 加热器把功率变成热量；
• 液压缸把控制量变成位移；
• 舵机把角度指令变成机械臂的关节运动。

这也是为什么控制算法从仿真走到实机时，常常会遇到落差。数学里的一条控制量，落到硬件上以后，会受到饱和、死区、延迟、功率限制等各种现实约束。这个问题我们后面再展开。

5. 被控对象：真正需要被改变的那个系统

被控对象就是你真正想控制的东西。

电机、房间温度、无人机姿态、机械臂关节、液位高度，都可以是被控对象。它有自己的惯性、延迟、非线性，也会受到环境影响。

控制最难的地方，往往就在这里：对象不会完全按人的想法行动。你给了电机一个电压，它不会瞬间到达目标转速；你打开加热器，温度也不会立刻上升；机械臂关节之间还可能相互耦合。

所以控制理论首先研究的，不是“怎么写一行控制代码”，而是“这个对象本身有什么规律”。

6. 传感器与反馈：系统怎么知道自己做对了没有

最后一块是传感器。

传感器把被控对象现在的状态重新告诉系统：编码器测转速，温度计测温度，IMU测姿态，相机或力传感器帮机械臂感知外部环境。这个测量值再回到比较器，和目标重新比较，于是新的控制动作又开始生成。

从这个角度看，闭环最核心的能力并不是“会输出控制量”，而是会根据结果持续修正自己。

四、把这条闭环放进恒温场景里，会清楚很多

回到房间恒温这个例子。
如果目标是 24℃，但温度计测回来只有 21.3℃，温控器就知道当前温度偏低，于是提高加热器功率。过一段时间，室温慢慢升到 23.5℃，偏差变小，加热器也就没必要继续全力工作。

要是这时有人开窗，热风灌进来，房间温度开始上升。闭环系统不会因为“原来已经调过一次”就停止工作，它会通过温度计再次看到新的偏差，然后继续修正。

这就是反馈真正有价值的地方：它不是假设环境永远不变，而是在变化里不断把系统拉回目标附近。

五、少了任何一环，盲目调PID都很难解决问题

很多实机问题最后看起来像“PID没调好”，但往前追一层，根因可能根本不在PID。

例如：

• 传感器噪声很大，系统看到的误差本身就在乱跳；
• 执行器已经到最大功率，再怎么加控制量也没有用；
• 采样频率太低，系统总是看到过时的信息；
• 模型理解错了对象的特性，调参方向从一开始就偏了；
• 外界扰动太强，原本的控制裕度根本不够。

所以遇到控制效果不好时，与其问“P、I、D 该怎么改”，不如先沿着闭环思考：

1. 目标定义是否清晰
2. 当前状态测量是否准确
3. 偏差计算是否有误
4. 控制器给出的动作是否合理
5. 执行器真的执行出来了吗
6. 输出有没有被重新反馈回来

把这六个问题走一遍，很多问题的定位会比反复试参数更快。

六、把这一节放回整个专栏里看

开篇里提到，这个专栏会沿着“控制理论—控制算法—嵌入式—机器学习—大模型”五层结构慢慢往上走。

这一节实际上是在最底层先搭起共同的语言：反馈。

后面讲PID、状态反馈、最优控制时，我们仍然在研究“怎样根据偏差做出更好的修正”；讲嵌入式时，我们会关心这条反馈链能不能在有限算力和严格时序下稳定跑起来；讲机器学习时，梯度下降也是根据损失不断修正参数；走到大模型Agent，依然能看到“观察—思考—行动—再观察”的更高阶反馈环。

技术会越来越复杂，但这条线不会断。

In the end：下一节该看什么

现在我们已经知道，一个闭环系统不是“给个命令让它动起来”这么简单，而是让系统不断比较目标和现实，再根据偏差修正自己。

但新的问题也随之出现：同样施加一个输入，为什么有些系统立刻响应，有些却要经历一段变化过程；为什么输入已经停止，系统的输出还会继续变化。

下一节就从这里继续：系统为什么会“有记忆”：从输入输出理解动态过程。