自動控制、控制理論的未來在哪裡？

12-28

本人是大三自動化學生，覺得控制論是一個非常迷人的學科，學習和實踐控制理論的過程中產生了一些疑問，希望前輩們不吝賜教。
1.許多理論的控制演算法都需要精確的模型，這在實際中很難建立系統模型，這些控制演算法的未來在哪裡？
2.控制的未來是朝著不依賴模型的控制技術方向發展，還是會隨著系統辨識等技術的發展，先進控制演算法得以應用來發揮模型的潛力？
3.自抗擾控制器（ADRC，我理解就是一個帶跟蹤器的前饋式PID）目前的應用多嗎？他繼承和發揚了PID的優點，他以後是否會取代PID成為工業場景中的通用控制器？

控制理論有沒有用，有多大用，pid是不是能解決9x%的控制問題，adrc是nb還是sb，吵了多少年了，最後都會陷入對撕的節奏。

別撕了，沒意思，該幹啥幹啥去，多發論文好畢業好申基金好拿教職評傑青長江評雙一流，管它工業界怎麼個評價；多搞出產品好加薪掙股票期權，管它學術界怎麼個說這個演算法low不low。各自發大財，勝過大家互相打嘴炮浪費感情，大家說吼不吼啊

。。。。。。。。。。。。。再說點對題主三個問題的個人看法

1.很多很多控制問題不是建不了模型，是建模的代價是否可以接受。

2.目前論文熱度來說系統辨識遠不如另一者。精確研究特定問題的物理機理的又往往被劃為別的學科，不叫控制了。

3.不能。因為pid調參和實現的難度要好於adrc

稍微跑個題，為啥控制界會有這麼多類似的問題呢，跟控制理論在數學上完不完備（控制理論界不缺完備的理論），實際應用效果如何（也有理論實戰結合很好的範本），關係真的不大，本質原因只有一個

沒市場，沒錢賺閑的

對比下隔壁CS就不難理解了

大家的回答已經很好了，如果希望能向著更有建設性、更多實例、更多資料分享如此等等相互學習的方向再進一些，就更好了。

不少人邀請我。本來想多寫點，但看到匿名用戶的回答：「為啥控制界會有這麼多類似的問題呢，跟控制理論在數學上完不完備（控制理論界不缺完備的理論），實際應用效果如何（也有理論實戰結合很好的範本），關係真的不大，本質原因只有一個：沒市場，沒錢賺閑的。」不禁感概良多。

是啊，大家也都知道很多理論在現實中已經用上（比如 MPC，geometric control 等等），而現實中仍有很多問題期待新的理論去解決（比如對模型精度要求不那麼高的自適應控制、以及自學習自調參等等），同時其實已經有很多理論其實可以用但卻還沒有用上（比如把達芬奇機器人中的演算法用在商用互聯網的 teleoperation 等等），而另一方面現實中又有很多通過經驗解決的問題可以反哺理論（如現在實際控制、濾波乃至 SLAM 中的很多經驗調參方法是應該是可以更理論化的），可為什麼還是有這麼多類似的問題呢？直接原因的話，大概就是行業沒提供足夠多的激勵，讓大家去做這些。

於是，我倒來這裡邀請大家來回答這個問題了：

有哪些控制演算法已經被寫進了商業化的軟體中？

我自己回答了一個：

2000年（竟然已經近二十年了）出版的 Predictive Control with Constraints 這本書，附錄中介紹了 Some Commercial MPC Products，包括：

Aspentech: DMCPlus
Honeywell: RMPCT
Simulation Sciences: Connoisseur
Adersa: PFC and HIECON
ABB: 3dMPC
Pavilion Technologies Inc: Process Perfecter

不知近年來如何？

希望大家都來回答、分享下。多借鑒，多學習，慢慢一起把行業做好！

---

然後，推薦兩本好玩的書吧（這可不是漫畫書，甚至不是一般的科幻書，而是實打實的技術書，滿是模型與控制公式）：

あのスーパーロボットはどう動く―スパロボで學ぶロボット制御工學

鏈接：Amazon | あのスーパーロボットはどう動く―スパロボで學ぶロボット制御工學 (BTブックス) | 金岡克彌通販

序章スーパーロボット制御工學の世界へようこそ!

第1章スパロボ元祖マジンガーシリーズにみるパンチ性能評価―ロボット制御のための力學の基礎

第2章 AMBACシステムとガンダムハンマーの制御を分析!―モビルスーツの力學と制御

第3章スパロボはなぜ格好良く変形できる?―変形ロボットの姿勢制御

第4章スパロボはなぜ華麗に操縦できる?―スパロボと操縦者をつなぐ運動學

第5章ゴッグのチューブのような腕はどう動かす?―冗長な関節を持つスパロボの制御

第6章ザクの微妙な力加減を分析!―力?トルクの役割

第7章パワードスーツの制御を分析!―スパロボと操縦者をつなぐ力學と制御

第8章ザクはなぜサクサク歩行できる?―2足歩行を実現する軌道計畫の基礎

第9章パトレイバーにみる人型ロボットの制御―人型ロボットの力學とオートバランスの理論

終章未來のスーパーロボット制御工學のために

バットマンは飛べるが著地できない

鏈接：バットマンは飛べるが著地できない | 木野仁 |本 | 通販 | Amazon

第1章ゴルゴ13が超一流なわけ

~地球の自転がゴルゴの銃弾に與える「コリオリの力」~

第2章シャアザクが量産型ザクの3倍のスピードで動けるわけ

~作用?反作用の法則と運動量保存の法則~

第3章ライダーキックのバージョンアップと回転効果

~回転によって得られる強力なジャイロ効果~

第4章銀河英雄伝説での荒業?ブラックホールを用いた脫出

~天體の重力を利用したスイングバイ~

第5章夢の合金、超合金Zとガンダリウム合金

~ロボットを形づくっている合金の特性~

第6章聖闘士星矢が教えてくれる力學の基礎

~とても重要な速度?加速度?力?質量~

第7章バットマンは著地に失敗して死ぬ

~航空力學でヒーローを分析する~

第8章ギャバンから宇宙エレベータまで?回転のお話

~円運動が持ついくつもの力~

第9章 MSザクは動力パイプをちぎられると動かないのか?

~アクチュエータはロボットの縁の下の力持ち~

第10章ゲッターロボを変身させる形狀記憶合金のすごさ

~身近なところで利用されているロボットの材料~

第11章電波人間タックルの「電波投げ」に見る電磁力

~電磁気學の基礎を使った必殺技~

第12章るろうに剣心に登場する必殺技のカギは「波」

~剣心のお話から地震のお話まで~

當年博士導師說過一個經典的「廢話」：找到問題比解決問題更重要。所以，所有人都希望知道你這個問題的答案啊，至少有個可以再跳十年的大坑:P

說到未來，我覺得狹義上傳統的控制理論方向基本沒戲了，數學基礎沒突破又完全不懂實際問題，明明是加個感測器或者網線解決的問題非要去壓榨沒水的甘蔗。但這並不是說這些理論沒用，只是沿著過去二三十年的路研究純粹的理論沒什麼意思了。在任何一個實際的工程上，能把熟知的狀態空間，卡爾曼濾波，H-inf or adaptive control任何一個老傢伙解決一個以前解決不好的問題上都是價值巨大的。例如有人提到H-inf理論上可以得到很好的控制器，實用中的坑也許不限於：怎麼知道你的系統滿足assumption和確定bound，高階的H-inf Controller可能像over-fitting一般喪失泛化性能，降階的話又怎麼證明你比傳統的design強？前段日子還回答過關於adaptive的問題，理論很漂亮，都是找一個Lyapunov保證穩定性來反求自適應率，但實用中隨便什麼雜訊/異常就可能發散掉。控制工程中有很多的坑其實並沒有被填掉，不是不想填而是要麼技術難度不低要麼成本控制做不好：都拿搞航天器的搞法來做一個控制工程是不可能的。如果你能讓robust和adaptive control的使用便利度接近PID，不需要一個研究者而僅僅是一名普通工程師就能實現和保證性能，那就是未來。雖然這裡談的是控制工程，其實跟匿名答案一樣涉及的是交叉領域的理論創新。

另外我想說的是數據和AI。大概很多人都知道，PID的出現是早於控制理論的，也就是說是來源於觀察和直覺；如今的大數據其實更多也是停留在直覺和不完全歸納階段（這也是最廣泛的批評就是DL缺乏數學理論）。如今的控制系統有了比之前更多且更容易獲取的數據源，顯然也應該存在更好的解決方案。大概會有人說這不就是系統辨識嗎，但我想不是這麼簡單的，系統辨識之後還是model-based solution，應該有更好的直接從數據到解決方案的辦法：類似的研究我知道一些，我也認為這應該是一個未來的方向；但是跟上段提到的一樣，還沒在易用性/成本/性能上達到一個最優。

控制的未來在於其他學科中的應用，比如計算機科學中的控制問題。作為獨立學科的控制理論大概是沒有前途的，因為過去10多年論文驅動的機制使得研究機構裡面年輕一代控制理論研究人員大部分都是廢掉的。

你所謂的「先進控制」在其他學科里才能找到，比如Robotics和CS。 PID和ADRC什麼的真是low到掉渣，也只有高數都學不會的的「控制工程師」還在亂搞。

什麼模型都是不精確的都是胡扯，某些所謂「工程師」文化水平低，看不懂書也不看書，搞不清狀況就出來胡扯，混淆是非，結果導致很多人不明就裡以為就是這樣了。

%%%%%%%%%%%%%%%%%%%%%

小朋友既然問這個問題我覺得我得說出真相。不管真相多難看。

畢竟還是有很多有才華的小朋友,以後還有很多可塑造的空間，不希望他們把時間浪費在錯誤的的地方。

對於真心喜歡控制理論的小朋友，希望能帶著這方面的知識去解決那些真正重要的問題。

IFAC今年新選的主席大致說過這樣的話 It is the responsibility of control researchers to demonstrate to the funding agencies, media and the general public that control theory is important to those hot topics such as computer science, machine learning, autonomous driving and artificial intelligence and that we have the methods, tools and expertise to help generate advances in those fields.

未來不在那堆模型裡面

自動控制理論三大未來：
如果你很有雄心壯志，想搞定某些目前無法解決的問題，那麼你最好的是去軍工企業。只有它們的才會不計成本解決問題：或者留在科研院所，受經費限制要求你用破平台出好結果。只有它們會讓你試驗一些創新的方法。對你個人來說，數學功底決定了你自己的未來。

如果你想法一般，只是想在現有的方案上做一些有一定意義的改善。那麼最適合的其實是那些感測器和執行機構的製造廠商。控制率再強拼不過元器件的改善，這幾乎是鐵律。而決定你的未來的因素你的自動化儀錶學的怎麼樣。

如果你想法很平庸，只是想做一個很熟練的熟手。那麼去傳統的的單位會比較好。而決定你未來的因素，主要是第一個你的基本功如何，比如說PID參數的整定公式能不能背熟，第二個是你的編程能力——因為未來計算機在這些傳統的行業的應用會越來越多。

開下腦洞吧。

就像物理學一樣，一百多年前在牛頓物理的時代，大家以為物理學快要窮盡了，沒什麼新鮮的東西了。但之後相對論和量子物理的出現改變了一切。

那麼控制理論是不是也可以有相同的思路呢？

比如進入微觀世界，對分子原子級的系統進行控制，實現分子機器人等神奇的應用。那麼現有的建立在牛頓物理學上的控制理論肯定不行了，於是要引入量子物理學來建立新的控制理論。並且對大量分子級系統進行控制的時候，需要考慮整個系統群的混沌現象。於是要引入混沌理論。

又比如，對高速運行的宇宙飛船的控制。這裡的高速是指光速的百分之多少的級別，有比較明顯的相對論效應的速度。在這種應用場景下，要引入相對論來建立新的控制理論。

當然，這些都是控制理論非常遠期的未來。當下的控制理論也還有很多問題有待解決，比如系統的高非線性、大滯後、不確定性、複雜性等問題都有很多可以做的工作。

1，這些演算法的未來可能在可以精確建立模型的系統上，比如衛星、宇航器。

2，模型難以建立，那就用不依賴模型的；模型容易建立，那就使用基於模型的。這兩者不衝突，應當會繼續並行發展。

3，ARDC沒仔細看過。

腦補一下控制的未來：

0，給定一個數學模型與控制策略，自動給出對應的李雅普諾夫函數；

1，給定一個數學模型與控制指標，自動搜索出一個控制策略並完成0中的任務；

2，給定一個物理系統與控制指標，自動推斷出內部模型並完成1中的任務；

3，天數有變，神器更易，幹掉李雅普諾夫穩定性理論。

學控制的人，常常有煩惱，就是所學的東西到底有沒有用，怎麼用，不同的場景如何取捨，這是因為學習的過程常常只是強調理論推導，而較少有實踐機會，當年的工程經驗多了，自然而然就會有答案。

前面有人回答了你的問題，我是這樣看：在一個系統設計中，工程師的解決思路應該是這樣的。1.系統可否分解?2.系統物理或者化學過程是否明確?3.系統可否允許擾動實驗?如果三個都是肯定的，恭喜，否則，你要做好準備辭職吧！

工程實踐中，還有一點非常重要，那就是環境或者系統本身的不確定因素對性能影響的程度。因為他決定了你要多保守或者系統策略多複雜.而不確定性的消除，往往依賴於控制工程師和系統其他工程師的溝通。很多人因為溝通問題栽跟頭，所以控制工程師要學習多方面知識，情商高才會使自己容易成功。

技術上說一句兩句，魯棒控制和adrc都是好東西

文不對題拋磚引玉，我覺得模型這東西其實類似於一種先驗的信息。利用這個信息（比沒有信息）能實現更好的控制。至於模型精確度的問題。實際上即使模型精確，你也算不出來呀（微分方程數值解誤差），即使能算出來，你也測不準啊（觀測器誤差），你測得准你也不一定測得全啊，你測的全，你也對付不了萬一外界環境變了啊，你對付得了外界環境，你也保證不了你的控制器，是當前所有條件下能做的最（次）好的呀，而且說到「當前」，測量還總是有延遲的。

於是實際上，就問題1和2而言，學術界是有不少成果的……比如這篇論文，模型不精確，但是也不是確定性的讓你辨識參數，而是教你怎麼猜分布，契合蒙特卡洛模擬結果。當然猜分布也可以算是廣義上的（隨機）模型辨識吧。。。

Distributional uncertainty analysis using power series and polynomial chaos expansions

先說一句學控制理論你以後肯定會有更多困惑的哈哈
1.個人認為現在很多工業上的系統其實都是可以搞出一個粗略的物理模型出來的，這個模型基本能夠包含主要的實際系統特性，因此完全可以用基於模型的方法解決，比如反饋線性化，H無窮現在已經在很多地方都有應用，而未建模動態如果當成有界擾動處理，無論其是structured還是unstructured都有很多成熟的方案。完全黑箱，一點模型都建不出來的我真的沒見過太多…
基於模型方法的缺點是實現代價通常比較高，而且由於執行器或者感測器性能的限制，控制表現和pid或者不基於模型的方法比有時並不突出，容易給人留下不佳的印象(搞這麼複雜好像還不如pid？)，但不等於沒有前途。因為基於模型的方法能夠提供性能上的解釋，能夠有目標有依據的去調節表現，能夠給予人們對系統和控制方法更深刻的認識，是人們研究如何控制系統的初衷，而不是滿足於把控制律的計算交給無法解釋的純數值計算或者如何把三個參數調的更好。這就是前途，實際應用當然很重要，也存在很多垃圾論文，但能夠提供解釋本身就是最大的價值。
舉個例子吧，二體軌道模型其實也是基於很理想的情況建立的，而被忽略的未建模部分對實際運動非常顯著的影響，比如天體形狀對衛星軌道的影響很明顯，而且基本只有經驗數據根本就沒法具體分析。但這不影響他的偉大，因為它為軌道動力學分析提供了一個一般性的思路，對主要現象能夠用理論解釋，這才是後續一系列進步的關鍵。總結和提煉一種具有一般性的理論，分析方法或者結論是任何學科進步的基石，目前我覺得只有基於模型的方法能夠做到所有三點。假如當年我們就用數值積分算軌道而懶得總結規律，我們還會有今天這樣的認知嗎？可能很難。如果某一天在所謂的難以建模的對象中抽取一個框架出來，哪怕把unknown unknown變成known unknown，那這些方法就有前途。如果那一天應用成本下來了，那這些方法就有前途。如果某些項目需要變態的精度或者變態的響應速度，那這些方法就有前途。雖然聽著很像灌水狂魔的借口，但是科技進步的速度太快了，比爾蓋茨還立過flag說一張cd完全夠存儲信息，有沒有覺得這句話和pid完全夠用很像哈哈哈
2.個人覺得這兩種並不衝突，可以作為兩種互相補充的手段。基於模型的方法完全可以用基於數據的方法做增益調度，基於數據或者辨識的方法可以提供一些經驗模型，對任何一種有偏見都是不恰當的
3.adrc這個前一陣已經有大神討論過了，可以搜搜看。聲稱用一種方法取代另一種方法是很不恰當的，尤其是當這種方法在本質上並沒有提供任何突破性的insight

Dynamic Programming的一個分支叫Approximate DP，又叫Reinforcement Learning。是機器學習的一個重要分支（逃～

System identification.

歪一句話，搞純理論控制演算法的已經評不上傑青長江了。

（如果一開始出發點都錯了，何談後面的理論結合實際。）

Q1：許多理論的控制演算法都需要精確的模型，這在實際中很難建立系統模型，這些控制演算法的未來在哪裡？

R1：飛行器、潛航器、汽車、航天、電機等等，依靠精確模型可以極大提高控制精度和速度。但因為模型不確定性存在，所以需要和魯棒性折衷考慮。

Q2：控制的未來是朝著不依賴模型的控制技術方向發展，還是會隨著系統辨識等技術的發展，先進控制演算法得以應用來發揮模型的潛力？

R2：不依賴模型和依賴模型的是兩個不衝突的控制技術方向，都很重要。一個追求普適性（簡單粗暴，方便可用），一個追求特例系統的性能極限（航空事業油費太貴）。也許未來人工智慧可以統一它們？不過誰知道呢。

Q3：自抗擾控制器（ADRC，我理解就是一個帶跟蹤器的前饋式PID）目前的應用多嗎？他繼承和發揚了PID的優點，他以後是否會取代PID成為工業場景中的通用控制器？

R3：據我所知工業應用不多。不會取代PID。可以替代PID的方法太多，只因為PID控制形成了完善的方法體系（很多工程師高中基礎就可以學會直接用），再加上實現簡單（電阻電容電路就可以），所以用途廣泛。比如給我一個dsp，我就會跳過PID直接上時變H無窮魯棒控制（飛控）。

這個世界上不缺的就是問題科技越發展問題會越多

可是有多少人會把遇到的問題歸納為控制問題呢？控制論大家都知道一點可是能寫成控制系統的表示嗎？就算是專業學控制的人面對非機非電的問題也不是一下可以反應過來的

玩數學要建立在問題的基礎上

答的有點亂~~~
建模能建，辨識能辨，但是你能不能承受辨識的代價(演算法複雜，周期較長等)。比如我現在在做飛行器的氣動參數辨識工作，辨識方法複雜，時間代價大，危險性也相對存在。
adrc是不依賴模型，四旋翼模型里缺少氣動參數那部分辨識，也一樣可以控好四旋翼，但是模型越精確，補償律中的b0越准，觀測器的「負擔」越小。

這個問題的答案一定是多樣性的，只能從一些角度嘗試給出一個可能傾向於好的回答。

控制理論的產生來源於工程、應用和對自然、社會行為的一些思考。往大了說，控制理論的研究對象是受控物理系統，對比於物理學所研究的自然物理系統，特別是17、18世紀的天體物理學研究。從這個角度說，只用有用或者沒用評價控制理論研究是明顯偏頗、甚至是狹隘的。有用或者沒用的評價標準恰恰是中國在近代（也包括古代）科學研究方面的嚴重缺陷。非常不希望在飽嘗最多的歷史教訓後的今天，我們依然沒有明顯進步，依然還在情緒激昂地批評理論沒用，依然還在用本能的價值觀衡量和判斷。「學以致用」本來就不該作為一種原則被普遍強制接受。舉個例子，按照目前所奉行的「有用、沒用」價值準則，微積分基本定理可能也沒什麼用，因為曲邊的函數形式很難精確建模。

PID雖然形式上簡單，但我卻更傾向於把它劃歸到先進或者高級(advanced)控制，雖然先進、高級都不是advanced的最理想解釋，原因可能在於我們習慣於混淆價值判斷和事實判斷。積分控制的存在使PID成為動態控制方法，對比於只依賴於代數運算的靜態控制方法。

許多人會羨慕計算機學科的有用和提供的大量的高薪工作機會，但是從近代科學與社會、文明發展的大趨勢看，計算機學科在精神文明的直接貢獻方面並不是顯著的，在藝術和美的貢獻方面寥寥可數，在推動文明進步方面的直接貢獻也乏善可陳；它極大地推動社會往世俗化的方向發展。庸俗和世俗化是中國最不需要的，因為這從來都是我們的強項（和弊病）。因此，控制理論學科有何理由要這麼在意沒有那麼大意義的「有用、沒用」價值判斷。

較高的審美標準、公平意識、自由與契約精神、敬畏意識，這些現代文明所需要的東西不比一個「有用」有價值得多？在推動這些真正的文明要素的前進方面，控制理論可能顯著地強於計算機學科。

最後，對相關具體問題做一些嘗試性的回答：

基於模型的控制在哲學上可劃分到「可知論」的範疇，或者說相信世界或者對象的規律是可認識的，當然圍繞可知論或者不可知論的爭論從未停止過。也可以把兩種觀點按照貝爾的《數學大師》的準則劃分：1）「自認為謹慎的人」；2）「勇敢的先驅者」。基於模型的控制方法應該屬於後者；雖然有各種各樣的新的困難，但是它打開了一扇門和一個廣闊的舞台，不斷拓展我們的認識和開拓新的領域，雖然有的時候很緩慢；基於精確模型的控制可看作是最開始的那一扇門。可以想像如果從50年前到現在我們一直堅持謹慎地停留在PID控制或者不依賴於模型的控制，會是多麼糟糕；一個不會存在自適應控制、H無窮控制、魯棒控制、內模原理、卡爾曼濾波、無源控制、反饋線性化的系統與控制學科將是讓人絕望的。
斬釘截鐵地說，控制的未來是基於模型的控制和系統的理念，基於模型的控制不等於基於精確模型的控制，系統的理念同樣甚至更重要。
自抗擾控制是一定時期內沒有更好的方法情況下的一種方法，它一定程度上符合我們「有用、沒用」的價值標準，其前途留給各位自己評判。
有用或者沒用並不是說不重要，而是真正有用的結果往往不是極端功利主義者或者說實用主義者貢獻的，而是不斷提高認識和系統化地推進領域發展的自然結果。

私以為，控制理論的未來在於推動工業界的廣泛應用，在於方法驅動的研究轉變為問題導向的研究，在於數學技巧的探索轉為更深刻的物理洞察力。

1. 控制理論的突破要等數學的突破。
2. 控制工程是交叉學科，很多領域還有大量自動控制問題急需解決。

1 控制理論的未來在工業生產的具體工藝中，在日常生活的需求中；人對客觀世界的認識是不斷發展的。有些過程或現象沒法建模，部分原因是代價昂貴（比如設計飛機，以前吹風洞，做疲勞試驗；計算機技術發展了，實驗數據積累夠了，軟體模擬可以代替部分試驗工作），部分原因是不知道（比如可控核聚變，高溫等離子體啥特性是否清楚？還有人的大腦的模型是怎樣的，現在答案是天曉得）

模型有沒有要看需求和客觀條件，但所有的演算法都必須有例證，必須自圓其說；系統模型整不出，可以嘗試統計的方法。比如應用機器學習和深度學習，AI在象棋和圍棋上已經達到很高水平了（也有輸給人類），汽車自動駕駛技術上已經成熟（也有把駕駛者掛掉的），這些過程模型是存在的，機器在處理；至於人是否理解，嗯，懂的說說吧；我曾得到的一個信息工程科班的學生的回答："機器學習有些場景有用，但目前人無法解釋原因" 。

自動化系學電動機，通信系學電視機，計算機系打遊戲； 20年前達大學本科課程如此，不知道現在怎麼樣。控制電機，具體應用比如說做機床控制和做機器人控制（即多軸電機輪廓控制），產業化要和世界頂尖團隊競爭，搜知乎的數字控制以及機器人控制主題可了解一下行情。

說個段子，比如n年前某小廠做幾台雕刻機，國內作坊鑄造的床身材料不合格，裝配也low，用大陸的數控裝機後測試，設計圖紙是圓，實際加工結果是橢圓；然後換台灣某廠家數控，標定補償後低速可用；過了近10年，機床床身在重力作用下變形，導致導軌變形，機床無法正常工作，就剩一台還在爬。（這種非線性時變系統，恩，建模和控制怎麼搞？）更神奇的是老闆靠著這幾台設備接小批量機加工的活（賣不出去，小作坊沒法做服務），還有盈利，小老闆成家有了孩子，還買了台GK5。投入和產出無法匹配，要是去炒房子，怎麼說也得是一打bmw5吧。

2 無模型控制和唯像模型只是某一階段的手段；技術發展會使得人對客觀規律的認識更深刻，技術的發展和變化的需求會催生精確的模型和優化控制方法。就金屬切削加工來說，學霸們說精度研究透了（嗯，理論上如此），目前研究熱點在工藝優化上，如表面殘餘應力研究。

至於經典自動控制的教學實踐，不管考試刷多高的分，讓學本科生動手做一路基於單片機的閉環控制(直流電機調速，溫度控制，或者壓力控制)，做得出來的平均花半年時間，還有的就是做不出，說得清楚的沒幾個。

3 我不熟，目前無法解答

關於二，我現在在做的課題就是不依靠精準模型。