控制理论学习路径(MCU 实战版)
写给已经会调 PID、写过 LADRC 代码的人。
目标不是"再学一个算法",而是建立一条知道自己在第几层、该往哪走的主线。
你现在大概在哪
你不是零基础,但可能会同时碰到这些问题:
- PID 能调通,但换负载就不行
- 写了 LADRC,但说不清它比 PID 强在哪
- 想加前馈,结果电机直接飞
- 读到 LQR/MPC 不知道该不该学
- 看到智能控制、RL 不知道和自己有什么关系
原因不是你学得不够多,而是缺一张总图,让你知道哪些值得在 MCU 上深挖、哪些只需要知道概念。
学习地图
上半场:MCU 主线(深挖)
这些是你在 MCU 上反复用、值得吃透的内容。
第 1 层:调通与解释
能把单轴系统调通,还能解释为什么这样调。
| 内容 | 对应文档 |
|---|---|
| 经典控制基础(反馈、稳定、伯德图) | 04-控制理论基础.md |
| PID 本质与工程实现 | 03-PID控制算法原理与应用.md |
| 电机模型与串级环路 | 04-控制理论基础.md §2 |
| 数字控制(采样、离散化、滤波、量化) | 07-LADRC代码实战.md |
| 建模与辨识(阶跃响应、灰箱模型) | 04-控制理论基础.md §2 |
检验标准:你能说出"为什么低速抖"、"为什么换个负载就不行"、"为什么 D 项吃噪声"。
第 2 层:结构设计
不再是单 PID 硬调,而是学会分层搭结构。
| 内容 | 对应文档 |
|---|---|
| 参考整形(TD、梯形速度、S 曲线) | PID,前馈,TD.md |
| 前馈与补偿(速度前馈、加速度前馈、重力/摩擦补偿) | PID,前馈,TD.md §3 |
| ESO / 扰动观测器 / LADRC | 05-何谓自抗扰.md / 06-LADRC算法详解.md |
| 限幅、抗积分饱和、安全保护 | 03-PID控制算法原理与应用.md |
检验标准:你能写出"轨迹规划 + 前馈 + 串级 PID"或"TD + 前馈 + LADRC"这样的结构,并解释每一层在干什么。
第 3 层:架构与选型
能把不同方案放在一起比较,做出工程选型判断。
| 内容 | 对应文档 |
|---|---|
| 四层架构(任务/参考/控制/执行) | 01-重新理解控制论.md |
| 选型流程 | 02-机器人控制系统的分层设计与算法选型方法.md |
| PID vs LADRC vs LQR 的真实边界 | 09-ADRC进阶与传统方法对比.md §4 |
| 轻量状态反馈 / LQR 基础 | 04-控制理论基础.md §3 |
检验标准:拿到一个新系统,你能在 5 分钟内判断该从 PID 还是 LADRC 起步,知道前馈该补什么、观测器该不该上。
下半场:系统层专题(理解为主)
这些通常跑在上位机/ROS2 上,不是 MCU 内环的主力。你需要的是:知道它们在系统中处于什么位置、和 MCU 怎么配合。
| 主题 | 定位 | 对应文档 |
|---|---|---|
| 最优控制(PMP / HJB / 动态规划) | LQR/MPC 的数学根基,MCU 上不直接用 | 11-现代控制与最优控制导论.md |
| LQR / LQG / MPC | 离线算好增益 → MCU 执行;MPC 通常在上位机 | 11-现代控制与最优控制导论.md §5-6 |
| 智能控制(模糊/神经网络/专家系统) | 无法建模或经验更有效的复杂系统 | 12-智能控制与强化学习导论.md |
| 强化学习 | 数据驱动的最优控制,训练在上位机 | 12-智能控制与强化学习导论.md §3 |
| MCU 与上位机的分层 | 决定什么该深挖、什么只需理解 | 10-MCU与上位机的控制分层.md |
核心分界线: - 能跑在 1kHz 闭环里、计算量可控的 → MCU 深挖 - 需要矩阵求逆、大量迭代、或离线训练的 → 上位机,理解原理即可
你的优先级排序
不要试图同时把所有层都推进。按这个顺序:
当前阶段
├─ 串级 PID 工程细节(离散化、滤波、抗饱和、限幅)
├─ 建模与辨识(一阶/二阶拟合、阶跃响应、灰箱模型)
└─ 参考整形 + 前馈(TD/梯形速度 → 速度前馈 → 加速度前馈)
下一阶段
├─ ESO / DOB / LADRC
├─ 状态空间与观测器基础
└─ 轻量状态反馈(小维度 LQR)
再往后
├─ 选型与架构设计能力
├─ 多轴/机械臂动力学与补偿
└─ 系统层专题理解(最优控制 / 智能控制 / RL)
检验你是否该进入下一阶段的标准: - 你能独立把单轴位置/速度调通,换负载后知道该调什么 → 进入下一阶段 - 你已经能稳定写出轨迹规划 + 前馈 + 串级 PID → 考虑 LADRC - 你已经能判断 PID 和 LADRC 各自适用条件 → 考虑架构设计
你现在不需要深钻的
先把主干立住,再碰这些:
- 鲁棒控制严格数学推导
- 很深的最优控制证明
- 很深的机器人多体动力学推导
- 过多论文细节
- 神经网络直接做控制器(除非你已经在上位机上做规划)
- 强化学习训练流程
四句话总结
- MCU 上最该深挖的:PID 工程实现、建模辨识、前馈补偿、观测器、串级结构设计
- 只需要理解概念的:最优控制数学、MPC 求解器、智能控制、RL
- 判断标准:跑不跑在 kHz 闭环里?计算量 MCU 能不能扛?
- 最强的系统不是"只选一个",而是轨迹 + 前馈 + 反馈 + 观测按层次组合
旧版研究总稿
旧版 学习路径_研究总稿.md 保留为研究总稿,包含统一控制地图、算法对比表、按对象特性的选型指南等更深入的内容。需要深入某个专题时再去查阅。
文档导航
| MCU 主线 | 系统专题 |
|---|---|
| 00-学习路径指南.md | 10-MCU与上位机的控制分层.md |
| 01-重新理解控制论.md | 11-现代控制与最优控制导论.md |
| 02-分层设计与算法选型.md | 12-智能控制与强化学习导论.md |