控制理论有时也称为控制算法。如果从这个角度来看，那么我们就能够很快的想到计算机算法。我们来看一下计算机科学的研究，计算机科学从诞生到今天为止，产生了无数种算法。控制理论包含的那些名词跟计算机科学里的算法种类相比，简直是小巫见大巫。但如果把这个问题放在计算机领域，就会感觉非常奇怪。

一个在工业领域能够占据统治地位80年之久的算法？它为何如此坚固？

要讨论清楚一个问题，首先需要明确的是问题本身是不是精确描述。就是目前这个算法所占据的最新份额是多少？

我们先来看一下2015年进行的一次对于控制理论在工业当中的影响力的调查，可以明显看出，100%的受访者认为PID在目前的工业当中具有极高的影响力，紧跟其后的是模型预测控制

而在2020年最新发布的结果显示，此比例调整到了91%，而紧跟其后的变成了系统辩识

这两项数据表明，PID控制仍然在目前的工业当中占据着主导地位

再者需要讨论定义。也就是我们所讨论的先进控制到底是指的什么？要讨论的PID控制器又是什么？也就是说，我们需要画条线去区分出来这两个对象，但实际情况是，我们很难找到这根线，原因在于我们可以找到多种变种的PID控制，而对于此类方法的分类是个问题，比如拿到一篇用遗传算法调节PID参数的文章，它的核心应该是遗传算法，而并不是PID。本文这里为了讨论方便，把所有利用PID调节方式的方法归为一类，而把其他方法归为另一类。

接下来我们需要阐明工程研究人员和理论研究人员所处的基本处境。对于工程研究人员来讲，最大的目标是做出来一个能够满足涉及目的的系统，往往重点考虑的是综合成本和系统优化层次，对于理论研究人员，则更加倾向于在一个大背景下解决前人所提出或者尝试解决的一个个小问题，即使从事的是全面的研究，在某一特定的文章当中也只讨论一个特定的小问题

我这里我们明确了问题的基本情况，PID控制类和其他控制类的区分，以及处于讨论中间的两方群体的各自处境，接下来我们就可以针对问题的原因，提出一些假设，逐一分析这些假设的合理性

1、理论研究进展不大？

首先，根据数据来看，我们能想到的第一个原因是，近80年来理论研究进展不大，这是一个显著的现象，但是这个假设原因有些存在的问题，即使在PID控制类方法中，也是在不断的演进和更新迭代，对于此类方法本身的理论研究也在稳步推进。另一方面，其他类的控制方法在一些场景也得到了一些应用，比如上面表中占据比例比较高的模型预测控制。单纯使用这个假设无法解释一些问题，因此暂且保留下来

2、算法处理场景万能？

我们接下来寻找到的假设原因是PID控制方法处理场景比较万能，但一个方法万能的含义，也意味着他对于特定系统的处理并不是最佳的，按照这个原因来推论，对于任何一个特定系统，我们都可能找到比PID控制方法更好的处理方式，许多论文和实践也是这样做的。另一方面，对于一些带有优化色彩的场景，或者系统动力学较为复杂的场景，单纯依靠三个参数的调节，往往得到不了很好的效果，许多论文和实践也是从这里着手的。当然，这个原因有一些合理性，因此保留在这里

3、工程研究人员数学基础问题？

我们进而会想到是不是其他控制方法的数学基础要求太高？我们可以看到一些控制方法的文章及推导过程和主要结论的使用，都要求使用者具有较高的数学基础，但我们需要注意的是，随着方法的成熟，虽然做出创新性的理论工作需要较高的数学基础，但是在使用当中一些基础性方法仍然出现在了诸如课程设计等入门级作业当中，也减少了使用困难。如果单纯从这个角度入手的话，也不能很好的解释上面存在的问题

4、理论研究人员工程背景问题？

我们转而会想是不是理论研究人员的工程背景有问题呢？话说没有找到合适的问题，诚然，这是一些控制理论研究工作的缺陷，但是对于某一类控制方法的经典和奠基性工作来说，从投入实际应用的案例来看，还是找到了一些正确的问题的，单纯从这个角度也没有办法解释以上这个问题

5、综合优化问题？

以上我们提出了四个假设原因，但如果单一来看，每个原因都不能解释全部的问题，但每个原因又有一些合理性，因此，我们可以猜测，之所以产生现在这种情况，是综合作用的因素

既然问题是在工业界产生的，那么我们就以工程师的角度来想这个问题，看看能不能把这四个假设原因放进去，或者提出一些新的假设原因

首先对这个工程设计来讲，控制是与机械或者与电气等硬件密切相关的，采用什么控制方法取决于你的机械和电气硬件，你的设计目的，你的设计要求和你的设计精度，以及最重要的你的设计预算

拿到一个任务，首先查阅一下以往经验设计，如果经验设计案例当中是按照PID控制设计的，那么证明这种方法能够达到设计的基本目的，因此，如果改变控制方式，目标是精度提高，成本降低，性能提升等三个目标的综合

此时就有可能遇到这样一些情况，如果预计使用这种控制方式提升的性能不大，而算法的运行成本增加，或者需要使用更贵的硬件，压缩其他功能的使用空间等等，或者说使用的这种控制方式，因为依赖于系统的特定属性而降低了它的建模容错性，导致系统的综合性能反而出现了下降，那么此时更改控制方式就不是一个好的选择

反过来说，如果此时更改后的控制方式，在某一方面相当突出，我们可以适度的降低其他一些方面的要求，而提升系统的综合性能，那么这时候更改控制方式的设计就是一个性价比很高的选择

从目前的工业应用场景来看，大多数还是第一种情况，这里我们就可以用理论研究方向进展不尽人意的原因来解释，进一步思考在于理论方向的研究者们有没有意识到这个问题？也就是这个算法必须具有一个突出的点，同时，各方面不能有硬伤，才能够让使用者纳入考虑范围。即使意识到这个问题，也是有门槛的，至少得有一个多元化团队。要不意识到这个问题也找不到合适的点进行研究，那么有可能出现进展越多离现实越远。。

而PID控制类方法，在多数场景中，往往都是备选项，它的广泛适用性和丰富的使用经验就是它的一个突出的点，这里我们可以用算法使用场景比较万能，来解释它占据主导地位这个问题，对于这种调控方式的深度研究，在理论上也是有相关工作的，具体可以参考郭雷院士课题组最近的工作。进一步思考在于那些在使用场景上具有优势的控制方法，所假设的使用场景在目前应用当中的占的份额一定是不高的，不然不会出现这么一个情况。

另外一个不得不提的硬伤在于，很多控制类方法对于模型的挖掘比较深入，使用了一些特定的属性，在特定的场景，他的理论表现要优于经典控制方法，但这一切的基础都建立在模型精确的基础上，如果建模存在问题，或者说系统内包含多种因素，那么，这种对于模型的挖掘，有时候反而成了劣势，导致在工程师的考虑范围中，优先级不高，可期待的是，随着数据分析技术的逐渐融合，一方面建模精度越来越高，能用的模型越来越多，也出现了一些不依靠模型的新的控制方法体系的探索。

最后，对于一个现代工程系统，控制并不能解决全部的问题，相反，它只是一个组成部分，这就导致对于这个组成部分的性能提升性价比，在整个系统的性能优化当中的分量也降低了一些，从而更进一步的降低了更换控制方式的可能

到这里，我们可以总结一下，PID控制之所以在目前的工业界中仍然占据着主导地位，其主要原因是，对于多数工程系统而言，控制系统是一个组成部分，从系统综合优化的角度来看，PID控制在工程师的考虑范围内很多时候占据第一，更换控制方式从全局综合优化的角度来看不是很好的选择，而突破这个优先级，需要工程与理论人员的深度合作，在多数情况下也是困难重重的。

举一个更加形象的例子，我们可以看到，市面上有各种各样的针对各种场景设计的锤子，但是在使用过程中，除非一些特别的场景，要不大家都是顺手拿出一个最常用的就行

接下来多说一点，从本文一开始的图片我们可以看出，在2015年到2020年期间的调查一个最大的区别就是PID控制的重要度降低了，而且，在对于未来的预期当中，它的重要度进一步降低，这个由国际自动控制联合会工业控制委员会组织的调查所调查的对象，往往是同一批人。那么，这里面反映现象就值得讨论讨论了

控制理论是由工业界发展所推动的，目前工业界发展两个典型代表，一个是自动驾驶为代表的机器人行业，一个是以工业互联网为代表的新型工业模式，但不得不承认的是，在这两个典型行业当中，我们传统观念上认为的控制虽然仍发挥着重要作用但已经不能包揽一切了，更多的像优化、智能、规划、调度等功能模块，也发挥着同样甚至更加重要的作用，一方面，我们所处理的系统更加的复杂化，且有些系统已经必须要考虑人的因素，给学科带来了全新的挑战。

这些因素的加入，使得系统这个词变得更加的全面和复杂，作为研究系统调控基本方法和规律的学科，控制学科也应该与时俱进，至少要认识到，1940年所要处理的系统，1960年所要处理系统，1980年所要处理的系统，2000年所要处理的系统和2020年需要处理的系统，已经不是一回事了，如果还是用像1960年提出的方法处理1960年所要面对的系统或者本质相同的系统，或者看到了2020年的系统，建模和研究时却一直停留在理想国或者走向了相反的道路，那么，学科研究从工程走向纯理论，从现场走向纸面，出现少数研究者做出显著提升但短时间内仍然无法彻底挑战经典方法，大量研究者搞些纸面上的控制爆出天下第一的论文量这种奇怪的繁荣和人才的浪费，是非常容易理解的，对于这种情况，转行跑路有时反而会做出更大的贡献，因为目前这类工作不需要那么多人呀，而如果我们用2020年的方法处理2020年的系统，控制势必走向更加广泛的交叉学科，非常欢迎各位同行的加入。按照传统对控制的理解，这个时候就是人人不搞控制，人人都搞控制。(ಡωಡ)hiahiahia

我们目前的情形，理论人才不计其数，工程人才层出不穷，目前最缺的是“翻译”，如何把工程人员的困难介绍给理论研究人员，如何把理论研究人员的努力结果介绍给工程人员，都是“翻译”的重要任务。希望能多出几个“翻译”。

在这样的团队里，一旦找到正确的问题点，那么强大的数学基础将展示它本来的力量，希望这样的团队越来越多。