年轻时，认为控制学术界聪明人真多，以至于博士毕业后没敢进入学术界，因为自己没有那么聪明。

30年后回头看，感觉控制学术界是聪明反被聪明误，玩的大都是小聪明。

首先提下一个常识，即现代科学技术的基础是对研究对象建立（数学）模型，无一例外。

1970年代，自适应控制开始流行。最近刚读了Åström在Automatica (2014)发表的一篇41页的控制领域的长篇综述。文中Åström讲了他搞自适应控制的原因是因为他认为模型辨识太难，成本太高。他们提出了self-tuning算法；还有人提出model reference 算法。这些方法都是力图绕过辨识和建模问题。从此研究自适应控制的大军浩浩荡荡，走了20余年。

弱弱地问一下，建模难，成本高，为什么不研究如何降低建模成本的方法？违背科学技术的基本常识你能成功吗？这些理论和方法对多变量复杂系统有几项成功应用？

1980年代，鲁棒控制走红。鲁棒控制的出发点是，虽然有模型，但模型误差大，所以要研究如何对付模型误差。从此鲁棒控制的文章乌央乌央，发了20余年。

弱弱地问一下，模型误差大，为什么不研究降低建模误差的方法？违背科学技术的基本常识你能成功吗？这些理论和方法对多变量复杂系统有几项成功应用？

1990年代，模糊、智能控制时髦，尤其在中国。模糊控制的出发点是，建模、辨识太难，成本太高，模糊一下了事。这正中一些中国学者下怀。从此模糊智能控制的文章铺天盖地，发了20余年。 

弱弱地问一下，绕过模型，违背科学技术的基本常识，你能成功吗？这些理论和方法对多变量复杂系统有几项成功应用？

1990年代，工业控制界（注意，不是控制学术界！）在炼油石化工业普及了自己研发的模型预测控制技术，在多变量复杂系统的成功应用数不胜数。模型预测控制技术靠的是什么，是什么好的控制算法？错！模型预测控制技术的两个发明人都亲自对我说，模型辨识是成功的关键。“模型有多准，控制品质就有多高。”预测控制项目的主要成本就是辨识测试和模型辨识。 

预测控制技术应用的极大成功跟控制学术界没有半毛钱关系。丢人不，大牛们？

人在干，天在看，耍小聪明总是要还的。

建模吧，要搞好控制。

Åström的Automatica文章在这里

Control- A perspective by Astrom and Kumar.pdf