控制理论这门课在大学里被戏称为“自动化学子的成年礼”。有人觉得它玄之又玄满屏拉普拉斯变换和传递函数跟现实世界完全对不上号也有人觉得它不过是一堆数学公式的堆砌考完试就扔。我在读研期间听吴澄院士谈过一番关于控制理论教学的话当时记了一堆笔记后来自己走上教学岗、又带过不少毕业生回头再看那些笔记才发现里面句句都是大实话。这篇就把我理解到的核心内容整理出来结合我自己这些年踩过的坑和摸索出的经验聊聊控制理论到底应该怎么教、怎么学。1. 控制理论教学的核心问题先有工程直觉还是先有数学工具1.1 当前课堂普遍存在的“数学超载”现象控制理论的教学现状说实话有点尴尬。翻开任何一本经典教材前两章必然是数学准备复变函数、拉普拉斯变换、Z变换、状态空间表达式。这些工具当然重要但如果一上来就是密集的数学推导学生很容易产生一种错觉——学好控制理论就等于会算传递函数、会画根轨迹、会做频域分析。吴澄院士在讲话里强调的恰恰是反过来的数学工具是让人用来解决问题的不是用来吓人的。他在多个场合提到控制理论的教学容易走偏成“数学课”学生学完之后能推公式、能应付考试但见到真实系统完全不知道从哪下手。这个观察我后来在带毕业设计时深有体会——不少学生能把一道典型的校正题目解得很漂亮你让他调一下倒立摆或者温控系统的实际参数他就愣住了。问题出在哪出在教学顺序上。人的认知规律是“具象到抽象”而控制理论的教学很多时候搞成了“抽象到抽象”。学生脑子里没有物理图景没有“反馈到底是怎么一回事”的直观认识就直接被扔进数学符号的海洋里不晕才怪。1.2 “反馈”这个概念为什么值得花大力气讲透吴院士在讲话中反复强调控制理论最核心的灵魂是“反馈”二字这也是教学中最容易被轻视的地方。很多教材把反馈当作理所当然的前提直接开始讲各种控制器设计方法但学生其实并没有真正理解为什么要反馈开环控制为什么不行反馈到底是怎样改善系统性能的我自己的体会是反馈这个概念完全可以借助生活场景讲透。比如房间空调的定频与变频之争定频空调靠“开—停—开”维持温度这就是最简单的开关控制变频空调根据温差连续调节压缩机转速这是PID控制的直觉版本。再比如人走路眼睛看到前方有坑大脑指挥腿部调整步伐这就是一个典型的带前馈和反馈的闭环系统。一旦学生脑子里有了这些图景再回头看框图、看传递函数那些符号就活了。吴院士在讲话里有个观点我特别认同控制理论的教学应该让学生先建立“负反馈是自然界和工程系统中最基本的调节机制”这个大直觉然后再去看数学上它是怎么被精确描述的。先有道后有术这个顺序不能乱。2. 控制理论教学的三个层次原理、方法与实现2.1 第一层次控制系统的“对象观”建立理解控制理论的教学首先要解决“控制什么东西”的问题。吴院士在讲话中提到控制理论不是凭空产生的它脱胎于工程实际问题——蒸汽机调速器、舰船操舵、飞行器导航每一个经典控制方法的背后都是活生生的工程对象。所以教学的第一层次应该是让学生建立“对象观”拿到一个被控对象先搞清楚它的输入是什么、输出是什么、内部有哪些主要的动态特性、有哪些约束条件。这个阶段不需要深奥的数学而是需要大量的案例和直观展示。我在课堂上就喜欢用电机调速和温度控制这两个经典对象来开场因为它们物理意义明确、建模难度适中、实验验证方便学生能够很快地把抽象概念落到具体对象上。很多老师跳过这个层次直接讲数学模型学生会觉得模型是天上掉下来的。吴院士强调的“从对象到模型”这个过程其实是控制理论教学中衔接工程与数学的咽喉部位。这里讲透了学生后面学什么都顺这里含糊了后面步步被动。2.2 第二层次控制方法的“工具链”整合第二个层次是方法层面也就是常规教学重点覆盖的内容时域分析、根轨迹、频域分析、状态空间、最优控制、鲁棒控制等等。这个层次的核心不是教会学生一个个孤立的“招”而是让他们理解这些方法组成了一个完整的“工具链”——面对不同问题选用不同工具。吴院士在讲话里专门点过一个现象学生学了一堆控制器设计方法但不知道选哪个。原因就在于教学中把方法当成了知识点来考而不是当成了解决思路来教。正确的做法应该是逆向的先给一个控制需求比如“让系统响应快一点且超调不超过5%”然后让学生去挑用根轨迹能不能解决用频域校正好不好换成状态反馈行不行这样方法之间就有了对比和联系学生脑子里自然会长出一张“工具地图”。这个层次的教学要特别注意方法的适用条件。超前校正适用于什么系统、PID参数的整定规律是什么、LQR的加权阵怎么选这些都是有前提的。吴院士强调“工程判断力”的培养其实就是让学生知道每个工具的边界在哪里。2.3 第三层次仿真与实验的“真刀真枪”验证吴院士讲话中给我留下最深印象的是他在多个场合反复强调的一句话控制理论学得好不好拉到仿真和实验上一试便知。他主张控制理论的教学必须配套高质量的仿真和实验环节否则学生永远不会建立理论与实际之间的桥梁。我对此深有体会。MATLAB/Simulink应该是控制理论教学的基本配置但不是简单地让学生用Simulink搭个框图跑个阶跃响应就完事。关键是要让学生经历“完整链路”建模—设计控制器—仿真验证—硬件实现—参数调整。哪怕只是一个一阶惯性环节的温度控制实验完整走一遍链路收获远大于做十道纸面习题。吴院士在这点上说得更直接如果想真正搞控制仿真和实验是一体两面仿真中发现的很多问题数值刚性、离散化误差、采样周期选择恰恰是理论教学完全不会覆盖、但工程中百分之百会遇到的东西。课堂上讲的是连续系统的完美理论现实中几乎所有控制器都要在数字芯片上离散化实现这两者之间的鸿沟必须在教学环节中就让学生体会到。3. 吴澄院士讲话中关于教师与教学方法的细节解读3.1 教师应该充当“翻译者”而非“传声筒”吴院士在讲话中有一段话让我印象很深。他说有的老师上课就是把教材上的公式抄到黑板上念一遍布置作业下课。这样的教学本质上只是个“传声筒”没有起到任何加工和提炼的作用。一个真正好的控制理论老师应该像一个翻译者把数学语言翻译成工程语言把抽象公式翻译成物理直觉再把工程问题反向翻译成数学表达。举个具体例子。讲PID控制的时候P比例、I积分、D微分三个环节教材上就是三个系数加上一个传递函数。但如果老师能够翻译一下把P解释成“现在误差的力量”把I解释成“历史误差积累的算账”把D解释成“误差变化趋势的预感”学生立刻就有画面了。这不是降低学术水准而是用更符合认知规律的方式帮助建立理解等理解到位了再回到严谨的数学表达中。吴院士强调这种“翻译”能力是教师最核心的素养它建立在教师对理论和工程的双重深刻理解之上。一个自己都没有做过实际项目的老师很难把控制理论讲得生动透彻。3.2 善于用“归纳式教学”替代“演绎式教学”传统的控制理论教学大多是演绎式的先讲定义、再讲定理、然后推导、最后应用。这种方式的优点是逻辑严谨缺点是对学习者极不友好尤其是本科阶段的学生抽象推理能力还在发展过程中很容易被淹没在符号堆里。吴院士在讲话中提出一个思路能否反过来做归纳式教学先甩给学生一个复杂的工程问题让学生自己去摸索、去失败、去尝试然后在这个过程当中引出“需要什么工具”从而自然地引出控制理论的各个知识点。这种方法和现在流行的项目式学习PBL不谋而合但在十几年前吴老就已经在呼吁了。我在实际课堂中尝试过这种模式。给学生的第一个任务是“用Buck电路把一个变动范围内的输入电压稳住到5V输出”。学生会经历选器件、搭电路、发现电压纹波大、尝试加电容、发现动态响应差、尝试加反馈、发现存在超调与振荡……他们在这个被刻意设计的试错链条中自然地对PID的各个环节产生了需求。这时候再讲PID的原理所有人都听得无比专注因为他们已经被问题折磨过知道这些知识是拿来救命的。归纳式教学的成本更高需要教师设计合理的项目情景但对学生的理解深度和长期记忆效果完胜传统的满堂灌。3.3 课程考核方式也要跟着方法论走吴院士讲话中提到了考核方式的问题。他说控制理论这门课的考试如果只是“给一个系统要求在某某指标下设计一个控制器”那本质上还是在考数学计算。真正的考核应该包含过程性评价比如仿真项目的完成度、实验报告的规范程度、遇到问题后调试策略的合理性。这实际上是把考核从“考知识”转向了“考能力”。我后来在课程设计里把成绩拆成三部分理论笔试占40%仿真项目占30%实验操作与答辩占30%。过程虽然累一点但我能看到学生的变化——很多人为了仿真项目熬了几个通宵一遍一遍调试参数那种韧性纯粹应付期末笔试是不会出现的。吴院士的观点是教学评价体系会反过来塑造学生的学习方式。考什么学生就学什么。如果考的是理解、应用和创新学生自然就会朝着这个方向努力。4. 实际教学过程中的常见问题与应对策略4.1 学生“会算但不会用”的根源在哪“会算但不会用”是控制理论教学中被吐槽最多的问题之一。我分析下来根源在于学生的知识结构是“模块化”的而不是“网络化”的。他们会求闭环传递函数但不知道这个传递函数对应什么物理过程他们会判断稳定性但不知道系统不稳定了该调哪个环节他们会设计一个状态反馈阵但不知道传感器噪声会对实际效果产生多大冲击。吴院士在讲话中一针见血地指出了这个问题学生缺乏的是“知识之间的连接”。解决这个问题没有捷径只能在教学中不断设置“跨模块”的综合任务强迫学生把时域分析、频域分析、控制器设计、系统实现这些知识串联起来。一个综合大作业胜过十道孤立的小题目这是我在实践中验证过的经验。另外要破除学生“标准答案”的执念。控制系统的设计几乎永远没有唯一标准答案——不同的权重选择、不同的性能偏好会得到截然不同的合法设计。我在批改课程报告时最看重学生对自己设计取舍的解释而不是结果是否“完美”。4.2 “理论跟不上直觉”的困局怎么破有些学生直觉很强能凭感觉调好一个PID参数但一问他为什么这么调他讲不出理论依据。这种情况在动手能力强的学生中尤其常见他们往往觉得理论课无聊且没用。我的处理办法是顺水推舟既然你调试能力强那我要求你把调试的过程“翻译”成理论语言。你增大比例增益系统响应变快但超调增大这在频域对应什么相角裕度如何变化你把积分时间常数减少为什么稳态误差消失了低通特性怎么帮你压制了高频噪声这样硬生生地让学生把实践操作和理论知识撞个满怀两种思维方式就开始在脑子里融合了。吴院士讲话中有一段话和这个观点很契合控制理论教学的最终目的不是让学生成为“人形计算器”而是让他们的工程直觉具有理论支撑。直觉给方向理论给精度两者缺一不可。4.3 实验课“搭积木”现象的纠正控制理论实验课有个普遍现象——学生按实验指导书一步一步搭好电路或模型然后记录波形截图写报告整个过程中大脑几乎不需要运转。我称之为“搭积木式实验”。这种实验做了等于没做因为学生根本没有经历“做不出来怎么办”的挣扎。后来我把实验指导书改了去掉了一半的“手把手”步骤只给系统目标和提示性问题要求学生自己设计实验方案、自己规划调试路径。很多学生一开始很不适应但经历过几次失败之后他们反而觉得这是整个学期收获最大的环节。吴院士在讲话里谈过一个类似的观点学控制最好的老师是“现实世界”因为现实世界不会骗人。学生的控制器参数设得再漂亮系统跑起来振了那就是振了没有任何可以粉饰的空间。让学生尽早面对这种“现实世界的反馈”恰恰是控制理论教学最宝贵的部分。5. 控制理论教学的进阶方向与我的个人体会5.1 从经典理论向现代控制理论扩展的尺度把握很多人问现代控制理论状态空间法、LQR、H∞、模型预测控制到底应该在教学里占多大的比重吴院士的观点是经典控制理论是基石绝对不能丢但现代控制理论的视野也必须在教学中有体现关键是把握好尺度和难度。我自己的做法是“三层递进”本科核心阶段把经典控制理论讲深讲透这是所有学生的基本功大四阶段引入状态空间的概念和分析方法让学生了解到“输入—输出视角”之外还有“内部状态视角”研究生阶段再系统展开最优控制、鲁棒控制、非线性控制等前沿工具箱。这个节奏学生接受度最高也不至于因为一上来就处理复杂矩阵运算而劝退。5.2 结合前沿技术保持课程的生命力吴院士在讲话中提到过控制理论教学不能僵化要时刻关注新技术的发展。这些年人工智能和机器学习技术大热很多学生跑过来问我深度学习能不能做控制多智能体协同控制前景怎么样模型预测控制在工业现场是怎么落地的这些问题反映的是学生对前沿的好奇心是教学可以“借力”的天然入口。我会在课程最后安排几次开放式研讨让学生自己去找一个当前控制领域的热点方向比如无人驾驶的决策与控制、机器人的力位混合控制、智能电网的频率调节结合课程所学做一个小型综述报告。这个过程既巩固了基础理论又开拓了视野一举两得。吴院士当年讲话的语境里还没有这么强的人工智能元素但他强调的“控制理论教学要跟上时代”的精神是一致的。控制理论本身就在随着被控对象和计算能力的升级而不断演化教学也必须保持这种演化的张力。5.3 我的个人体会控制理论教学的“三个必须”这些年教学下来如果要凝练几句最想对同行说的话我总结为“三个必须”。必须让每一个学生亲手调一次参数。看别人调是一回事自己动手调又是另一回事。那种“为什么我把Kp调大了反而振荡”的困惑只有在亲手操作中才会真正涌现出来才会逼着他们回到理论中寻找答案。必须让每一个学生完整经历一次“从零搭建”的闭环设计过程。从对象认识、建模开始到控制器设计、仿真验证再到实验部署和参数整定走完这个全链路才算对控制理论有了初步的实践感知。必须让每一次课堂讨论都有“尖锐的问题”出现。老师最怕的不是学生问的问题太基础而是课堂上永远风平浪静。吴院士讲话中也有类似的感慨教育教学最成功的样子是课堂里有人提出与老师观点不同的建设性质疑。控制理论的教学归根结底不是知识搬运而是思维方式的重塑。吴澄院士当年的这场讲话虽然已经过去了一些年头但他对控制理论教学本质的洞察放到今天来看依然极具指导意义。这批经验简记若能为同行教师在备课和教学设计中提供一点参考就是它最大的价值了。