最优控制概述

最优控制是控制理论的核心分支之一，研究如何在满足系统动态规律和约束条件的前提下，寻找一个控制策略，使得系统的某个性能指标（如时间、能耗、误差）达到最优。

比如：给定一个动态系统（无人机、化学反应器等），我们希望它从初始状态转移到目标状态。通常有很多种控制方式都能实现这个转移，最优控制要做的就是从这无数种可能中，找到最好的那一种。

这个“最好”被定义为一个性能指标（也叫目标函数或代价函数），常见的指标包括：

时间最优：最快到达目的地（例如导弹拦截）。

能耗最优：消耗的能量或燃料最少（例如卫星变轨）。

轨迹最优：实际路径与理想路径偏差最小（例如自动驾驶车道保持）。

综合指标：兼顾时间、能耗、误差等多个因素，每个因素分配一个权重。

最优控制主要围绕以下核心问题展开：

（1）变分法：经典方法，解决无约束或简单约束的最优控制问题。它把控制问题看作一个泛函的极值问题（类似于普通函数求极值，但这里函数的自变量是一个函数）。

（2）庞特里亚金最小值原理：变分法的重大推广，是处理控制量有界（如发动机推力不能无限大）问题的核心工具。它给出了最优控制必须满足的必要条件。

（3）动态规划：由贝尔曼提出，核心思想是最优性原理。它将一个多阶段决策问题分解为一系列单阶段子问题，通过反向递推求解。得到的哈密顿-雅可比-贝尔曼方程是充分条件，但求解复杂。

（4）线性二次型调节器：一个特殊而重要的分支。当系统是线性的，性能指标是状态和控制量的二次型函数时，最优解可以写成简洁的状态反馈形式，并归结为求解一个黎卡提方程。这是工程上应用最广泛的方法之一。

（5）数值求解方法：对于复杂非线性系统或约束，解析解难以获得，需要依赖数值方法，例如打靶法、伪谱法等。

一个典型的最优控制问题求解流程如下：

（1）系统建模：建立被控对象的状态空间方程。

（2）明确目标：定义性能指标 J（时间最短、能耗最小等）。

（3）定义约束：明确终端约束（终态要求）、路径约束（状态、控制量的上下限）。

（4）选择方法：根据问题特性选择上述方法（解析解尝试最小值原理，工程复杂问题用数值解法或MPC）。

（5）推导/求解必要条件：

解析法：构造哈密顿函数H，根据最小值原理得到控制方程（无约束）或使H最小（有约束）、协态方程和横截条件。

数值法：将问题离散化，调用非线性规划求解器。

（6）解两点边值问题：结合初态条件和横截条件，求解微分方程组。这通常是最困难的一步。

（7）验证与实现：检查解是否满足约束，是否为局部极小（必要时验证二阶充分条件），最终将得到的最优控制律应用于系统。

最优控制几乎在所有需要自动化、智能化和高精度的领域都有应用：

航空航天：火箭弹道设计（燃料最优）、航天器交会对接、卫星姿态控制、无人机路径规划。

机器人：工业机械臂时间-能量最优轨迹规划、移动机器人避障路径规划、双足机器人步态控制。

自动驾驶：车辆横向与纵向控制（如自动换道、自适应巡航，常采用MPC实现）、赛车圈速最优控制。

过程控制：化工反应器的温度、压力、浓度控制（追求高产、低耗）、炼油过程优化。

能源系统：风电机组最大功率点跟踪、电池管理系统充放电策略、电网经济调度。

生物医学：最优给药策略（如癌症化疗、胰岛素注射），神经调控参数优化。

经济学与管理：最优投资策略、库存管理、广告投入决策。