一、自校正控制（STC）——让控制器自己“校准”自己
各位好，我是老张。今天咱们聊聊自校正控制。说实话，我第一次接触这个概念时，心里想的是：“这不就是自适应控制换了个马甲吗？”后来真正做项目才发现，两者还真不一样。
自校正控制，英文叫 Self-Tuning Control，简称 STC。它的核心思想很简单：控制器自己在线调整参数，让系统性能一直保持最优。你想想看，传统 PID 调好了参数，系统一变就拉胯。STC 呢？它边运行边学习，边学习边调整。
我个人习惯把 STC 比作“带修正功能的自动驾驶”。你设定好目标，它自己判断路况，自己修正方向盘。嗯，这个比喻虽然不严谨，但初学者好理解。
核心要点：STC 的两个关键步骤——在线辨识（估计系统模型） + 控制器设计（基于模型计算新参数）。两者循环往复，形成闭环。
1.1 自校正控制的基本原理
STC 的框架其实不复杂。我画了一张图，你看完就明白了。
看到没？虚线部分就是自校正的灵魂。系统输出 y(t) 送回到辨识模块，辨识模块算出当前模型参数，然后控制器设计模块根据模型重新计算控制器参数，再更新到控制器里。循环往复，永不停歇。
我的经验：做 STC 项目时，千万别把辨识和控制器设计割裂开。我曾经犯过这个错——辨识模块跑得飞快，控制器设计却跟不上，结果系统震荡得一塌糊涂。后来我强制让两者同步更新，问题就解决了。
1.2 最小方差自校正控制
最小方差自校正控制，英文 Minimum Variance Self-Tuning Control，简称 MVSTC。说白了，它的目标就是让系统输出的方差最小。
为什么要最小化方差？你想想看，在造纸、轧钢这些工业过程中，产品厚度波动越小，质量越稳定。我当年做造纸机厚度控制时，甲方要求厚度偏差不超过 ±0.1mm。用传统 PID 死活做不到，换了 MVSTC 后，偏差直接降到 ±0.03mm。嗯，那次项目验收我印象特别深。
MVSTC 的核心公式长这样：
控制器输出 u(t) = - (B(q⁻¹) / A(q⁻¹)) * y(t)
其中：
- A(q⁻¹) 和 B(q⁻¹) 是系统多项式
- q⁻¹ 是后移算子
- 控制目标是使 J = E[y²(t+d)] 最小这里 d 是系统时延。我提醒一句：时延估计不准，MVSTC 会直接崩掉。我曾经在项目里遇到过，时延估少了 1 个采样周期，控制器输出直接发散。后来我加了个时延在线估计模块，才算稳住。
避坑指南：MVSTC 对非最小相位系统（即零点在单位圆外的系统）非常敏感。如果你发现控制器输出忽大忽小，先检查系统是不是非最小相位的。如果是，别用 MVSTC，换广义最小方差。
1.3 广义最小方差自校正控制
广义最小方差自校正控制，Generalized Minimum Variance Self-Tuning Control，简称 GMVSTC。它是对 MVSTC 的改进，解决了两个痛点：
- 控制量过大——MVSTC 为了压方差，有时会让控制器输出剧烈波动
- 非最小相位系统不稳定——MVSTC 遇到这种系统直接歇菜
GMVSTC 的改进思路很直接：在目标函数里加入控制量的惩罚项。公式变成：
J = E[y²(t+d) + λ * u²(t)]
其中 λ 是控制量权重系数
λ 越大，控制量越平缓，但跟踪性能会下降你看，多了一个 λ 参数。λ 怎么选？我个人习惯先设 λ=0.1，然后看控制量波动情况。如果波动太大，逐步增大 λ，直到控制量在可接受范围内。如果跟踪太慢，减小 λ。
| 参数 | MVSTC | GMVSTC |
|---|---|---|
| 目标函数 | J = E[y²(t+d)] | J = E[y²(t+d) + λu²(t)] |
| 控制量约束 | 无 | 有（通过 λ 调节） |
| 非最小相位系统 | 不稳定 | 稳定（λ 足够大时） |
| 适用场景 | 时延已知、最小相位系统 | 时延未知、非最小相位系统 |
我再说个实际案例。有一次做化工反应釜温度控制，系统是非最小相位的——温度先反向再正向，典型的“右半平面零点”问题。用 MVSTC 试了三次，三次都发散。换成 GMVSTC，λ 调到 0.5，系统稳得像老狗。嗯，那次之后我就成了 GMVSTC 的铁粉。
总结一下：
- MVSTC 适合“干净”的系统——时延准、最小相位、控制量不限
- GMVSTC 适合“脏”的系统——时延不准、非最小相位、控制量有限
- 实际项目中，我建议优先用 GMVSTC，λ 从 0.1 开始试
1.4 实现要点与注意事项
最后聊几个实现时的坑。我踩过的，你们别踩了。
- 辨识算法别用太复杂的——递推最小二乘（RLS）就够用，别上来就上卡尔曼滤波。我见过有人用粒子滤波做在线辨识，结果计算量太大，控制器周期跟不上。
- 别忘了加遗忘因子——RLS 的遗忘因子 λ_forget 一般取 0.95~0.99。太小了参数跳得厉害，太大了跟不上变化。我习惯取 0.97。
- 初始化要保守——刚开始辨识时，参数协方差矩阵 P 设大一点（比如 1000I），让算法快速收敛。但别太大，否则初期参数会乱跳。
- 加个参数限幅——辨识出来的参数如果超出物理范围，直接截断。我曾经没加限幅，结果辨识出个“负阻尼”参数，控制器直接震荡到保护停机。
我的小技巧：在 STC 上线前，先用离线数据跑一遍辨识和控制器设计。确认参数收敛、控制量合理，再切到在线模式。这个“半离线”测试能帮你省掉至少一半的调试时间。
好了，自校正控制的核心内容就这些。下一章咱们聊模型参考自适应控制（MRAC），那个又是另一套玩法了。
公众号:蓝海资料掘金营，微信deep3321