《自动化专业本科三年级：多变量耦合系统的分析与综合》教案

  《自动化专业本科三年级：多变量耦合系统的分析与综合》教案

一、 顶层设计理念

本教学设计立足于新工科建设与工程教育专业认证的核心要求，以“学生中心、产出导向、持续改进”为根本遵循，旨在突破传统《自动控制原理》课程中单输入单输出（SISO）线性定常系统的教学范式。课程聚焦于“多变量耦合系统”这一复杂工程对象，将动态系统理论、现代控制理论、运筹学及计算机科学进行深度融合。教学理念从“传递函数”导向升维至“系统状态空间”与“外部干扰与模型不确定性”共存的真实场景导向，强调在动态演化、强耦合、多目标约束下进行系统分析与综合的能力培养。通过引入项目式学习（PBL）与基于模型的设计（MBD）方法，构建“理论建模-算法仿真-半物理验证”的迭代探究链条，使学生在解决近似工业级复杂度的综合课题中，掌握动态调控的核心思想与前沿工具，形成应对未来智能无人系统、能源互联网、先进制造等复杂系统挑战的初步能力。

二、 教学目标

（一） 核心概念与理论建构目标

1.学生能够精确定义多变量耦合系统、能控性、能观性、鲁棒性、李雅普诺夫稳定性等核心概念，并辨析其与经典控制概念的异同与联系。

2.学生能够熟练运用状态空间表达式对机电、化工、信息物理系统中的耦合动态进行数学建模，并理解模型简化的前提与代价。

3.学生能够深刻理解状态反馈与输出反馈在改变系统动态特性（如极点配置）与解耦控制中的原理，掌握全维与降维状态观测器的设计方法。

（二） 工程分析与综合能力目标

4.分析能力：能够对给定多变量系统进行能控能观性分解、稳定性判据分析（包括内部稳定与输入输出稳定）、以及对耦合强度的定量评估。

5.综合能力：能够针对特定性能指标（如二次型最优、H∞鲁棒性能），设计状态反馈控制器、解耦控制器或观测器；能够初步运用线性矩阵不等式（LMI）等工具处理具有参数不确定性的系统综合问题。

6.仿真与验证能力：能够熟练使用MATLAB/Simulink、Python（ControlSystemsLibrary）等工具，搭建系统模型，实现控制算法，并开展蒙特卡洛仿真以验证系统在参数摄动与外部扰动下的鲁棒性。

（三） 高阶思维与职业素养目标

7.系统思维：形成从整体架构、信息交互、动态演化角度审视工程系统的思维习惯，理解“调控”的本质是对系统内部结构与外部交互的有目的干预。

8.跨学科关联能力：能够识别生物网络、社会经济系统中蕴含的动态调控原理，理解控制论的普适性哲学内涵。

9.伦理与可持续发展意识：在系统设计环节中，能主动考量算法的社会影响、系统的能源效率与环境足迹，树立负责任的工程师价值观。

三、 教学内容与知识图谱

本模块教学围绕“一个核心问题、两条技术主线、三类实践载体”展开，共计32学时。

（一） 核心问题：如何为一个内部变量相互关联、同时受多种外部干扰影响的多输入多输出（MIMO）动态系统，设计一套使得其输出能准确、稳定、鲁棒地跟踪指令，同时满足多项动态性能指标与约束的调控策略？

（二） 知识图谱与内容模块：

1.模块一：复杂系统动态的数学表征与基本特性（8学时）

1.2.从SISO到MIMO：状态空间模型的优势与必然性。通过双容水箱、飞行器姿态、机械臂多关节等案例引入。

2.3.系统结构特性分析：能控性、能观性的几何与代数判据及其物理含义。对偶原理。

3.4.多变量系统稳定性：李雅普诺夫直接法在线性与简单非线性系统中的应用。内部稳定与BIBO稳定的关系。

4.5.系统标准型：能控标准型、能观标准型、对角标准型（解耦的前提）。

6.模块二：基于状态空间的动态调控综合（12学时）

1.7.状态反馈极点配置：单输入系统极点配置的阿克曼公式，多输入系统极点配置的自由度与实现方法。

2.8.输出反馈与静态解耦：前馈补偿与状态反馈结合实现输出动态解耦。

3.9.最优调控（LQR）：以二次型性能指标为目标的的状态反馈设计，黎卡提方程的求解与物理意义。

4.10.状态估计与动态输出反馈：全维与最小阶观测器设计，分离原理及其在基于观测器的输出反馈调控中的应用。

11.模块三：不确定环境下的鲁棒调控初探（8学时）

1.12.系统不确定性的描述：参数不确定性、未建模动态、外部干扰的数学表征。

2.13.鲁棒稳定性与性能：H∞范数的概念，小增益定理的初步引入。

3.14.鲁棒调控初步：基于LMI的鲁棒状态反馈控制器设计方法简介（以参数依赖Lyapunov函数为例）。

15.模块四：综合项目实践与前沿纵览（4学时）

1.16.项目实践成果展示与答辩。

2.17.前沿方向简介：分布式协同控制、网络化控制系统、自适应控制、数据驱动控制与学习的结合。

四、 教学实施过程详案

（一） 课前准备阶段（贯穿始终）

1.知识预备诊断：通过线上平台发布前置测试，聚焦线性代数（矩阵理论、特征值）、经典控制理论（稳定性、频域分析）、常微分方程等知识点，系统自动生成个性化复习资料包。

2.情境锚定案例推送：每次课前一至两天，推送与本次课理论相关的微型案例视频或文档。例如，在讲授“能控性”前，推送“火箭姿态调整发动机失效情况下的应急方案”问题；在讲授“LQR”前，推送“无人驾驶汽车在舒适性（控制量小）与快速性（状态误差小）间的权衡”讨论帖。

3.开源仿真环境配置：要求学生提前在个人计算机上完成MATLAB/Simulink或Python相关控制工具箱的安装与测试，并提供docker镜像作为备用。

（二） 课堂教学实施阶段（以“模块二：最优调控（LQR）与物理权衡”6学时为例）

第1-2学时：从直观权衡到数学刻画

1.情境再现与问题引爆（20分钟）：播放一段四旋翼无人机飞行视频，先展示其平稳悬停，后展示其进行高速机动。提问：“在悬停时，我们希望电机转速变化柔和以节省电量；在机动时，我们希望快速响应指令。这对控制器设计提出了什么矛盾的要求？”引导学生得出“控制能量”与“状态误差”需要折衷的结论。进而，展示一个简单的倒立摆小车位置控制仿真，通过调节控制器参数，直观演示“控制用力过猛”（超调大、能耗高）与“控制过于温柔”（收敛慢、抗干扰差）两种极端现象。

2.数学框架建构（40分钟）：自然引出二次型性能指标J=∫(xᵀQx+uᵀRu)dt的数学形式。深入剖析每一项的物理与数学意义：

1.3.xᵀQx：状态误差的“代价”。通过改变Q矩阵中对角元的权重，解释为何更关心某些状态（如倒立摆的角度误差权重可能远高于小车位置误差权重）。非对角元代表状态误差间的关联代价（略作介绍）。

2.4.uᵀRu：控制能量的“代价”。R矩阵权衡各通道控制量的消耗。

3.5.Q与R的相对大小：全局的“性价比”权衡。通过一个标量系统J=∫(qx²+ru²)dt的简单分析，直观展示q/r比值越大，控制器越“激进”（反馈增益大，响应快，但能耗高）；比值越小，控制器越“保守”。

6.初步探究活动（30分钟）：学生两人一组，在提供的Simulink模型（一个二阶质量-弹簧-阻尼系统）中，手动尝试调节不同的Q、R矩阵参数（通过滑块控件），观察系统阶跃响应的变化，并记录超调量、调节时间以及控制信号的能量（积分平方和）。要求每组至少找到三组体现不同权衡倾向的参数，并截图记录。

第3-4学时：最优解的寻求与工程内涵

1.理论推导与算法呈现（40分钟）：提出核心问题：“给定Q和R，如何自动找到使J最小的那个‘最优’状态反馈律u=-Kx？”引导学生回顾变分法或最小值原理的思想，简要推导出黎卡提代数方程PA+AᵀP-PBR⁻¹BᵀP+Q=0。强调P矩阵对称正定的意义及其作为“代价矩阵”的角色（最优代价为x₀ᵀPx₀）。最终得出反馈增益矩阵K=R⁻¹BᵀP。利用MATLAB现场演示lqr

函数的调用，并可视化求解出的K与P。

2.深度案例研讨（30分钟）：回归四旋翼无人机简化的纵向模型。给定一个具体的状态空间模型（A,B），组织学生分组讨论并确定Q、R矩阵的设计原则。引导性问题包括：“姿态角误差和角速度误差，哪个对飞行安全更重要？权重如何设定？”“四个电机的控制效能相同，R矩阵应如何设定？如果其中一个电机效率较低，应如何调整R？”各组在白板（或共享在线文档）上写出初步的Q、R设计，并陈述理由。

3.仿真验证与参数迭代（20分钟）：教师展示一个基准的Q、R设计及其仿真结果。随后，邀请两组学生将本组设计的Q、R参数输入仿真模型，现场运行并对比控制效果与性能指标J的值。引导全体学生观察：性能指标J的数值变化是否与主观的“控制效果”评价一致？是否出现了“指标优但观感差”的情况？讨论其原因（可能是指标未完全涵盖所有工程要求，如峰值时间、超调）。

第5-6学时：拓展、反思与项目衔接

1.LQR的局限性与扩展（30分钟）：提出挑战：“如果系统存在常值干扰，LQR控制下稳态误差为何可能不为零？”引出积分作用的必要性，简介线性二次型积分调节器（LQI）的基本思想。进一步提问：“如果我们预先知道参考指令是时变的，例如期望无人机跟踪一条特定轨迹，LQR框架如何扩展？”引出跟踪问题与前馈控制结合的思路。此部分旨在展示核心理论工具的边界及其扩展方向。

2.连接项目实践（40分钟）：发布本模块关联的综合项目任务书之一部分：“为提供的两连杆机械臂模型设计一个轨迹跟踪控制器。要求：1）基于LQR方法设计状态反馈，自行合理选择Q、R矩阵以实现关节空间内的点对点快速稳定运动；2）在存在关节摩擦力矩（模型已知）的情况下，改进设计以消除稳态误差；3）在仿真中，对比纯LQR与加入积分作用的控制器在跟踪阶跃指令和正弦指令时的性能。”课堂剩余时间，学生开始组队，查阅提供的机械臂模型文档，并进行初步的Q、R参数讨论。

3.元认知反思小结（20分钟）：引导学生以思维导图形式总结LQR设计的全流程：从工程目标->性能指标数学化(Q,R)->求解黎卡提方程(K)->仿真验证->依据结果调整指标(Q,R迭代)。强调这是一个“设计-验证-再设计”的迭代过程，是工程综合的核心范式。

（三） 课后巩固与拓展阶段

1.分层作业：

1.2.基础层：完成教材习题，涉及给定系统与Q、R，计算最优增益K，并分析权重变化对闭环极点的影响。

2.3.提高层：针对一个小型MIMO系统（如双输入双输出），设计对角Q、R，利用仿真研究不同通道间权重比对解耦效果的影响。

3.4.挑战层：阅读一篇应用LQR解决实际工程问题（如卫星姿态控制、机器人行走）的期刊论文概要，撰写阅读报告，分析其Q、R设计可能考虑的工程因素。

5.项目小组协作：在课程专属的GitLab仓库中，各项目小组建立自己的分支，开始编写仿真脚本，定期提交代码版本。教师和助教通过MergeRequest的方式审查代码，提出修改意见。

6.线上论坛研讨：设立“LQR调参经验分享”、“黎卡提方程求解数值问题”、“我的项目进展与障碍”等话题版块，鼓励学生提问、分享仿真动图与数据。

五、 教学评价与反馈机制

本课程采用“过程性评价为主、终结性评价为辅”的多元评价体系，权重分配如下：

（一） 过程性评价（70%）

1.个人知识掌握度（30%）：包括线上章节测验（10%）、个人作业（10%）、以及两次闭卷式期中诊断考试（10%），侧重考核核心概念与基本计算。

2.项目实践能力（40%）：

1.3.过程文档（15%）：项目开题报告（问题分析、方案设计）、定期进展日志（含代码版本记录）、最终技术报告。评价标准：问题分析的深度、方案的创新性与可行性、文档的规范性。

2.4.成果质量（15%）：仿真系统的功能完整性、代码质量与注释、控制性能指标的达成度、鲁棒性测试结果。通过小组答辩和视频演示进行。

3.5.团队协作与个人贡献（10%）：基于GitLab提交记录、团队互评、以及答辩时对个人提问的回应情况综合评定。

（二） 终结性评价（30%）

期末闭卷考试，重点考察对多模块知识的综合运用能力。试卷包含：1）概念辨析与简答题，考察对知识体系的理解；2）系统建模与分析题；3）综合设计题，提供一个中等复杂度的新系统描述，要求考生完成从建模、特性分析到控制器方案设计的完整逻辑链条。

（三） 持续反馈机制

6.每周通过线上学习分析仪表盘，向学生反馈其视频观看进度、测验成绩趋势、论坛参与度等数据。

7.项目进行中，安排至少两次正式的“设计评审会”，模仿工业界流程，由教师和助教担任评审专家，对小组方案提出质询和改进建议。

8.课程结束后，发放匿名教学反馈问卷，重点收集对项目难度、工作量、支持资源有效性的意见，用于下一轮课程的迭代改进。

六、 教学资源与技术支持

1.核心教材与参考书：指定一本经典现代控制理论教材为主教材，同时提供多本侧重工程应用、最优控制、鲁棒控制的英文经典教材作为拓展阅读。

2.虚拟仿真实验平台：基于MATLABOnline或JupyterHub搭建的云端实验环境，预置所有基础性仿真模型，确保学生无需担心本地软件配置问题即可开展核心练习。

3.半物理仿真实验箱（可选，用于学有余力的小组）：提供基于树莓派/STM32的微型倒立摆、球杆系统或四旋翼实验平台，允许学生将仿真代码部署到真实硬件上进行快速原型验证，体验从数字仿真到物理实现的“最后一公里”挑战。

4.案例数据库：积累来自航空航天、机器人、过程控制、智能电网等领域的经典控制问题描述、简化模型及参考文献，供学生项目选题与深入