1. 项目背景与核心挑战从“高压油管”到“压力控制”如果你在2019年参加过“高教杯”全国大学生数学建模竞赛或者对数学建模稍有了解那么“高压油管压力控制”这个A题绝对是一个绕不开的经典案例。它不像一些纯理论题目那样抽象而是将一个非常具体的工业场景——柴油发动机的燃油喷射系统——直接搬到了参赛者面前。题目要求我们建立数学模型研究如何通过控制一个单向阀门的开闭来稳定高压油管内燃油的压力。听起来似乎是个工程控制问题但它的内核却是一个对数学建模综合能力要求极高的“硬骨头”。为什么说它“硬”首先它涉及多物理场耦合。高压油管内的压力变化本质上是流体动力学问题涉及到燃油的可压缩性、管壁的弹性形变、阀门的瞬态启闭、以及入口和出口的流量边界条件。这些因素相互影响任何一个环节处理不当都会导致模型失真。其次它要求从机理出发进行建模。题目提供了燃油的弹性模量、密度、压力-密度关系等关键参数这意味着我们不能简单地套用某个现成的黑箱模型而必须从基本的物理定律如质量守恒、动量守恒、状态方程出发推导出描述系统动态的微分方程。最后它极具实战价值。稳定高压油管压力是保证柴油机高效、清洁燃烧的关键这个问题的研究成果可以直接应用于电控燃油喷射系统的优化设计。对于参赛队伍而言这道题挑战的不仅是数学功底和编程能力更是将复杂工程问题抽象、简化为可计算数学模型的能力。你需要决定是采用集中参数模型还是分布参数模型如何处理阀门的非线性开关行为如何数值求解可能出现的刚性微分方程组每一步选择都直接关系到最终结果的精度和计算效率。接下来我将以一个亲历者的视角拆解这道题的全过程分享我们当时的建模思路、求解策略以及那些“踩过坑”才得来的经验。2. 问题一解析单向阀供油下的压力稳定策略第一问是整个题目的基石它设定了一个相对简单的场景高压油管初始压力为100 MPa仅通过一个单向阀门从外部供油供油压力恒为160 MPa。我们需要设计单向阀门的开闭策略使得高压油管内的压力在2秒后稳定在100 MPa并且压力波动尽可能小。2.1 模型建立从质量守恒到状态方程我们的核心思路是建立高压油管的“充放气”模型。将高压油管视为一个控制体其内部压力的变化源于流入和流出的质量差。第一步确定核心方程——质量守恒。设高压油管容积为 ( V )常数由题目给出内部燃油密度为 ( \rho )质量为 ( m \rho V )。根据质量守恒定律质量随时间的变化率等于净流入质量流量 [ \frac{dm}{dt} \frac{d(\rho V)}{dt} V \frac{d\rho}{dt} Q_{in} - Q_{out} ] 其中( Q_{in} ) 是经单向阀流入的质量流量( Q_{out} ) 是经喷油嘴流出的质量流量。在第一问中( Q_{out} ) 被设定为0即不考虑喷油。第二步引入关键桥梁——压力-密度关系。压力 ( p ) 和密度 ( \rho ) 并非独立。题目给出了燃油的弹性模量 ( E ) 与其密度、压力的关系( E \frac{\rho dp}{d\rho} )。这是一个微分关系。更常用的形式是状态方程。通过对该式进行积分并利用参考状态如 ( p_0, \rho_0 )可以得到压力与密度的显式关系。一种常见的简化是假设弹性模量 ( E ) 为常数则可积分得 [ p p_0 E \ln(\rho / \rho_0) ] 但题目给出的弹性模量 ( E ) 与压力 ( p ) 有关( E p \cdots )这表明燃油的可压缩性是非线性的。因此更精确的做法是建立 ( p ) 和 ( \rho ) 的微分关系式并将其与质量守恒方程联立。第三步刻画边界条件——阀门流量模型。单向阀的流量 ( Q_{in} ) 是其开闭状态和上下游压差的函数。当阀门打开时流量通常用孔口流量公式估算 [ Q_{in} C_d A \sqrt{2 \frac{p_{in} - p}{\rho}} ] 其中( C_d ) 是流量系数( A ) 是阀门有效流通面积开度函数( p_{in} 160\text{ MPa} ) 是供油压力( p ) 是油管内压力。这里的关键是 ( A ) 如何随时间变化这直接对应我们所要“设计”的阀门开闭策略。最简单的策略是采用“开关控制”阀门要么全开( A A_{max} )要么全关( A 0 )。于是我们得到了一个由微分方程和代数方程耦合的系统质量守恒方程( V \frac{d\rho}{dt} Q_{in}(p, \rho) )。状态方程微分形式( \frac{dp}{d\rho} \frac{E(p)}{\rho} )。流量方程( Q_{in} \begin{cases} C_d A_{max} \sqrt{2(p_{in}-p)/\rho} \text{阀门开} \ 0 \text{阀门关} \end{cases} )。2.2 控制策略设计与求解从Bang-Bang控制到PID思想我们的目标是设计阀门开闭的时序这是一个典型的最优控制问题。但对于数学建模竞赛的有限时间来说我们可以采用更直观的“启发式反馈校正”策略。初始策略Bang-Bang控制最直接的想法是当油管压力 ( p ) 低于目标值100 MPa时打开阀门充油升压当 ( p ) 高于100 MPa时关闭阀门。这本质上是一个Bang-Bang控制器双位控制。我们编写程序如MATLAB对上述微分方程组进行数值积分常用ode45。模拟后发现由于系统的惯性燃油的可压缩性和流动惯性单纯地以100 MPa为阈值进行开关会导致压力在目标值附近剧烈振荡无法稳定。改进策略引入滞回与提前量这是第一个“坑”。物理系统有延迟阀门动作的瞬间压力不会立即改变。因此我们需要引入“滞回区间”或“预测”。我们的策略调整为开启条件当压力 ( p ) 低于一个下限值 ( p_{low} )如99.5 MPa时开启阀门。关闭条件当压力 ( p ) 高于一个上限值 ( p_{high} )如100.5 MPa时关闭阀门。 并且( p_{low} ) 和 ( p_{high} ) 不能对称因为充油和泄油的动态特性不同。需要通过仿真反复调试这两个阈值。进阶策略模拟PID原理为了获得更平滑的压力曲线我们可以模拟比例-积分-微分PID控制的思想。虽然不直接实现连续的PID算法但可以设计更复杂的开关逻辑。例如比例思想根据压力与目标值的偏差大小决定阀门开启的持续时间。偏差大开启时间长一些。积分思想监测压力是否长期偏离目标值存在稳态误差如果一段时间内平均压力偏低则适当降低关闭阈值 ( p_{high} )让系统多充一点油。微分思想监测压力变化率。如果压力正在快速上升并接近目标值可以提前关闭阀门利用系统惯性达到目标值避免超调。在实际编程求解中我们采用时间步进法。在每个微小时时间步长 ( dt ) 内根据当前压力 ( p(t) )依据上述控制策略判断阀门状态。根据阀门状态计算当前流入质量流量 ( Q_{in} )。利用质量守恒方程 ( \frac{d\rho}{dt} Q_{in}/V ) 更新密度 ( \rho )。利用状态方程 ( dp (E/\rho) d\rho ) 更新压力 ( p )。时间步进重复1-4直至2秒结束。关键技巧与踩坑点微分方程求解器的选择如果直接对 ( dp/dt ) 和 ( d\rho/dt ) 联立的微分方程组求解由于状态方程的非线性可能导致方程“刚性”。我们当时采用了分离更新的方法先更新 ( \rho )再通过状态方程求 ( p )将微分方程转化为差分方程用简单的欧拉法迭代虽然精度略低但更稳定直观适合控制逻辑的嵌入。参数校准流量系数 ( C_d )、阀门有效面积 ( A_{max} ) 题目未明确给出需要自己设定合理值。我们的经验是先根据典型工程值设定如 ( C_d ) 取0.6-0.8然后以“能否在2秒内将压力从100 MPa调整到100 MPa”为粗略目标进行反推和调试。这是一个试错过程。稳定性判断压力“稳定在100 MPa”需要量化。我们定义了一个允许的波动带例如 ( 100 \pm 0.5 ) MPa并计算在最后0.5秒内压力处于该波动带的时间占比要求占比超过95%。同时压力曲线的峰值和谷值也是重要的评价指标。最终通过精心调整开关阈值和引入简单的预测机制我们得到了一条压力波动幅度在 ( \pm 0.3 ) MPa 以内、快速趋于稳定的曲线并将完整的阀门开闭时间序列作为答案输出。3. 问题二深入加入喷油器后的周期性压力调节第二问引入了现实世界中最核心的扰动源喷油器。题目要求考虑一个已知的、周期性的喷油器工作规律例如每间隔一定时间喷油一次每次喷出固定质量的燃油在此背景下重新设计单向阀的控制策略使得高压油管内的压力仍能稳定在目标值如100 MPa附近。这一问的难度陡增因为系统从一个简单的“一阶充放”系统变成了一个存在周期性“外泄”的受迫系统。控制目标也从简单的“到达并保持”变成了“动态抵消扰动维持平均压力”。3.1 模型扩展引入周期性质量流出项模型的基础框架与第一问相同核心变化在于质量守恒方程中的 ( Q_{out} ) 不再为0。 [ V \frac{d\rho}{dt} Q_{in}(t) - Q_{out}(t) ] 这里的 ( Q_{out}(t) ) 是一个随时间变化的函数用来描述喷油器的动作。通常一次喷油过程持续时间极短毫秒级可以近似为一个瞬时脉冲即在某个时刻 ( t_k )系统瞬间减少固定质量 ( \Delta m ) 的燃油。在微分方程中这表现为一个狄拉克δ函数形式的源项。但在数值计算中我们将其处理为在一个非常短的时间窗 ( \Delta t_{inj} ) 内有一个恒定的高流量流出 [ Q_{out}(t) \begin{cases} \frac{\Delta m}{\Delta t_{inj}} \text{当 } t \in [t_k, t_k \Delta t_{inj}] \ 0 \text{其他时间} \end{cases} ] 其中( \Delta m ) 由每次喷油量体积或质量给出( t_k ) 是喷油时刻由喷油周期决定。3.2 控制策略升级从被动响应到前馈-反馈协同面对周期性的喷油扰动第一问中简单的滞回开关控制会显得力不从心。压力会随着每次喷油产生一个陡降然后阀门打开充油补压形成周期性的锯齿波。这种被动响应的结果往往是波动幅度大且平均压力可能偏离目标值。策略一前馈补偿Feedforward这是解决周期性扰动的利器。既然喷油规律 ( Q_{out}(t) ) 是已知且周期性的我们可以进行“预见性”控制。思路是让阀门的供油流量 ( Q_{in}(t) ) 在理想状态下恰好等于喷油流量 ( Q_{out}(t) )那么根据质量守恒方程( d\rho/dt 0 )压力就能保持绝对恒定。 具体操作在每一个喷油周期开始前提前打开阀门使得在喷油发生的时段内累计的供油量等于该周期的喷油量。这需要精确计算阀门需要开启的时长和时机。踩坑点这个想法很完美但现实中阀门响应、流量计算误差、模型简化误差都会导致补偿不精确产生累积误差。因此纯前馈控制是不够的。策略二前馈-反馈复合控制我们实际采用的是以“前馈补偿为主反馈微调为辅”的策略。前馈模块根据已知的喷油周期和喷油量计算出一个基准的阀门开启计划。例如假设喷油每 ( T ) 秒一次每次喷出质量 ( \Delta m )。那么平均需要补充的质量流量就是 ( \Delta m / T )。我们可以将这个平均流量折算成阀门在每个周期内需要开启的总时长。反馈模块实时监测压力 ( p ) 与目标值 ( p_{target} ) 的偏差 ( e(t) p_{target} - p(t) )。这个偏差信号用来微调前馈计划。比例微调根据偏差大小动态调整当前周期内阀门的开启时长。偏差为正压力偏低则适当延长开启时间反之则缩短。积分微调监测平均压力的长期偏差。如果一段时间内平均压力持续偏低说明前馈补偿量不足系统性地增加每个周期的基准开启时长。实施流程在仿真程序中我们维护一个“控制时钟”。在每个控制步长判断当前是否处于喷油脉冲时段并计算该步长内的 ( Q_{out} )。执行前馈逻辑根据当前时刻在喷油周期中的相位决定基准的阀门状态开或关。这个基准状态表是事先根据喷油规律计算好的。执行反馈逻辑读取当前压力偏差 ( e(t) )根据P比例或PI比例-积分规则生成一个对阀门状态的调整量例如将“关”变为“开”或将计划中的“开启结束时刻”延迟一段时间。综合前馈和反馈信号确定最终的阀门状态。代入模型方程更新系统的压力和密度状态。3.3 仿真结果与参数整定通过调整前馈补偿的强度和反馈控制的参数比例系数 ( K_p )、积分系数 ( K_i )我们最终得到了比纯反馈控制平稳得多的压力曲线。喷油造成的压力骤降被前馈的提前供油有效“填平”反馈控制则消除了模型误差和微小扰动带来的漂移。重要经验采样周期与控制周期喷油和阀门动作都是离散事件。数值仿真的步长 ( dt ) 需要远小于这些事件的时间尺度通常取0.1毫秒或更小否则会丢失关键动态甚至导致数值不稳定。流量模型的准确性第二问中由于压力波动范围可能更大孔口流量公式 ( Q \propto \sqrt{\Delta p} ) 的非线性特性更加明显。在压力接近供油压力160 MPa时驱动压差 ( \Delta p ) 很小流量会变得非常小充油效率极低。在控制逻辑中需要考虑这个饱和特性避免在高压差下无效地长时间开启阀门。评价指标除了压力波动范围我们还应关注压力的周期平均值是否精确等于目标值以及压力曲线在每个喷油周期内的形状是否一致一致性越好说明控制越鲁棒。4. 问题三的复杂性与开放性探索第三问通常是赛题的升华在2019年A题中它可能要求我们考虑更复杂的因素例如供油压力不再是恒定的160 MPa而是随时间变化的或者存在两个不同压力的供油源亦或是需要同时优化阀门控制和喷油规律以达到某种综合性能指标如压力稳定性和燃油效率的权衡。这里我以一个常见的拓展方向为例进行探讨双供油源下的压力控制与优化。假设系统有一个高压源160 MPa和一个低压源如100 MPa通过两个单向阀门分别连接到高压油管。目标是仍将油管压力稳定在某个设定值例如150 MPa并可能要求能耗最低或阀门动作频率最低。4.1 模型再扩展双输入系统此时质量守恒方程变为 [ V \frac{d\rho}{dt} Q_{in, high}(t) Q_{in, low}(t) - Q_{out}(t) ] 其中( Q_{in, high} ) 和 ( Q_{in, low} ) 分别代表来自高压源和低压源的流量它们各自有自己的阀门开闭状态和流量-压差关系。系统的可控性增强了有两个控制输入但控制逻辑也复杂了。例如要将压力从100 MPa提升到150 MPa显然打开高压阀更高效但当压力非常接近150 MPa时使用低压阀进行精细调节可能更平稳且能耗更低因为驱动压差小节流损失小。4.2 控制策略设计规则切换与优化模型面对双输入系统简单的if-else规则会变得冗长且难以调优。我们可以采用分层或基于规则切换的策略模式划分根据压力偏差 ( e ) 的大小划分不同的控制模式。大偏差模式( |e| E1 )仅使用高压阀进行快速调压。目标是尽快将压力拉入目标区域。中偏差模式( E2 |e| \le E1 )可以同时或交替使用双阀。例如压力偏低时主要用高压阀补压低压阀辅助压力偏高时关闭所有进油阀依靠可能的泄漏或等待喷油来降压。小偏差模式( |e| \le E2 )仅使用低压阀进行微调实现压力的精确稳定同时减少高压阀频繁动作带来的磨损和能耗。引入优化目标我们可以将问题形式化为一个优化问题。定义目标函数 ( J )例如 [ J \int_{0}^{T} \left[ w_1 (p(t)-p_{target})^2 w_2 (u_{high}(t))^2 w_3 (u_{low}(t))^2 w_4 |\dot{u}{high}(t)| w_5 |\dot{u}{low}(t)| \right] dt ] 其中( u_{high}, u_{low} ) 是阀门开度0或1( \dot{u} ) 表示阀门状态变化。目标函数包含了压力偏差的平方稳定性、阀门开启的能耗假设与开度平方成正比、以及阀门动作的频率减少磨损。( w_1 ) 到 ( w_5 ) 是权重系数。求解方法对于这种离散开关控制问题直接求解连续-离散混合的最优控制问题非常困难。在数模竞赛中可行的方案是采用模型预测控制MPC的简化思想。预测在每个控制时刻基于当前状态和系统模型预测未来一段时间内预测时域在不同阀门控制序列下压力的变化轨迹。优化从所有可能的控制序列中选择一个能使预测时段内的目标函数 ( J ) 最小的序列。执行只实施该最优序列中的第一步控制动作。滚动到下一个时刻重复上述预测-优化-执行过程。由于阀门只有开关两种状态预测时域内的可能控制序列是有限的例如未来5个控制周期每个阀门有2种状态总共 ( 2^{10} 1024 ) 种序列。我们可以用枚举法进行滚动优化虽然计算量较大但在仿真中是可行的。4.3 仿真实现与挑战实现MPC需要较强的编程能力。我们需要在每一个仿真步长内调用系统模型微分方程对每一种可能的阀门动作序列进行未来若干步的“开环”预测。对每一种预测轨迹计算其对应的性能指标 ( J )。选择使 ( J ) 最小的动作序列并将其第一步作用于当前系统。系统状态更新后移至下一时刻。面临的挑战与技巧计算负担预测时域越长优化越精确但计算量呈指数增长。需要在精度和实时性间折衷。通常预测时域覆盖1-2个喷油周期即可。模型失配用于预测的模型与真实仿真模型或实际系统存在误差。MPC的滚动优化特性使其具有一定的鲁棒性但模型准确性仍是基础。权重系数 tuning权重 ( w_i ) 的选择至关重要决定了控制器是更看重压力稳定还是阀门寿命。这没有理论上的最优解需要通过大量仿真实验观察不同权重下的控制效果压力曲线、阀门动作频率来人工确定类似于“调参”。通过引入双阀和优化目标第三问的解决方案从“实现功能”上升到了“优化性能”的层面充分体现了数学建模在解决复杂工程优化问题中的威力。5. 编程实现、可视化与论文写作要点一个完整的数模竞赛作品除了模型和策略还离不开可靠的编程实现、直观的结果展示以及逻辑清晰的论文表述。5.1 编程实现核心数值求解与事件驱动我们主要使用MATLAB进行仿真。程序的核心结构如下% 参数初始化 V ...; % 油管容积 p_target 100e6; % 目标压力 (Pa) p0 100e6; % 初始压力 rho0 ...; % 根据状态方程由p0计算初始密度 E (p) ...; % 弹性模量E与压力p的关系函数 Cd 0.7; A_max ...; % 阀门参数 pin_high 160e6; % 高压供油压力 % 时间设置 t_total 2; % 总仿真时间2秒 dt 1e-5; % 仿真步长非常关键建议1e-5或更小 Nsteps t_total / dt; time 0:dt:t_total; % 状态变量预分配 p zeros(1, Nsteps1); p(1) p0; rho zeros(1, Nsteps1); rho(1) rho0; valve_state zeros(1, Nsteps1); % 记录阀门状态用于绘图 % 控制参数以第一问的滞回控制为例 p_low 99.5e6; % 开启阈值 p_high 100.5e6; % 关闭阈值 current_valve_open false; % 当前阀门状态 % 主循环 - 时间步进法 for i 1:Nsteps % 1. 根据当前压力和控制策略决定阀门状态 if ~current_valve_open p(i) p_low current_valve_open true; elseif current_valve_open p(i) p_high current_valve_open false; end valve_state(i) current_valve_open; % 2. 计算流入流量Q_in if current_valve_open delta_p pin_high - p(i); if delta_p 0 Q_in Cd * A_max * sqrt(2 * delta_p / rho(i)); else Q_in 0; % 压差为负时无回流 end else Q_in 0; end % 3. 计算流出流量Q_out (以第二问为例此处需根据喷油事件表计算) Q_out calculate_injection_flow(time(i), ...); % 需要自定义的函数 % 4. 更新密度 (欧拉法) rho(i1) rho(i) (Q_in - Q_out) / V * dt; % 5. 通过状态方程更新压力 (这里假设E为常数简化处理) % 更精确的做法是数值求解 dp/drho E/rho E_current E(p(i)); % 获取当前压力下的E值 % 采用一阶近似更新压力 p(i1) p(i) E_current / rho(i) * (rho(i1) - rho(i)); % 注意上述压力更新是近似。更稳健的方法是 % 将状态方程 dp/drho E(p)/rho 与质量方程联立构成关于p和rho的微分方程组 % 使用ode15s等求解器进行求解。但嵌入离散控制逻辑时时间步进法更直观。 end % 绘图 figure; subplot(2,1,1); plot(time, p/1e6, b-, LineWidth, 1.5); % 压力曲线单位MPa xlabel(时间 (s)); ylabel(压力 (MPa)); grid on; hold on; plot([0, t_total], [p_target/1e6, p_target/1e6], r--, LineWidth, 1.5); % 目标线 legend(油管压力, 目标压力); subplot(2,1,2); stairs(time, valve_state, r-, LineWidth, 1.5); % 阀门状态阶梯图 xlabel(时间 (s)); ylabel(阀门状态 (0关/1开)); ylim([-0.1, 1.1]); grid on;关键实现细节事件处理对于喷油这种瞬时事件最好采用“事件驱动”编程。预先定义好喷油时刻数组injection_times在主循环中判断当前时间time(i)是否接近某个喷油时刻如果是则在当前步长内施加一个大的Q_out。更精确的做法是使用MATLAB的ODE事件检测功能但时间步进法配合精细的dt通常也能满足要求。微分方程组求解如前所述联立方程用ode45或ode15s求解更精确但将离散的控制逻辑if-else判断嵌入到连续求解器中需要技巧通常需要将控制逻辑写成一个函数由求解器在每一步调用。时间步进法虽然精度稍逊但逻辑清晰易于调试对于竞赛而言往往是更稳妥的选择。效率优化当dt很小仿真总时间长时循环可能较慢。可以尝试向量化操作或者使用更快的求解器。但在竞赛中清晰性比极致的效率更重要。5.2 结果可视化一图胜千言图表是论文的眼睛务必精心设计。压力-时间曲线图必须有的主图。清晰展示压力从初始状态到稳定状态的整个过程。用不同颜色或线型标出目标压力线。对于第二问图形应能清晰显示喷油周期与压力波动的对应关系。阀门状态-时间图用阶梯图绘制与压力曲线上下对齐直观展示控制策略何时开、何时关。这对于解释控制逻辑至关重要。相平面图或状态轨迹图可选但高级以压力为横轴压力变化率或密度为纵轴绘制轨迹。可以直观展示系统动态和收敛性。参数敏感性分析图例如展示不同滞回阈值 ( (p_{low}, p_{high}) ) 对最终压力波动幅度的影响。可以用热力图或三维曲面图表示体现工作量深度。控制性能对比图将不同控制策略如纯反馈、前馈-反馈的压力曲线放在同一张图中对比突出所提策略的优越性。5.3 论文写作核心逻辑叙事与模型呈现数模论文不是代码说明书而是讲述一个用数学解决实际问题的故事。问题重述与分析开篇不要简单抄题。要用自己的话提炼问题的本质如“这是一个带有周期性扰动的非线性流体压力控制问题”并分析难点所在非线性、离散控制、扰动补偿。模型假设清晰列出所有假设如“燃油物性均匀”、“管壁刚性”、“阀门开关瞬时完成”并说明其合理性。这是模型成立的基础。模型建立与推导这是论文的核心。从物理定律质量守恒出发一步步推导出微分方程。对关键公式如状态方程、流量方程要给出详细的推导过程或引用来源。避免直接扔出最终公式。求解方法与算法详细说明如何求解模型。是采用欧拉法离散还是调用ODE求解器控制策略是如何编程实现的最好能给出算法流程图。结果分析与验证展示图表并对图表进行解读。不能只说“如图所示”要指出“从图X可以看出采用前馈-反馈控制后压力波动幅度从±5 MPa降低到了±0.3 MPa并且消除了稳态误差”。对于关键参数要进行敏感性分析说明其影响。模型评价与推广客观评价自己模型的优点如物理意义清晰、控制策略有效和缺点如忽略了XXX因素、计算量较大。并提出可能的改进方向如考虑管壁弹性、引入更精确的燃油物性模型等。个人体会解决“高压油管压力控制”这类赛题是一个从物理理解到数学抽象再到算法实现最后回归问题解释的完整闭环。最大的收获不是得到一个漂亮的压力曲线而是学会了如何面对一个复杂的工业系统抽丝剥茧地建立其核心动态模型并设计出简洁而有效的控制逻辑。这个过程里对数值计算稳定性的把握、对控制算法参数的调试、以及将一切清晰地表述在论文中的能力都是课堂上难以获得的实战经验。如果让我再优化一次我会花更多时间在模型参数的实验标定上并尝试用更现代的优化算法如强化学习来训练控制策略这或许是未来解决此类问题的一个有趣方向。