<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>Residual on 菜菜博士</title>
    <link>https://microcai.org/tags/residual.html</link>
    <description>Recent content in Residual on 菜菜博士</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Wed, 11 Nov 2026 00:00:00 +0800</lastBuildDate>
    <atom:link href="https://microcai.org/tags/residual/feed.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>误差控制和残差控制原理</title>
      <link>https://microcai.org/2026/11/11/diff-ctl.html</link>
      <pubDate>Wed, 11 Nov 2026 00:00:00 +0800</pubDate>
      <guid>https://microcai.org/2026/11/11/diff-ctl.html</guid>
      <description>&lt;h1 id=&#34;误差控制和残差控制&#34;&gt;误差控制和残差控制&lt;/h1&gt;
&lt;p&gt;传统控制的核心思想是误差。误差控制的目标是使系统输出与期望输出之间的误差最小化。
而残差控制的核心思想是残差。残差控制的目标是使系统输出与预测输出之间的残差最小化。&lt;/p&gt;
&lt;p&gt;在传统的控制理论里，观测是独立于控制的。观测数据来自传感器。
观测数据的更新，会导致误差的更新。
误差的更新，最后导致控制量的更新。&lt;/p&gt;
&lt;p&gt;在残差控制律里，观测和控制是统一的。观测和控制，都会产生残差。
即：观测残差 更新模型参数，控制残差 更新控制参数。&lt;/p&gt;
&lt;p&gt;即：控制律有 观测和控制2个拍，交织在一起运行。
观测残差告诉你，模型哪里错了。控制残差告诉你，控制量哪里错了。&lt;/p&gt;
&lt;p&gt;残差和误差，说的是维度。误差是个标量，残差是个矢量。&lt;/p&gt;
&lt;p&gt;这就导致了，对于  &amp;gt;1 个控制量的系统。
对每一个控制量，都需要运行一个独立的误差控制。为了避免多个误差控制环相互打架的问题，
要求控制量之间必须解耦。&lt;/p&gt;
&lt;p&gt;而残差控制，没有这个必须解耦的限制。
因为残差控制是基于残差的。残差是个矢量，所以可以同时控制多个控制量，控制量之间可以耦合。&lt;/p&gt;
&lt;h1 id=&#34;残差控制律&#34;&gt;残差控制律&lt;/h1&gt;
&lt;p&gt;在残差控制律下，控制系统是一个 多输入多输出的闭环控制系统。&lt;/p&gt;
&lt;p&gt;控制律运行的时候，需要把控制逻辑分成3个拍：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;观测残差&lt;/li&gt;
&lt;li&gt;控制残差&lt;/li&gt;
&lt;li&gt;更新预测&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;这3个拍可以交织运行，也可以异步运行。即：观测和控制运行速度不一致。&lt;/p&gt;
&lt;p&gt;具体在代码上，需要一个 状态空间。状态空间里，存储系统模型参数，预测输出，控制参数。&lt;/p&gt;
&lt;p&gt;观测步骤：观测和预测的残差，通过残差传播的方式，更新模型参数。&lt;/p&gt;
&lt;p&gt;控制步骤：根据观测和控制目标的残差，通过残差传播的方式，更新控制参数。&lt;/p&gt;
&lt;p&gt;更新预测：根据系统状态空间和状态转移方程，更新预测输出。&lt;/p&gt;
&lt;p&gt;这3个步骤首尾相连运行，形成一整个闭环控制环。&lt;/p&gt;
&lt;p&gt;每个步骤里，都会更新自己的协方差矩阵。预测的时候，这个矩阵告诉你，我的预测会随着时间发散。
观测的时候，这个矩阵告诉你，我的观测有多少相干性。
控制的时候，这个矩阵告诉你，我的控制量有多少耦合性。&lt;/p&gt;
&lt;h1 id=&#34;收敛过程&#34;&gt;收敛过程&lt;/h1&gt;
&lt;p&gt;不管是误差控制，还是残差控制，都有一个收敛过程。
系统在更新控制量的时候，不需要一步到位的给出准确的控制量。
系统会通过迭代，逐渐收敛到一个稳定的状态。&lt;/p&gt;
&lt;p&gt;收敛速度，又被称为系统带宽。&lt;/p&gt;
&lt;p&gt;注意：系统带宽和控制律的执行带宽并不等价。
系统带宽是一个收敛的过程。他天然的低于执行带宽。除非做到理论上的单拍收敛。&lt;/p&gt;
&lt;p&gt;高精度控制的优化目标就是2条腿走路：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;提高执行带宽。&lt;/li&gt;
&lt;li&gt;提高收敛速度。&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;为什么闭环系统并不追求单拍收敛呢？&lt;/p&gt;
&lt;p&gt;因为单拍收敛，需要完美的模型。
而完美的模型，是不存在的。
所以，闭环系统并不追求单拍收敛。&lt;/p&gt;
&lt;p&gt;承认模型是不完美的，再通过小步快跑的方式逼近控制目标。&lt;/p&gt;
&lt;h1 id=&#34;解耦和正交&#34;&gt;解耦和正交&lt;/h1&gt;
&lt;p&gt;即便用了残差控制，状态空间依然需要满秩。
向量之间要满足正交性。
但是，正交性是数学上的。耦合性是物理上的。&lt;/p&gt;
&lt;p&gt;例如 D轴和Q轴，数学上是正交的，物理上是有耦合的。&lt;/p&gt;
&lt;h1 id=&#34;残差转播&#34;&gt;残差转播&lt;/h1&gt;
&lt;p&gt;残差传播的方式，可以使用机器学习！&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
