如何学好自动化

晨枫 · 发表于 4 天前

本帖最后由晨枫于 2026-10-15 13:02 编辑

不知不觉中，自动化成为理工科里含金量还算高的学科了。几十年前可不是这样，那时自动化毕业生也就是个“高级仪表工”。

自动化从来就是锦上添花的学科，机械、化工、电气等才是“锦”。也因为这样，自动化曾经以“锦”分类，机械自动化、电气自动化、化工自动化等。现在依然有这样分类的，还有更加具体的，比如轨道交通自动化、航空航天自动化、物流邮政自动化、机器人、智驾等。

但在更加基础的层面上，可以划分为运动自动化和过程自动化，前者以使得控制对象跟随规划路径运动为主，后者以维持控制对象稳定运行、克服外来干扰为主。在控制理论上，这就是随动控制和干扰抑制的差别。

两者不是截然分开的。汽车的自主驾驶当然是运动自动化的随动控制，定速控制就是过程自动化的干扰抑制了。发动机控制则是两者结合，在增减油门的时候是随动控制，油门位置保持不变时就是干扰抑制。

另一个分类方法是顺序过程自动化和连续过程自动化。前者按部就班地完成一系列动作，动作可以通过单一被控目标和单一执行机构，也可以是众多目标和执行机构的协同时序动作，但动作有明确的分步和间隙性、间断性。后者则针对是对连续、重复过程的，控制动作也是连贯的。

还有一个分类方法是嵌入式控制系统和分立式控制系统。前者的控制装置直接嵌入被控系统，在机电上整合为一体，定制化程度较高，升级和扩展较受局限；后者则是用标准化的模块构造与被控系统松散结合的控制系统，通用化程度高，升级和扩展很灵活。工业上常用的DCS和PLC都属于分立式的，设备自带的控制器则是嵌入式的。

不过这个界限现在越来越模糊了。飞机控制曾经是高度定制化的嵌入式系统，现在也用模块化的标准飞控系统了，定制要求通过软件实现。越来越多的嵌入式系统实际上也用标准模块实现，比如汽车，功能模块能整合非常大的能力，功能冗余的成本并不高，但规模经济和标准化组态的好处非常大。模块化、标准化后，还通过总线等通用构架便于搭接、扩展和升级，而没有必要为了特定目的精心裁剪控制装置。

那绕了半天，该如何学自动化呢？

如前所述，自动化是植入在机械、电气、化工、航空等“皮”上的“毛”，各有各的植入法，但“毛”其实是惊人地相似。

自动化的理论基础是控制理论，这是应用数学的一个分支。数学最大的特点就是抽象，可以脱离具体的物理现象和实体的具体特性，抓出抽象的本质。对于自动化来说，最大的本质就是动态系统的稳定性。

以开车为例，新手开车不仅开得歪歪扭扭、忽快忽慢，一遇到事还会惊慌失措。老司机就稳当多了，而且遇事不慌。在自动化里，这就是稳定性的差异。

要实现这个稳定性，还需要一大堆红花绿叶，比如测量仪表、执行机构、控制语言编程，但最关键的还是对被控系统的理解。在城市街道、冰雪山路、大风天开车各有不同，开小车、大车、带拖车也各有不同，这就需要对这些“不同”有足够的理解。

换句话说，就是对自动化的“毛”是如何植入机械、电气、化工、航空的“皮”上有足够的了解。

不管是经典控制理论，还是现代控制理论，或者是实行的AI方法，基本上都是把控制问题简化或者等效为单回路，然后进行分析和综合。

但只要干过几天自动化的人都知道，用好串级、前馈、分程、选择性等“复合回路”，比套用模型为基础的先进控制方法要管用得多。

这是广谱抗菌素和对症下药的差别。

但要用好，只能是建立在对被控系统的深刻理解基础上：主要干扰从哪里来？以什么样的形式？是否可测？除了显而易见的主要控制手段，是否还有必要时也可以用上的次要手段？比如说，高速入弯和出弯，一方面要掌握方向盘，另一方面要油门和刹车精密配合，入弯时收油门带刹车人为制造一点受控摆尾，就是巧用次要手段的例子。但这只有对开车有深入理解才可能做到，光看数学方程式是看不出来的。

传统控制基于微分方程，另一路控制问题用到数学规划。比如说，轨道交通自动化需要做到的是最快速、最安全地调度列车运行，这是数学规划问题，不是微分方程问题。

有人说，学自动化需要精通电子、信号滤波、编程等。这些都重要，但都很表面，而且容易受到时效影响。比如说，嵌入式系统需要自己从线路开始设计的情况已经越来越少见了，控制算法、滤波算法成为可调用组态越来越多，自编程的情况也越来越少了。实际上，即使在DCS、PLC厂商，AI辅助编程可能也在大量取代老派的人工编程。即使需要再DCS、PLC上直接编程（而不是组态），也会受到系统提供的编程环境的影响，不是想用什么编程技巧或者语言就可以用的。有些系统还为了变态的可靠性，有意用很老旧的编程语言和环境，有意禁用结构化编程里早就常用的语句。

所以怎样才能学好自动化？

控制理论和相关的数学是跑不了的。即使在工程实践里主要只是调用现成算法，也需要理解这些算法的来龙去脉和可能有的坑，或者可以利用的“空子”。滤波在算法层面上是信号与控制的一部分，也一并算到广义的控制理论里去了。

另一方面，理解自动化里“从理化具体到数学抽象”的思维后，容易形成“升维思维”，从更高、更抽象的高度看问题。这也使得学自动化的人容易转行。我的同学中，改行搞数字化金融、模式识别、电路设计（EDA是一个数学问题）的好多，还有一个数学特别厉害的，后来转到程序正确性方面去了。这都是“接地气的数学思维”的结果。更接地气的则有转生物医学工程和生化工程的，从控制和反馈的宏观角度研究领域问题。

被控系统是另一个大头。化工自动化需要学好三传一反，对工艺过程的来龙去脉尤其是对控制动作的方向和力度要心中有数。在工艺上做不到工艺工程师的程度的话，至少在思路上要跟得上，要插得上话。在操作上，跟得上思路、插得上话的对象是资深操作工。电气、机械、航空都一样。自以为是、闭门造车是要吃大亏的，永远要牢记皮与毛的关系。

这也是自动化在理论层面上都一样，但要跨界并不容易的原因。机电控制工程师要改行化工过程控制工程师的时候，常有虎落平阳之感，反过来也一样，就是因为熟悉的自动化之“毛”在植入具体的“皮”的时候，不得其门而入。

电子线路、编程、测量技术等等都重要，但也都是在有一点基础后，可以在工作中按需补强的。这些技巧也都是与时俱进的，系统一换代，又要重新学一遍。工程师与技工的差别在于，工程师的技能与领域深度绑定，系统只是工具但不是主宰。技工需要高度熟练和肌肉反应，技能与系统深度绑定，换一个系统常常需要从头学过。在现实中，最厉害的技工是掌握领域技能而不只是具体系统的，他们是“披着技工之皮的工程师”。

学自动化最糟糕的学法是：“学好电子线路、测量技术、DCS和PLC编程，这些才是一入行就需要上手的；控制理论用不着，反正都是算法调用，工艺知识也用不着，控制本来就是从具体过程的抽象”。

这是把学医当做学开药了。

		自动登录	找回密码
密码			注册

[科教沙龙] 如何学好自动化

评分