第2章：高频技术面试题（控制理论）

面试问题：请描述你如何在实际项目中整定 PID 参数？遇到积分饱和你怎么处理？

面试官考察点：

• 是否理解 PID 三个作用的物理含义
• 是否掌握至少一种工程整定方法（如 Ziegler‑Nichols、试凑法）
• 对积分饱和、微分噪声等工程问题的认知深度
• 能否结合具体平台（STM32、ROS、PLC）说明调试步骤

回答框架：
① 明确控制目标（速度/位置/力控、响应要求）→ ② 选择整定策略（经验试凑或 ZN 法）→ ③ 阐述实际操作（先 P 后 I 再 D，观察阶跃响应）→ ④ 处理积分饱和（限幅/条件积分/抗卷绕）→ ⑤ 总结效果与改进

简短示例回答：“在四轴飞行器悬停控制中，我先设置 P=0.5 使系统产生等幅振荡（Z‑N 法），再代入公式算出 I 和 D。针对积分饱和，我在积分项上加限幅并采用条件积分（误差小于阈值时冻结积分），最终位置稳态误差 < 0.5°，调节时间从 2.3s 降为 1.1s。”

可能追问：

• 比例增益过大或过小各有什么现象？
• 微分项为什么容易引入噪声？你如何滤波？
• 被控对象是非最小相位系统时 PID 还有效吗？

避坑提醒：不要只背诵课本公式，必须举实际调试案例；微分项滤波方法要说清楚（如一阶低通/移动平均）；避免说“我试到不抖为止”，应体现系统化方法。

面试问题：请谈谈你对模型预测控制（MPC）的理解，以及你在项目中是如何实现的？

面试官考察点：

• 是否真正理解滚动优化、预测模型、约束处理三要素
• 能否区分线性 MPC 与非线性 MPC 适用场景
• 对计算实时性的考量（求解器选择、时域设置）
• 与 PID 相比的优势与不足

回答框架：
① 问题定义（多约束轨迹跟踪）→ ② 选择线性 MPC + 二次规划求解 → ③ 解释预测模型（Ackermann 模型或四阶动力学模型）→ ④ 实现细节（预测时域 N=20，控制时域 Nc=5，QP 求解用 OSQP）→ ⑤ 反思：模型失配时加鲁棒性

简短示例回答：“在无人车避障项目中，我使用线性 MPC 控制横向运动。预测模型采用单车运动学模型，约束包括最大方向盘角速度与加速度。预测时域设为 20 步，用 OSQP 求解 QP 问题，周期 50ms。相比 PID，MPC 对急弯的跟踪误差降低 60%，但计算耗时增加，需优化求解器。”

可能追问：

• 如果模型不准确，MPC 性能如何保证？
• 你如何处理 QP 无解的情况？
• 非线性 MPC 与线性 MPC 的权衡？

避坑提醒：不要只背定义，必须说出你用了什么预测模型、什么求解器、时域数值等细节；如果没有任何实际经验，可以引用或开源项目（如 Acados、CasADi）但需说明了解程度。

面试问题：请用状态空间法设计一个机械臂关节的控制器，要求极点配置在指定位置。你如何保证系统的能控性？

面试官考察点：

• 状态空间建模能力（A,B,C,D 矩阵的建立）
• 能控性判据（秩条件）的理解与验证
• 极点配置方法与 Ackermann 公式的掌握
• 观测器设计（若状态不可测）的补充思路

回答框架：
① 定义系统状态（θ, θ̇）与输入（力矩）→ ② 建立线性化状态方程 → ③ 计算能控性矩阵并判秩 → ④ 根据期望极点计算反馈增益 K（Ackermann 或 place 函数）→ ⑤ 如需观测器，设计 Luenberger 观测器并分离原理

简短示例回答：“对单关节机械臂，取状态 x=[θ;θ̇]，输入 u=τ。线性化后得到 A=[0 1; 0 0], B=[0;1/J]。能控性矩阵满秩。期望极点 -2±2i 对应阻尼 0.7，用 Ackermann 公式算出 K=[k1 k2]。若无法测速，再设计观测器，观测器极点比控制器快 5 倍。”

可能追问：

• 如果系统有扰动，怎么用状态空间法抑制（引入积分）？
• LQR 与极点配置的选择区别？
• 如果模型具有非线性，线性化后控制器是否有效？

避坑提醒：一定要亲手写出能控性矩阵并判断；极点配置前先确认系统能控；不要忽略观测器设计，面试中常被追问“如果状态测不到怎么办”；多说一句“实际工程中常用 LQR 代替极点配置”可加分。