متن زیر با دانش محدود یک دانشجوی کارشناسی نوشته شده است.
پیش از شروع لازم است نکته‌ای را یادآور شوم؛ در هنگام بررسی شاخه‌ها و حوزه‌های مختلف مهندسی برق با تله‌ی فکری خطرناکی مواجه هستیم: فکر می‌کنیم بین این حوزه‌ها مرز سفت و سختی وجود دارد و بین آن‌ها دیوار بتنی کشیده شده است. این دیدگاه لزوما درست نیست و در بسیاری از موارد، هنگامی که در حوزه‌ای عمیق می‌شویم، تازه مفهوم وحدت وجود را درک می‌کنیم!
با این مقدمه، می‌توانیم با دید بهتری با «مهندسی کنترل» آشنا بشویم. اولا باید درک کنیم که این حوزه به دنبال «مهندسی» است، ولی می‌تواند در شرایطی شبیه علم محض بشود (هر چند این جا هم مرزها کمرنگ هستند). مسئله‌ی بنیادی و کلاسیک در مهندسی کنترل این است: یک «سیستم» داریم و می‌خواهیم «کنترلی» اعمال کنیم که سیستم رفتار مطلوب ما را از خود نشان بدهد. یک مثال کنترل، راندن اتومبیل است؛ رفتار مطلوب برای ما در این حالت این است که اتومبیل مسیر مورد نظر ما را طی کند و برای محقق کردن این امر متغیرهایی مثل سرعت و جهت حرکت را در اختیار داریم.
طراحی سیستم‌های کنترل تا دهه‌های 30 و 40 با روش‌های «کلاسیک» صورت می‌گرفت. این روش‌ها بیشتر مبتنی بر ابزاهایی مثل تبدیل لاپلاس، کنترلرهای PID، نمودارهای Nyquist و ... است. این‌ها مربوط به دوره‌ای است که سیستم‌های مهندسی چندان پیچیده نبودند و مدل‌های ساده معمولا از پس مدل‌سازی رفتار سیستم برمی‌آمدند. پس از دهه‌های 30 و 40 با سیستم‌های بسیار پیچیده‌تر مواجه هستیم؛ مانند فضاپیماها، هواپیماهای جنگنده‌ی پیشرفته، موشک‌های کنترل‌شونده، انتقال انرژی و نیروگاه‌های قدرت، صنایع پتروشیمی و هسته‌ای، ربات‌ها، شبکه‌های مخابراتی، سیستم‌های ابعاد وسیع و ... . این سیستم‌ها عمدتا غیرخطی هستند، با زمان تغییر می‌کنند، می‌توانند تاخیر داشته باشند (کرونا را به یاد بیاورید که یکی دو هفته پس از ابتلا بیمار متوجه بیماری خود می‌شد و در این مدت بدون اینکه خود بداند ناقل بود)، مرتبه‌ی سیستم بالا است، سیستم دارای نامعینی است، می‌خواهیم عملکرد سیستم بهینه باشد (مثلا دوست داریم کنترل با صرف حداقل هزینه میسر باشد) و ... .
از این دوره است که روش‌های «کنترل مدرن» به تدریج جای خود را در طراحی سیستم‌های کنترل باز می‌کنند. روش‌های حل مسائل کنترلی در دهه‌های بعد شامل کنترل غیرخطی، کنترل بهینه، کنترل چند متغیره، کنترل دیجیتال، کنترل تطبیقی، کنترل هوشمند، کنترل مقاوم و ... است. این تئوری‌ها اغلب بسیار ریاضیاتی هستند. هر کدام از این روش‌ها اقیانوسی است برای تحقیق و مطالعه. هم‌چنین کاربرد برخی از این روش‌ها از مهندسی کنترل فراتر رفته و به حوزه‌هایی مثل مدل‌سازی و شبیه‌سازی سیستم‌های پیچیده، فیلتر کردن، پیش‌بینی، تخمین، شناسایی، اقتصاد، مالی و ... رسیده.
در مراحل ابتدایی، معادلات دیفرانسیل، جبر خطی و تئوری‌های مربوط به سیستم‌های دینامیکی اهمیت زیادی در تحلیل‌های ما دارند. در مراحل بعدی، به دانش بهینه‌سازی ریاضی، الگوریتم، هوش مصنوعی و ... هم نیاز داریم. هم‌چنین لازم به ذکر است که کنترل محدود به دانشکده‌ی برق نیست و در دانشکده‌های مکانیک، هوافضا، مهندسی شیمی و نفت و ... هم گروه کنترل وجود دارد. مفهوم «فیدبک» معمولا نقش مهمی در مهندسی کنترل و فراتر از آن دارد و مطالعه درباره‌ی آن پیشنهاد می‌شود.پیشنهاد من برای کسب اطلاعات بیشتر درباره‌ی این حوزه، جستجو در کتاب‌ها و اینترنت است. تقریبا حجم نامحدودی از محتوای آکادمیک و عام درباره‌ی هر حوزه‌ای قابل دستیابی است و من جستجوی گسترده در گوگل را پیشنهاد می‌کنم. طبعا جستجو به زبان انگلیسی مطالب بسیار بیشتری را در اختیار شما قرار می‌دهد. محتوای زیادی از کورس دانشگاه‌های خارجی مثل MIT، Stanford, UCLA, Berkeleyو ... وجود دارد که می‌توانید نگاهی به آن‌ها بیندازید. در ادامه تعدادی کلید واژه را می‌آورم، در صورت علاقه می‌توانید با جستجوی درباره‌ی هر کدام به اطلاعات خوبی دست پیدا کنید.
feedback, feedforward, control theory, modern control theory, PID controller, optimal control, robust control, digital control, stochastic control, nonlinear control, decenteralized control, large scale systems, multivariable control, adaptive control, intelligent control, system identification, machine learning, artificial intelligence, deep learning, reinforcement learning, mathematical optimization, linear programming, convex optimization, dynamic programming, estimation theory, Kalman filter, optimal filtering, regulator design, optimal policy, ....
به قلم متین عنا
