复合控制 = 前馈 + 反馈的协同

一、控制论本质

复合控制 = 前馈控制（开环） + 反馈控制（闭环） 的并联组合。前馈预测干扰并提前调节，反馈测量偏差并修正剩余误差。

                      ┌──────────────┐
   d(t) 干扰 ──→     │  前馈 F(s)   │ ──→ u_前馈(t) ─┐
                      └──────────────┘                │
                                                      ↓
   r(t) ──→ e(t) → 反馈 C_反(s) → u_反馈(t) ──→ [+ 求和] ──→ u(t) ──→ G(s) ──→ y(t)
                                  ↑                                       │
                                  └────────────  反馈 H(s)  ─────────────┘

关键属性：

• 前馈 F(s)：基于干扰 d(t) 预先调节（开环，无测量）
• 反馈 C_反(s)：基于误差 e(t) 事后修正（闭环，有测量）
• 总控制 u(t) = u_前馈(t) + u_反馈(t)

为什么有效：

• 干扰 完全可预测时 → 仅用前馈即可
• 干扰 部分可预测 → 用复合控制：前馈对付可预测部分，反馈对付不可预测部分
• 这是工程中最实用的结构

核心公式：

不变性原理（理想复合控制）：
        Y(s) / D(s) = G(s) - F(s) · G_u(s) = 0
        → F(s) = G(s) / G_u(s)

即：选择 F(s) 让干扰对输出的影响**完全抵消**

实际中：
        - 模型不完全准确
        - 反馈负责补偿剩余误差

二、钱学森原话

钱学森 Ch 5 §5.3： "这种系统常称为复合控制系统。 在这种控制系统内控制量 u 不仅是误差的函数， 也是输入作用和外扰作用的函数。"

钱学森 Ch 5 §5.3： "复合控制系统的优点是： 反馈控制保证系统稳定并抑制不可预测扰动， 前馈控制及时补偿可预测扰动。 两者结合，既快又准。"

三、软件工程对位

复合控制场景	软件工程实例
风控系统	前馈（行为规则预判）+ 反馈（实际欺诈率）
限流降级	前馈（QPS 预测）+ 反馈（实际错误率）
缓存策略	前馈（业务高峰预测预热）+ 反馈（命中率监控）
CDN 调度	前馈（用户地域预判）+ 反馈（实际延迟）
数据库扩容	前馈（业务增长趋势预扩容）+ 反馈（实际负载）
大促备战	前馈（历史大促流量预扩容）+ 反馈（实时监控）
流量调度	前馈（业务优先级预判）+ 反馈（实际 QPS）

共同特征：

• 干扰有可预测成分（业务规律）
• 也有不可预测成分（突发事件）
• 需要"快"+"准"双优

四、调用的 L 层方法论

方法论	在复合中的角色
compound-control（复合控制）	复合控制的具体实现
optimal-control（最优控制）	前馈量的最优设计
closed-loop（闭环反馈）	反馈环节
open-loop（开环控制）	前馈环节
extremum-seeking（自寻最优）	在线修正前馈参数

五、实战案例

案例 1：电商大促备战

复合控制：
  前馈：基于历史大促数据预测 QPS = 50万
       → 提前 1 周扩容到 50万容量
  反馈：实时监控实际 QPS
       → 偏差超过 ±20% 时告警 + 紧急扩容

  时间表：
  T-7d:  收到"618 大促"信号 → 启动预案
  T-1d:  预热缓存、预扩容
  T-0:   流量开始
  T+1d:  流量回落到日常

反馈的部分：

• 实际 QPS > 预测 QPS × 1.2 → 紧急扩容
• 错误率突增 → 限流降级

案例 2：风控反欺诈

复合控制：
  前馈：行为规则引擎（用户行为模式匹配）
       命中黑名单 → 直接拒绝
  反馈：实际欺诈率统计
       误判率高 → 调整规则阈值

  ┌────────────────┐
  │ 规则引擎（前馈） │ ──→ 拒绝
  └────────────────┘
  ┌────────────────┐
  │ 模型评分（前馈） │ ──→ 拒绝/通过
  └────────────────┘
  ┌────────────────┐
  │ 实际欺诈率（反馈）│ ──→ 调参
  └────────────────┘

案例 3：自适应限流

复合控制：
  前馈：基于历史 QPS 设定基线阈值 = 10000
  反馈：实际错误率超过 1% → 动态降级阈值

  baseline = 10000  ← 前馈
  actual_error > 0.01 → threshold = 0.9 * baseline  ← 反馈

六、设计原则

原则 1：干扰分类

干扰 d(t) = d_可预测(t) + d_不可预测(t)

d_可预测(t) → 前馈处理（快但需模型）
d_不可预测(t) → 反馈处理（慢但鲁棒）

原则 2：前馈不替代反馈

前馈是"快"：立即响应，但依赖模型
反馈是"准"：修正误差，但有延迟

两者必须并联，不能串联替代

原则 3：前馈量要"可观测"

前馈需要知道干扰 d(t)
如果 d(t) 不可观测 → 用状态观测器估计
或降级到纯反馈

七、反模式

反模式	症状	应该改用
前馈替代反馈	预测失败后无法修正	必须保留反馈
反馈替代前馈	滞后严重	加前馈应对可预测干扰
干扰不可观测	前馈无法实施	纯反馈或加观测器
前馈/反馈互相干扰	系统震荡	调整带宽分离

八、何时升级到其他结构

升级到自适应控制：

• 前馈模型 G(s) 本身在变化
• 需要在线辨识 G(s)

降级到单闭环：

• 干扰完全不可预测
• 前馈无法实施

降级到开环：

• 干扰可预测且输出可接受
• 反馈成本太高

九、控制结构对位（供业务主题引用）

本结构被调用：

• themes/system-stability：风控 + 限流 = 复合
• themes/architecture-evolution：大促备战 = 复合

本结构调用：

• compound-control：前馈+反馈的具体实现
• optimal-control：前馈量的最优设计
• closed-loop：反馈部分
• open-loop：前馈部分

总结

复合控制 = "快"+"准"双优。当业务场景是：

• 干扰部分可预测（业务有规律 + 偶发异常）
• 既要响应快（前馈）又要精确（反馈）

用复合控制：现代工程系统的标准结构。

完全可预测 → 纯开环；完全不可预测 → 纯闭环；部分可预测 → 复合控制。