Dynamic Programming and Stochastic Control¶

课程简介¶

• 机构： MIT
• 课程编号： 6.231
• 方向： 控制系统
• 评级： A
• 角色： 补充
• 难度： 提供方未标准化（请按先修判断）
• 最近复核： 2026-07-28

MIT 的《Dynamic Programming and Stochastic Control》为控制方向补充动态规划与随机控制的研究生材料；讲义具有深度，但数学负担重且独立反馈有限。

为什么选择这门课

补充课程，核心内容可靠，适合按自身背景作为主课或高质量替代。

学习前准备

• 建议先完成方向基础：信号与系统
• 建议先完成方向基础：工程数学

可验证的学习成果

• 解释控制系统中的核心模型，并说明主要假设与适用边界
• 独立完成代表性推导与题目，并用量纲、极限情形或数值结果交叉检查

工时与节奏

5 周，每周 4 小时。 这是维护者规划估计，依据课程角色与公开练习、实验密度生成，不是提供方工时承诺。先试学两周，分别记录授课、练习、实验和复盘时间；若实际偏差超过 25%，据实调整剩余计划。

安全等级

一般学习活动。 课程记录未要求实体实验；遵守一般用电、人体工学、数据和设备使用规范。

课程资源¶

软件、硬件与成本

软件

• 维护者建议的开源/免费验证路径：Python 3、Jupyter、python-control、SciPy 与 GNU Octave
• 资源清单未标注公开代码覆盖；上述工具仅用于维护者建议的独立验证，不代表提供方要求

硬件

• 资源清单未标注公开实验覆盖；默认只做仿真，不采购课程明确支持的低压控制对象、传感器、执行器、实时控制板与紧急断电装置。如自行扩展，先核对提供方范围并重新评估安全

成本说明

当前维护者路径不设专用硬件采购，建议软件优先采用开源/免费工具；这不是提供方要求。若提供方另列商业软件、元件、设备或机构访问，费用随提供方、地区和机构而变。

公开资源完整度

资源与访问条件

“官方页已列出”表示核验日从成功访问的官方来源页发现该链接，不保证目标文件在所有地区或账号状态下都能直接打开。访问不代表获得再分发权；下载、改编或公开发布前，应重新核对提供方页面、目标链接及其中第三方材料的许可。

实践与验收¶

实践闭环

《Dynamic Programming and Stochastic Control · MIT 6.231》鲁棒闭环与模型失配审计

这是维护者为《Dynamic Programming and Stochastic Control · MIT 6.231》建议的自学项目，不是课程官方作业。为控制系统在仿真受控对象上设计基线与改进控制器，量化稳定性、跟踪、扰动抑制、饱和和参数失配。

来源： 维护者建议项目

交付物

• 受控对象方程、参数范围、执行器/传感器约束和控制指标
• 开环模型、基线控制器、改进控制器与仿真测试源文件
• 阶跃/扰动/噪声/参数扫描的原始状态、控制量和指标数据
• 一份报告，比较稳定裕量、超调、整定时间、能量和失败区域

验收

• 标称闭环稳定，超调与整定时间达到预先声明阈值
• 覆盖零参考、最大参考、执行器饱和、采样延迟和参数极值
• 用极点/频域裕量或 Lyapunov 论证交叉核对时域结果
• 逐步增加参数失配直到首次不稳定，报告稳定边界和安全降级行为

复现要求

• 提交模型、控制器、场景、测试、分析和绘图源文件
• 固定求解器、步长、参数、随机种子和控制器版本
• 保存原始轨迹、控制器配置和自动生成报告

安全边界： 仅仿真 — 只控制模拟对象；不得将练习控制器部署到真实电机、车辆、无人机、医疗、化工或电力设备。

风险、缺口与边界

课程达到研究生层次，数学负担较重，可供独立学习的反馈也有限。

完成证据

• 按周学习日志：投入时间、问题、错误订正、决策、下一步，并链接本周可复现产物
• 理论推导档案：逐项列出假设、符号、推导、单位与边界条件，并用至少一种独立方法复核
• 仿真包：模型或网表、输入、求解器与版本、参数扫描脚本、基准对照、预期结果及一条重新运行命令