高级控制软件超出PID

关键词 过程控制和仪表 自适应控制 先进控制 控制软件 模糊逻辑 模型预测控制 神经网络

PID循环控制工业设施中的大部分自动化过程。比例 - 积分 - 微分（PID）算法是既简单又可靠，并且在过去50年中已经被应用到成千上万的控制回路。

然而，并不是所有的工业过程可以用PID回路来控制。多变量，非线性和随机过程，例如，都需要更先进的控制技术。曾经有一段时间这种技术只在学术界的实验室，并在航空航天工业是可用的，但价格合理的计算平台的出现使得即使工业用户访问最晦涩的算法。

模型预测控制

第一批被商业化的先进控制技术之一是模型预测控制，它考虑流程交互，克服干扰，并使用流程模型预测未来的性能。第一个基于模型预测控制技术的软件包是由法国巴黎以外的技术转让公司Adersa开发的识别和指挥控制器(IDCOM)。

Adersa现在提供称为预测函数控制（PFC）的第二代模型预测控制包。PFC被设计为保持在设定点附近的特定范围内的约束的过程变量。它使用所述过程模型来确定，以保持在规定范围内的过程变量的未来值所需的本控制的努力。

根据Adersa的董事，Jacques博士·丽雅博士，“PFC适用于古典PID用户。其中PID算法不是它解决困难过程（时变的，非线性的，不稳定的，逆响应，分割范围等），以及慢过程如化学反应器，和快速的过程等轧钢机和机械伺服机构的场高效。“有关PFC的更多详细信息，请参阅“超越PID控制与预测控制”（ce1995年8月，第37页)。

动态矩阵控制(DMC)是先进控制技术从学术界转移到工业界的另一个例子。查理·卡特勒，多变量控制技术的先驱，利用他的博士研究成果，创建了他自己的基于DMC技术的模型预测控制器。最新版本的DMC被称为DMCPlus，现在可以从阿斯彭技术公司(Cambridge, Mass.)获得，卡特勒博士担任该公司的高级顾问。有关DMCPlus的更多详细信息，请参阅“多变量过程的模型预测控制”(ce，1997年4月，第71页）。

更多的基于模型的技术

在ControlSoft公司(Cleveland, O.)，基于模型的控制技术采用了模块化多变量控制器(MMC)的形式。MMC合并了一种叫做内部模型控制(IMC)，它使用过程模型不是作为一种预测过程未来行为的手段，而是作为一种对抗不良过程动态的手段。ControlSoft是由凯斯西储大学(Cleveland, O.)的一群校友和教员创建的，他们对IMC技术的发展做出了贡献。

当然，并不是所有最新的控制技术都是在学术界开发的。David Cawlfield，奥林化学公司氯碱分部的软件开发人员，开发了一种模型预测控制算法来调节奥林的化学和石化过程。现在，OMNX开放控制公司(查尔斯顿，田纳西州)的Olin模块化网络和控制系统(OMNX)已经上市。考菲尔德先生将OMNX描述为“PID的drop-in自整定替代品”。

在OMNX的开发过程中，人们的独立思考产生了几个显著的特点。最值得注意的是，该软件在计算所需的控制努力方面非常高效。据考菲尔德说，OMNX的运行速度比传统的基于模型的控制技术快几个数量级。

费希尔 - 罗斯蒙特（奥斯汀，德克萨斯州）和霍尼韦尔工业自动化与控制，（亚利桑那州凤凰城）也开发了基于模型的控制封装在内部，每个有特色。费希尔 - 罗斯蒙特的可变域预测控制器集成模型预测控制技术的方式，外观和给人的感觉更像熟悉PID控制。霍尼韦尔的鲁棒模型预测控制技术被设计成特别的“稳健”或免疫模型不确定性。有关这些详细信息和相关产品，请参阅“多变量控制器进入主流”（ce，1997年3月，第107页）。

鲁棒性也是Fisher-Rosemount公司的新多变量预测控制软件MVP control的目标，该软件计划在今年早些时候发布。Fisher-Rosemount高级控制解决方案项目经理Laurie Ben表示，MVP控制软件将结合开发和调整控制器的方法，使其对模型和过程实际行为之间的差异不那么敏感。

模糊逻辑，增益调度

尽管基于模型的控制器很受欢迎，但它并不能解决世界上所有先进的控制问题。不被理解的过程和演示可变行为的过程特别难以建模。

费希尔 - 罗斯蒙特提供了几种选择。他们的智能增益调度联合收割机模糊逻辑与传统增益调度．增益调度允许控制器在操作条件改变时更新其调谐参数。这种技术通常应用于具有可变增益的过程;也就是说，随着设置点的改变，过程对控制努力变得或多或少敏感。为了保持恒定的整体灵敏度，增益调度程序将自动减少或增加其自身的增益，以补偿过程增益的变化。

传统增益调度器在知道过程增益随设定值精确变化时工作得最好。对于没有被很好理解的过程，智能增益调度器可以使用模糊逻辑来微调控制器增益“一点点”或“很多”，而不是精确的增量。它的目的是克服控制回路的静态和动态元素的非线性，并改善回路性能，尽管过程变化。

Foxboro Co.（Foxboro，Mass）的确切MV控制器也使用先进的增益调度形式。它的参数不断更新“适配器”，该“适配器”可以跟踪过程行为的变化。在受控变量中为高起点和下摆保存单独的增益调度。当主适应方法发生故障时，模糊逻辑用作备份。

更模糊的逻辑

费希尔 - 罗斯蒙特也并入模糊逻辑到他们的智能模糊逻辑控制器。该软件允许用户模糊逻辑应用到现有的控制回路。它的目的是实现比传统的PID控制器可以单独使用，实现更快的和更紧密的过程响应。据费希尔 - 罗斯蒙特的奔女士，用户发现模糊控制温度控制应用特别有用。

Inform Software Corp. (Aachen, Germany and Oak Brook, Ill.)已经将模糊逻辑应用于PLC和基于dcs的控制模糊技术开发软件。Inform与Klöckner-Moeller(德国波恩)合作，开发了集常规控制技术与模糊逻辑于一体的“模糊plc”。一个软件版本可用于多个PLC和DCS平台。它允许用户实时监控模糊逻辑系统，并在运行中修改控制策略。

根据通知的模糊技术总监，康斯坦丁·冯·Altrock，“模糊逻辑使开发人员能够直接从人类操作者的经验和实验结果实行监督控制策略。在许多应用中，这缩短了设计时间缩短到只有一小部分“。对于其中没有操作者的经验是可用的应用程序，通知提供了一个模糊神经附加模块自动生成从采样数据模糊逻辑控制规则。欲了解更多关于模糊逻辑和神经网络，看ce， 1997年7月(44-56页)

神经网络

有时控制一个困难的循环的挑战更多的是不确定的过程数据，而不是不确定的过程行为。神经网络可以通过从相关变量集合推断流程变量的当前值在这些情况下提供帮助。利用历史数据，神经网络可以“训练”以“学习”可测量变量和感兴趣变量之间的复杂关系。一旦知道了这些关系，就可以从实际测量的变量的当前值计算出推断变量的当前值。

Fisher-Rosemount提供了一个用于创建此类虚拟传感器的智能传感器工具包。Ben女士注意到该工具包也在寻找其他用途。“客户还使用它来进行过程分析和知识发现，以帮助确定其过程模型的各种控制应用程序。”

这种分析通常相当于确定过程的输入和输出之间的因果关系。神经网络尤其有助于分析传统线性模型无法量化的过程。来自NeuralWare (AspenTech在宾夕法尼亚州匹兹堡的子公司)的NeuCOP II结合了神经网络、统计和多变量建模技术，从过程数据创建动态的非线性模型。

NeuCOP II控制器将这些非线性模型集成到带有嵌入式优化器的模型预测控制策略中。它可以在不违反操作约束的情况下计算最优控制动作。然后可以将结果显示给操作员进行手动执行，或将结果输入实时控制系统(如DMCPlus)进行自动执行。AspenTech董事长兼首席执行官拉里•埃文斯(Larry Evans)表示:“这种神经网络与我们现有的控制技术的结合，创造了一个强大的解决方案。“例如，神经网络可以安装在现有的多变量控制应用程序中，以提高我们计算推断性质的能力，并为高度非线性过程提供更严格的控制。”

过程从双面印刷机Pavilion技术（奥斯汀，德克萨斯州）也结合了模型预测控制技术的神经网络。不同于传统的模型预测控制器，然而，过程双面使用非线性模型，适用于更宽范围的工艺。神经网络被用来反转模型，以便产生一个未来的过程响应要求控制工作可以被识别。开发者格雷格·马丁声称，该神经网络允许此反转操作要比传统方法更快的速度完成。其结果是，流程双面可应用于先前认为是太快与传统的基于模型的技术来控制过程。

自适应控制

采用模糊逻辑和神经网络技术的许多先进控制技术旨在适应过程行为的变化。据说这种控制器是自适应因为他们可以修改自己的控制策略，以适应新的进程的行为。

一个可用于商业用途的第一自适应控制器是福克斯波罗精确。多变量版本，精确MV，设有两个控制问题的前馈和反馈组件上线自适应功能。精确MV控制器可以处理多达四个前馈输入，允许其功能，有效的多环解耦。该控制器还可以用作Smith预估，加上死时间估计是不断更新的。“这使得它特别有用的难以控制死区时间主导和死时变的过程，”根据汤姆·金尼，系统技术的Foxboro公司的董事。

ControlSoft提供称为Intune的自适应PID控制包。它不断监视循环的性能并更新P，I和D调谐参数以提高闭环响应。通过根据一组复杂的经验规则调整调谐参数，它可以像专家控制工程师一样工作。

来自通用动力学技术的脑波（加拿大温哥华）将自适应控制技术与模型预测控制相结合。它采用动态建模技术来自动构建过程的数学模型，并在继续控制过程的同时在线调整它们。使用最新的模型，脑波可以预测控制变化和馈电干扰的影响，以便在没有振荡的情况下平滑且快速地到达设定值。通过不断更新其流程模型，BrainWave试图考虑意外或时变的过程行为。

与在植物应用中替换的PID控制相比，脑波已经证明了与设定点的偏差减少了30％至50％。它实现了在与PID控制中无法有效处理的死区时间/时间常数比的应用中的基本上改进的控制，“产品管理器Mill Gough说。Gough先生还指出，BrainWave，如Foxboro的确切MV，在长期或不同的致命时间和时间常数的应用中最有效。有关脑波控制的死区占主导地位应用的详细信息，请参阅“预测自适应控制助剂纸浆消化”（ce，1997年11月，页。97）。

每个的一点点

来自预测控制有限公司(Foxboro在英国诺斯维奇的姐妹公司)的Connoisseur，甚至将几种先进控制技术的最佳结合起来。像BrainWave一样，它采用了一个模型预测控制器，可以在线适应当前的工艺条件。当传统科学不能产生预期的结果时，内行还使用神经网络来补偿非线性过程和模糊逻辑来适应控制问题。

鉴赏家也有自己的特色。它的多建模能力被设计用于连续和批处理过程。它还采用了一种非传统的控制结构进行模型预测控制。根据Foxboro公司的Kinney先生的说法，“这种技术在控制器受到未测负载干扰的真实情况下提供了巨大的改进。”

这些先进的控制策略在以pid为中心的行业中会被接受到何种程度，以及未来会有什么样的精密控制软件可用，这些都是每个人的猜测。有一件事是肯定的——在控制层次的所有层次上都有廉价的计算能力，PID循环不会孤独很久。