RPC的优点和基于模型的控制的限制

速率预测控制(RPC)是一种专利控制算法，设计用于替代工业标准的比例-积分-微分(PID)的单环控制。该算法也被用于无模型多变量控制(XMC)的内部控制算法。

三率预测控制优势

与PID和基于模型的控制相比，RPC有三个具体的优点:

1.RPC(类似于PID，但不同于基于模型的控制)是一种反馈控制算法．反馈仍然是流程行业几乎所有控制循环的首选，因为它易于部署、维护低、成功率和可靠性高。反馈控制的时间总是完美的，因为它响应过程的响应，这意味着不存在基于模型的时间问题。在绝大多数应用中，反馈控制在不产生不可接受偏差的情况下拒绝过程干扰。

2.RPC的预测方式与基于模型的控制不同．RPC查看受控变量的持续变化率，并预测其隐含的未来值，即当前值加上变化率乘以过程沉淀时间。沉淀时间是RPC的主要调优参数，它很容易调优，并且有误差宽限，就像PID积分时间一样。RPC的预测方法使其对扰动更敏感，当控制返回到设定值时更稳定。

3.RPC可以适应流程响应中的更改．在数百种美国专利中进行过程控制，RPC是唯一一个具有固有自适应的主张（自然自我调整）的唯一一个。例如，如果过程增益发生变化，则过程响应相应地改变，因此RPC的预测和控制器响应也是如此。这是一个简单而优雅的，也是一个完整的行业，因为重新定期和模型 - 维护始终是规则作为例外。成功的自适应控制长期以来一直是过程控制的爪索。

图：速率预测控制（RPC）固有地自适应（认为自然自​​调整）以改变过程增益。在顶部图中，过程增益为1.0，而在底部图中，过程增益为2.0。控制性能仍然“完美”，没有变更RPC调整参数。礼貌：APC性能LLC

基于模型控制的两个限制

基于模型的控制，它与前馈相同的控制通常被认为优于反馈，因为它具有抑制最小偏差的扰动。即便如此，在过去几十年中，基于模型的控制的广泛采用，主要是以基于模型的多变量控制的形式，揭示了基于模型的控制在实践中的局限性。

1.可靠的基于模型的控制依赖于可靠的模型．过程响应变化的地方，因此它们不再将内置的模型与控制器内置的模型相匹配，然后基于模型的控制性能降低，并可能复合干扰。换句话说，基于模型的控制来提高性能的承诺也承担较差和更可靠的性能的风险。数十年的经验已经显示了过程模型不太可靠，而不是最初预期的。这意味着需要几乎连续的模型维护来减轻这种风险。这是自动调整缺乏行业期望的主要原因，为什么甚至连续自适应建模不能克服基于模型的控制的这种限制。

2.返回反馈控制。由于第一个原因，基于模型的控制技术已经进行了大量的调整，以及大量深奥的配置和调优参数，以帮助在面对模型不匹配时提高稳定可靠的性能。但在基于模型的控制能够容忍模型误差的程度上，它又回到了反馈控制!这就提出了一个问题，为什么在模型和模型维护上花费这么多时间和金钱，却只为了回到反馈控制?从反馈控制开始，然后有选择地应用前馈，只在实际需要和保证的地方，不是更有意义吗?对于单回路控制，这个问题的答案始终是肯定的;回想起来，多变量控制也应该是肯定的。对于有效的多变量控制和优化，大多数过程最多需要几个重要模型，而不是几十个或数百个。

在这种光中，RPC和XMC的进一步固有优势是它们不是基于模型的;因此，模型相关的活动，如工厂测试，模型识别和模型维护，主要被淘汰。RPC和XMC基于传统经过验证的先进监管控制（ARC）方法选择性地联合了前馈。

Allan Kern，P.E.的所有者和主席APC性能LLC.．由Mark T. Hoske，Content Manager编辑，控制工程，《媒体那mhoske@cfemedia.com。

关键词：先进的过程控制，速率预测控制

Rate-predictive控制(RPC)是一种专利控制算法，可替代比例-积分-微分(PID)单回路控制。

RPC优势包括它是反馈控制算法和预测性。

基于模型的控制需要可靠的模型。

考虑一下这一点

你能关闭更多控制循环具有更可靠的控制算法？

在线额外

请参阅下面关于速率预测控制的第1部分和关于多变量控制好处的第2部分的链接。