多变量过程控制的好处

多变量过程控制见解

• 多变量过程有一个以上的输入或输出需要适当的控制。例子包括蒸馏塔、反应堆控制和电力系统。
• 最常见的自动化多变量控制技术是模型预测控制(MPC)，它使用动态过程模型来预测未来的过程响应。

---

成本上升、利润萎缩和供应链问题是每天都在影响我们的问题，制造商正在寻找任何方法来利用他们现有的流程和系统做更多的事情。一个经常被忽视的选择是多变量过程控制改进。

多变量过程是任何具有多个输入和/或多个输出以进行适当控制并且涉及多个设定值的过程。当系统中的设定值相互交叉耦合时，复杂性就会增加，这意味着一个设定值的变化会影响另一个设定值的过程变量。其他复杂情况发生在具有长时间延迟或高阶动态响应的过程中。多变量系统的例子包括:

• 蒸馏塔

• 反应堆控制(例如试图控制水平和浓度)

• 石油炼制

• 天然气采收率

• 直列式混合

• 电力系统。

如果交叉耦合变量的相互作用太强，基本的过程控制可能无法为用户提供最有效和可预测的系统，从而优化产量，最大限度地提高生产产量并减少能源使用。

好的工程师很可能已经有了多变量控制的实际经验——早晨的通勤。开车就是踩油门前进，踩刹车停下来。当加速器被压下时，发动机帮助汽车达到所需的速度设定值(当然是速度限制)。当用户接近设定值时，工程师会放松油门，使发动机有足够的汽油使司机保持在限速。

当然，并非所有的道路都是平坦的。为了在山坡上保持速度，司机需要在汽车到达山坡之前踩下加速器。这种前馈方法意味着汽车的速度在开始倾斜时不会下降。在多变量过程控制中，要测量许多变量，并根据部分或全部这些数据做出决策。

多变量过程控制是如何工作的

最常见的自动化多变量控制技术是模型预测控制(MPC)，这是一种使用动态过程模型来预测过程未来响应的控制技术。MPC中使用的模型是在工厂试验期间开发的，用于识别当操纵变量(MVs)或扰动变量(DVs)发生变化时对控制变量(cv)的动态和稳态影响。在我们上面的驾驶例子中，速度是CV，加速器是MV，外部因素是DVs。为这一控制过程开发的模型将告诉工程师根据任何输入的变化来调整加速器的程度和速度。

需要注意的是，MPC本身并不“控制”CV，而是确定所有mv的可行组合，以便所有CV稳态目标都处于或在其操作极限内。如果存在不止一个可行解决方案，则将使用编入控制器的经济信息来选择最佳可行解决方案。这一特性不仅提供了稳定性，而且推动工厂达到经济最佳状态。

如果没有可行的解决方案，那么最不重要的简历的限制就会放宽。一旦计算出mv的稳态目标，MPC就为所有mv创建动态移动计划。移动计划在控制器的每个执行周期中更新，以考虑DVs的变化。

-应用控制工程(ACE)是CFE媒体和技术内容合作伙伴。由网页内容经理克里斯·瓦夫拉编辑，控制工程， CFE媒体与技术，cvavra@cfemedia.com．

原始内容可以在应用控制工程公司(ACE)．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。