PID整定提高了流程效率

过程工业工厂必须优化监管和先进的控制，以最大限度地提高盈利能力，同时保持安全运行。监管控制的稳定是实现这些目标的关键。稳定通常可以通过对工厂的调节控制回路进行更密切的评估来提高。

这些回路大多由一个比例积分微分(PID)控制器操作。通过更好地理解如何调整这些循环，工厂人员可以提高质量和效率，同时确保工厂安全。此外，实现调节控制的稳定形成了先进过程控制实施的基础，这可以进一步优化操作。

稳定的监管控制系统除了可以保持安全运行外，还可以通过减少排放和能耗、延长设备寿命来提高盈利能力。通过自动化麻烦的控制回路，减少了对人工操作的需求，节省了人工时间，提高了产品的一致性。

本文介绍了如何实现一个稳定的，良好调谐的调节控制系统，重点是改进的PID控制。

控制循环基础知识

在典型的控制回路中，必须控制一个参数，如温度或压力。这个参数称为过程变量(PV)。传感器通常测量PV，在闭环系统中，该测量变量作为反馈提供给控制器。

PV的期望值，例如温度控制系统中的40f，称为设定值变量(SV)。例如，如果PV仅为30华氏度，控制器将做出反应，调整其输出以增加温度。

约束是指可以安全有效地执行过程的限制。例如，42华氏度的高温会在某个过程中破坏液体中的化合物。因此，流程必须保持在这个约束之下。然而，在36华氏度下操作的工艺远远低于限制，以至于质量下降和/或工艺变得低效。因此，我们的目标是控制PV，并使其尽可能接近SV，且变异性最小。当可变性最小化时，SV可以移动到更接近约束的位置，从而改善操作。

PID控制器

PID控制器是工艺装置中最常用的控制器类型，在一个典型的装置中，95%以上的控制回路由PID控制。熟悉的PID控制器是提高质量、能源效率和生产的好工具。

PID控制器在各种操作条件下提供良好的性能，并且可以以简单、直接的方式进行操作。它们可以是独立的，也可以是嵌入式的，它们可以用于一个或多个控制循环。它们还可以与顺序逻辑和高级控制功能相结合，形成复杂的自动化系统。

PID算法由三个基本元素组成:比例、积分和导数。这三个元素的设置都是不同的，以实现最佳响应:以最小的可变性保持PV尽可能接近SV。每个元素都链接到对控制循环有特定影响的特定任务。

PID控制器接收测量值光伏从传感器获取数据，然后确定测量PV和期望PV之间的差值(误差)SV．然后根据误差计算所需的控制器输出或操纵变量(MV)。MV又作用于最终的控制元件(例如蒸汽阀)，进而影响改变PV的过程(见图1)。

PID控制器的整定常数的计算方法有很多。大多数方法都是基于为最终控制元素、过程和测量相结合而建立数学模型。

描述控制器的模型简单来说就是PID算法。如果可以为过程(最终控制元素、过程和测量)确定模型，那么整个循环的数学模型就就位了。在这一点上，调优控制器就变成了将控制器调优常数(P、I和D)与进程模型的参数匹配，并优化三个PID常数以产生所需的响应。

在现实世界中，控制器输出通常不是影响系统的唯一信号。环境中可能有一些因素会导致偏差，例如环境噪声。这些元素被称为扰动。虽然在控制过程时必须考虑干扰因素，但它们也被有意地暂时引入，作为调优控制器的初始步骤。

整定PID控制器

PID控制器整定过程包括五个步骤:

1. 在控制回路中引入扰动
2. 将得到的响应拟合到数学模型中
3. 利用调优相关性计算控制器参数
4. 实现新的P、I和D参数
5. 记录结果。

整定PID控制器的第一步涉及插入一个扰动，该扰动将创建一个新的控制器输出(CO)到环路中。这就是所谓的碰撞测试。引入环路的扰动必须大到足以产生清晰的PV响应，并且响应必须大到足以将其与系统中的任何噪声区分开。未测量的扰动会破坏PV数据，因此CO值越高越好(见图2)。

自我调节过程vs.整合过程

描述流程可以使用任意数量的模型类型。但是在选择模型之前，必须首先确定这个过程是自我调节的还是集成的(非自我调节的)。这种确定在调优控制器时是必不可少的，因为不同的过程需要不同的数学模型。

修改公司介绍之后,一个自我调节的过程最终会找到一个稳定的状态,只要CO和扰动变量保持稳定,随着过程有一个内部的方法调节平衡的变化的光伏有限公司为例,在一个循环流动,如果阀门打开一个额外的10%,流量将增加一个新值,呆在这个值,直到阀再次移动。大多数过程都是自我调节的。

然而，在积分过程中，除非CO回到原来的位置，否则PV会不断变化。在积分过程中，PV随CO变化呈线性上升或下降。这意味着集成过程可能难以控制。积分过程的一个例子是改变罐内的液位。如果有更多的流量进入罐内，水位将继续上升;如果有更多的流量流出，水位将继续下降。

对自调节流程的控制循环进行调优往往比对集成流程进行调优容易。如果对积分循环进行了不正确的调优，就会非常容易和迅速地产生负面后果。在集成过程中引入CO变化后，无法实现平衡可能会导致一些问题，例如液体溢出或干涸，这可能导致设备(泵)损坏、环境破坏或重大安全问题。

自我调节过程需要比例和积分(有时是导数)控制模式以获得良好的性能。尽管积分过程的名称不同，但它们对积分控制方式的依赖要小得多。由于流程模型不同，所以必须应用不同的调优规则。

使用建模

在执行碰撞测试并确定所涉及的过程类型之后，下一步涉及将模型拟合到数据中。建模是理解流程数据的最佳方法之一。一阶加死时间(FOPDT)动态过程模型通常足以描述过程响应，并允许计算良好的调优常数。

在该模型中，PV是被测量的过程变量，CO信号是被操纵的变量。FOPDT模型很简单(低阶线性)，因此它只近似真实过程的行为。表示为:

集总参数过程模型

集总参数模型是一个FOPDT模型。该模型用简单的线性方程描述过程响应，方程包含三个参数:增益()、时间常数()和死区时间()。

对于集总参数模型，根据过程控制回路的性质，需要两种形式的模型:自调节过程(流量、温度等)和积分过程(水平)。

由于积分过程更难控制，必须使用不同的模型来描述这类过程，其描述如下式:

调优的相关性

有许多不同的整定相关方法用于计算PID整定常数。

Ziegler-Nichols和Cohen-Coon是两种最流行的计算调谐常数的技术。这两种技术强调的是反应速度。内部模型控制(IMC)，也被称为“Lambda规则”，提供了一个健壮的替代方案，平衡响应速度与控制器稳定性或鲁棒性。IMC调优可用于线性和非线性过程，它比其他技术产生更平滑的FOPDT响应。

IMC调优是基于这样一个概念:有了一个精确的过程模型，就有可能实现理想的控制。然而，由于影响流程的外部干扰，模型与实际流程之间可能会出现不匹配，从而导致错误的结果。因此，IMC被设计为具有补偿干扰和建模误差的方法，包括在其他模型中出现许多错误的高频域的滤波器和补偿器。

与其他调优过程一样，必须使用IMC执行一步测试以确定流程特性。在确定集总参数过程模型后，必须为控制回路选择所需的闭环时间常数()。

如果闭环时间常数过大，将导致控制回路变慢。因此，较小的值将创建更快的控制循环。但是如果闭环时间常数(被设置为比FOPDT过程时间常数()更短，IMC调优的优势就会消失。

一般来说，for的值应该设置在()值的1到3倍之间。在很多情况下，= 3 x是最优实现非常稳定的控制回路。因此，在确定FOPDT过程模型后，IMC技术只有一个可调参数:闭环时间常数。通过改变闭环时间常数，可以使控制器速度变得更激进或更保守。

IMC有一个缺点，即控制器的积分时间被设置为等于过程时间常数。具有非常长的时间常数的过程意味着控制器也将具有非常长的积分时间，而较长的积分时间将导致从扰动中恢复非常缓慢。

正确调整PID控制器不是一个简单的过程，但它是提高生产效率、质量和安全性的最佳方法之一。通过改进PID整定实现稳定的调节控制系统，SV可以安全地靠近约束，同时减少PV的可变性，从而减少过程中的低效率。

然而，收集数据和执行所有的建模数学可能是困难和耗时的。幸运的是，先进的软件可以简化PID控制器整定，降低误差的可能性(见图3)。

无论PID回路调优是手动执行还是在回路调优软件的帮助下执行，每个控制回路的性能改进将导致整个工艺装置的显著整体性能提高。

Merle Likins博士，PE，退休，拥有路易斯维尔大学化学工程本科和研究生学位。他是五个州的注册专业工程师，在过程自动化方面拥有超过35年的经验。Likins博士在石油和化学过程方面有广泛的背景。他在多变量控制、在线过程模型和在线优化方面也有多年的经验。退休前，Likins博士曾与横河美国公司从1992 - 2013。

本文刊登在《应用自动化》杂志的增刊上控制工程而且设备工程．

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。