了解APC的限制和目标

过程自动化和优化需要使用自动化多变量控制，以长生命周期技术取代人工多变量控制，提供低成本、低维护和高敏捷性，从而发展成为行业核心竞争力。理解高级过程控制的限制和目标。

通过艾伦·克恩 2021年11月29日

提供:APC Performance LLC

学习目标

检查多变量控制器中的限制和目标。
在多变量控制中寻找约束控制和优化。
理解主动极限和目标不应该包含MV极限。

多变量过程控制(MPC)时代的主要经验之一是，多变量控制不是专门化的，而是几乎每个过程操作的核心方面——问问任何操作员或过程工程师。大多数过程操作，在很大程度上，是人工多变量控制的练习，而人工多变量控制是过程工业现有的核心竞争力(见多变量控制是核心竞争力）.

为了将过程自动化和优化提升到高级过程控制(APC)的下一个水平，自动化多变量控制必须发展成为行业的核心竞争力，即低成本、低维护、高敏捷性、长生命周期技术。这从未从MPC中出现过，但是通过观察传统的人工多变量控制原理和实践，多变量控制可以更容易地理解和掌握，因此自动化多变量控制核心竞争力将(最终)出现。

多变量控制器中的极限和目标

MPC使用专业术语，因此即使是更常见的术语，如操纵变量(MV)、受控变量(CV)、限制和目标，也经常对非apc专家的理解和参与构成障碍。这是不必要的，因为手动多变量控制已经存在了很长时间，并且有操作员、工艺工程师和现场操作团队的其他成员已经熟悉的术语。

单回路控制器可以被认为是一个多变量控制器，具有一个MV(输出)、一个CV(过程变量)和一个优化目标(设定值):控制器通过操作输出(MV)来控制过程变量(被控变量或CV)到目标值(设定值)。操作员不能在设定值限制之外调整设定值，控制器也不会在输出限制之外调整输出。理想情况下，在多变量控制器中，MV设定值和输出限制与基础层控制器设置相同，CV限制与现有报警设置相同。对于大多数意图和目的，这些设置是相同的。

多变量控制器的不同之处在于，mv可能会响应或受限于任何相关的CV极限和目标矩阵中的CV(见第一部分)．在单回路控制中，控制器只受其自身的限制，因此很容易理解控制器的行为。在多变量控制中，为了理解正在进行的控制器行为或在必要时调整限制和目标，可能需要熟悉(或看一看)矩阵连接。

多变量控制中的约束控制与优化

上限和下限的概念为每个变量指定了一个可接受的操作窗口，而目标和设定值则指定了窗口内的首选(或最优)操作点，这为我们提供了约束控制和优化的概念，这是多变量控制的同义词。在多变量控制中，第一优先级是约束控制，这意味着将cv保持在约束限制窗口内。第二个优先级是优化，这意味着使用剩余的MV可用性(约束控制之后)在约束窗口内尽可能地将变量移动到优化目标。经典的多变量约束控制和优化图(图1)说明了这一概念。

图:自动化多变量控制可以可靠地控制工作点更接近约束极限和优化目标，因为当工作点和约束极限由于正常工艺变化和干扰而移动时，可以依靠自动响应来保持工作点不超过报警和约束极限。使用手动多变量控制，操作点往往远离限制和目标，因为手动响应往往不太可靠，但这通常会导致错过优化潜力。提供:APC Performance LLC

在单环控制中，期望控制器能够在不遇到输出限制的情况下达到设定值，但在多变量控制中，期望通常会有许多活动限制。多变量控制的数学是活动限制和目标的总数将等于mv的数量。其余变量应在限制范围内，但不一定要达到限制或目标。当不能实现这一点(所有变量都在限制范围内)时，就说这些限制是不可行的，操作团队必须评估调整或(暂时)忽略哪些限制。

有源极限和目标不应包含MV极限

理想情况下，主动极限和目标将不包括任何MV极限，这相当于单环控制器处于输出极限，通常表明错过了优化潜力。它也经常表明一个“捏”的MV已经完全被限制其极限。在多变量控制器中，最优条件是所有MV都在自己的优化目标上，或者控制连接CV到其优化目标，或者针对连接CV的限制，该限制阻止MV实现目标，但MV在这种情况下做得最好。这被称为MV利用率度量(请参阅下一期的第3部分)。

Allan G. Kern，体育，业主和顾问在APC性能有限责任公司．由内容经理马克·霍斯克编辑，控制工程， CFE媒体与技术，mhoske@cfemedia.com．