芻議過程控制系統理論與未來發展

黃澤寅　張國棟　胡志洪

【摘 要】簡述了過程控制的基本理論以及大部分的過程控制系統，主要介紹了串級控制系統。并且就過程控制的一些重點發展方向進行了闡述介紹，展望了智能控制與預測控制在其對應的應用方向具有較好的發展前景。

【關鍵詞】過程控制；智能控制；預測控制

一、過程控制概述

所謂過程控制是指根據工業生產過程的特點，采用測量儀表、執行機構和計算機等自動化工具，應用控制理論，設計工業生產過程控制系統，實現工業生產過程自動化。過程控制的任務是針對連續生產過程的特點，面向連續過程工業增強市場競爭能力的迫切要求，把控制目標放到提高產品收率與質量、節能降耗、降低成本、提高生產過程的柔性，以適應市場需求的多變。這些都對過程控制提出了新的要求，導致了過程控制領域中許多理論問題和關鍵技術需要研究和突破。

單回路反饋控制系統簡稱單回路控制系統。單回路控制系統適用于控制要求不高的一般性場合，約占總過程控制系統數量的一半以上。在所有的反饋控制系統中它是最簡單最基本的一種，因此它又被稱為簡單控制系統。單回路控制系統有4個基本環節組成，即1被控對象或者被控過程，2測量變送裝置，3控制器，4控制閥。

串級控制系統是僅次于單回路控制系統的另一類使用廣泛的控制系統，它是當對象容量滯后或純滯后較大，負荷和干擾變化比較劇烈而頻繁，或是工藝對產品質量提出的要求很高時改善控制質量的有效方法之一，在過程控制中得到了廣泛應用，約占總數的20%左右。具體的串級控制系統，就是采用兩個控制器串聯工作，主控制器的輸出作為副控制器的設定值，由副控制器的輸出去操縱調節閥，從而對主被控變量具有更好的控制效果，這樣的控制系統稱為串級控制系統。它具有以下優點：

1.減小了被控對象的等效時間常數

與單回路系統相比，串級控制系統多了一個副回路，只要擾動從副回路引入，則不等它影響到主參數，副回路立刻進行調節，這樣，該擾動對主變量的影響就會大大減小，從而提高了主變量的控制質量，所以說串級控制系統具有較強的抗干擾能力。

2.提高了系統工作頻率

串級控制系統中副回路改善了對象特征，使整個系統的工作頻率提高了，過渡過程的振蕩周期減小了，在衰減系數相同的條件下，調節時間縮短了，提高了系統的快速性，改善了系統的控制品質。

3.對負載變化具有一定的自適應能力

一般情況下，實際生產過程中的許多對象都具有不同程度的非線性。串級控制系統可以將具有較大非線性的那部分對象包圍到副回路中。由于副回路是一個隨動控制系統，其設定值將隨著主控制器的輸出而變化。這樣主控制器就可以按照操作條件和負載的變化情況，相應地調整副控制器的設定值，從而保證在操作條件和負載發生變化的情況下，控制系統仍然具有較好的控制質量。

單回路控制系統和串級控制系統占過程控制系統總量的80%以上。除此之外，還有一些復雜的過程控制系統，比如前饋控制系統、時間滯后控制系統、解耦控制系統、比值控制系統、均勻控制系統、超弛控制系統、分程控制系統和閥位控制系統等。

前饋控制是與反饋控制相對而言的。反饋控制是在系統受到擾動，被控量發生偏差后再進行控制，而前饋控制的基本思想就是根據進入過程的擾動量，產生合適的控制作用，使被控量不發生偏差。

二、未來的發展

預測控制與智能控制是過程控制在科技發展的背景下涌現出的兩種具有廣泛應用與發展前景的優秀控制方式。

智能控制是一門新興的、多學科交叉的理論和技術，著名美籍華人學者傅京孫1971年首先提出它是人工智能和控制論的交叉。美國學者G.N.Saridis 1977年在此基礎上加入了運籌學，即智能控制是人工智能、控制論和運籌學的交叉，如果把對目標的規劃、協調和管理也視為一種智能活動，那么兩者是一致的。人工智能主要包括專家系統、模糊理論和神經網絡；控制論主要指古典控制和現代控制；運籌學主要涉及定量優化方法。專家控制、模糊邏輯控制和神經網絡控制是三種典型的智能控制方法。

一般說來，智能控制具有下列幾個共同特點：

1.學習能力

對一個過程或其環境的未知特征所固有的信息進行學習，并將得到的經驗用于進一步估計、分類、決策或控制，這對于未知對象的認知和辨識，以及控制系統性能的進一步改善，是十分有利的。

2.組織綜合能力

對復雜的任務和分散的傳感器信息，具有處理、組織、協調和綜合決策的能力，并在進行過程中表現出類似于人的主動性和靈活性。

3.適應能力

由于智能控制不依賴于對象模型，智能行為表現為從系統輸入到輸出的映射關系，即使輸入是系統從未有過的例子，系統通過插補、歸類等方法，也能給出適當的輸出，如果系統中某部分出現故障，仍能正常工作，并給出警告信號，甚至自行修復。

4.優化能力

由于智能控制具有在線特征辨識、特征記憶和擬人等特點，在整個控制過程中計算機在線獲得信息，實時處理，并給出控制決策，通過不斷優化參數和尋找控制器最佳結構形式，以獲得整體最優控制性能。

目前智能控制盡管人工智能理論尚不成熟，智能控制技術還處在發展之中，但隨著相關科學和技術的發展，它將逐步完善起來，它的應用前景是極為廣闊的。結合過程控制的特點，智能控制可能運用于復雜過程工業，用以研制通用的智能產品，與DCS相結合，用于故障診斷等方面。

而預測控制理論注重了多種算法的交叉研究，由模糊控制、人工神經網絡等智能控制技術與預測控制機理相結合的智能預測控制正成為人們研究的熱點，特別是與PID控制技術的結合獲得了廣泛的應用。并且在工業應用中表現出了不少的優點：

（1）對模型要求低，現代控制理論之所以在過程工業中難以大規模應用，其重要的原因之一是對模型精度要求太高，而預測控制就成功地克服了這一點。

（2）采用了非最小化描述的離散卷積和模型，信息冗余量大，有利于提高系統的魯棒性。

（3）用了滾動優化取代了全局一次優化，每個控制周期不斷進行優化計算，不僅在時間上滿足了實時性的要求，而且突破了傳統的全局一次優化地局限，把穩態優化與動態優化相結合。

（4）可在不增加任何理論困難的情況下，將算法推廣到有約束條件、大時滯、非最小相位、非線性等過程，并獲得了較好的控制效果。

預測控制具有適應復雜生產過程控制的特點，所以預測控制具有強大的生命力。在單變量的理論分析方面已經取得了一些成果，但在多變量算法中對于穩定性或魯棒性的研究還比較欠缺。因此非線性預測控制和魯棒預測控制仍是今后研究的重點。隨著預測控制在理論和應用兩方面的不斷發展和完善，與工業過程的實際應用前景緊密結合起來，必將在工業生產過程中發揮出越來越大的作用，展現出廣闊的應用前景。

參考文獻：

[1]陳夕松，汪木蘭，楊俊.過程控制系統[M].科學出版社，2014.12

[2]徐湘元.過程控制的發展方向_智能控制[J].化工自動化及儀表，1998.25（2）

[3]張春峰.預測控制在過程控制中的應用綜述[J].PLC&FA，2006.7