先进控制在过程工业的应用Application of advanced process control inprocess industry摘要：随着现代控制理论的迅速发展，各种先进控制策略、方法和技术已开始在流程工业中广泛应用，其中鲁棒控制软测量技术，模糊控制都是精化，预测工业控制的重要手段。

本文举例说明了先进控制技术在各种过程工业中的应用，简述了先进控制技术的优点，在分析工业过程特点的基础上，总结了工业过程先进控制的发展现状，阐述了控制器参数整定和模型预测控制的基本概念和内容。

关键词：工业过程；先进控制；模型预测控制；自适应控制；鲁棒控制；智能控制；软测量技术；内模控制；先进控制软件Abstract：With the rapid development of modern control theory，some advanced process control strategies，methods and technology has been widely applied in process industry，the robust control soft measurement technique and fuzzy control are refined，prediction of industrial control is an important means of. The paper illustrates the advanced control technology in the process of industrial application，the advantages of advanced control technology in the analysis，based on the characteristics of industrial process，summed up the development of advanced control of industrial process，elaborated the controller parameter tuning and model predictive control of the basic concept and content of.Keywords：Industrial process；advanced control; model predictive control; adaptive control; robust control; intelligent control; soft measurement; internal model control; advanced control software一．前言什么是先进控制（Advanced Process Control，简称APC ）先进控制是对那些不同于常规控制，并具有比常规PID控制更好的控制效果的控制策略的统称，而非专指某种计算机控制算法。

但至今对先进控制还没有严格的、统一的定义。

尽管如此，先进控制的任务却是明确的，它是用来处理那些采用常规控制效果不好，甚至无法控制的复杂工业过程控制的问题。

通过实施先进控制，可以改善过程动态控制的性能、减少过程变量的波动幅度，使之能更接近其优化目标值，从而使生产装置在接近其约束边界的条件下运行，最终达到增强装置运行的稳定性和安全性、保证产品质量的均匀性、提高目标产品收率、增加装置处理量、降低运行成本、减少环境污染等目的。

现代复杂的工业生产过程，通过实施先进控制，可以大大提高工业生产过程操作和控制的稳定性。

先进控制，内容丰富，涵盖面广，包括预测控制、自适应控制、鲁棒控制、智能控制和软测量技术等。

二．模型预测控制模型预测控制是一种基于模型的闭环优化控制策略，已在炼油、化工、冶金和电力等复杂工业过程控制中得到广泛的应用。

模型预测控制具有控制效果好、鲁棒性强等优点，可有效地克服过程的不确定性、非线性和关联性，并能方便处理过程被控变量和操纵变量中的各中约束。

模型预测控制是一类产生于20世纪70年代的计算机控制算法。

与传统的PID 控制算法不同，模型预测控制不但利用当前时刻和过去时刻输出测量值与设定值的偏差，而且还利用预测模型来预估过程未来的偏差值，采用滚动优化的方法确定当前的最优控制作用。

模型预测控制的基本步骤是预测模型建模、滚动优化和反馈校正。

其代表性的控制算法有动态矩阵控制（DMC）、模型算法控制（MAC）和广义预测控制（GPC）。

动态矩阵控制（DMC）算法是一种基于对象阶跃响应的预测控制算法，它适用于渐近稳定的线性对象。

对于弱非线性对象，可在工作点附近作线性化处理后应用DMC。

作为一种有约束的多变量优化控制算法，DMC在1974年在美国壳牌石油公司得到应用。

此后，它被广泛用于炼油、石化、化工、造纸等领域。

模型算法控制（MAC，又称为模型预测启发控制MPHC）诞生于20世纪70年代后期，它是基于对象脉冲响应的一种预测控制算法，适用于渐近稳定的线性对象。

MAC算法以控制变量的变化量（即△u）为输入控制量，在控制算法中包含了数字积分环节，故即使发生模型失配，该算法仍可以实现无稳态偏差控制。

MAC（MPHC）在锅炉、精馏塔等的控制中获得了成功应用。

广义预测控制（GPC）是在自适应控制的研究中发展起来的一类预测控制算法。

GPC算法基于可控自回归滑动平均模型或可控自回归积分滑动平均模型，采用多步预测优化策略，利用在线辨识和校正机制增强了控制系统的鲁棒性。

GPC 算法不仅适用于开环稳定的最小相位系统，而且可用于非最小相位系统、变结构系统和时滞系统。

当前，预测控制的研究范围主要涉及到以下方面，(1)对现有基本算法作修正。

如引入扰动观测器，采用变反馈校正系数等。

(2)单变量到多变量的推广。

把只适合于稳定对象的算法推广到非自衡系统，把预测控制的应用范围推广到非线性及分布参数系统。

(3)优化目标函数的选取。

如采用最小方差的目标函数、二范数的目标函数、无穷范数的目标函数等。

(4)预测模型的选取。

尤其是在非线性预测控制中，非线性预测控制要比线性预测控制复杂得多。

因而，目前研究主要集中在特殊的非线性模型，如Wiener模型，Bilinear模型、广义Hammerstein模型、V olterra模型等。

(5)引入大系统方法，实现递阶或分散的控制算法。

(6)将基本控制算法与先进的控制思想与结构相结合，如自适应预测控制、模糊预测控制、鲁捧预测控制、神经网络预测控等。

目前，预测控制的应用几乎遍及各个工业领域，如：炼油、石化、化工、造纸、天然气、矿冶、食品加工、炉窑、航空、汽车等。

其中全世界采用了以预测控制为核心的先进控制算法已经超过5000多例。

国外著名的控制工程公司都开发研制了各自的商品化软件。

预测控制的软件产品至今已走过了三代。

第一代产品主要以Adersa公司的IDCOM 和Shell Oil公司的DMC为代表，可处理无约束的预测控制问题。

第二代以Shell Oil公司的QDMC为代表，它增加了处理输入输出有约束的多变量对象的技术。

而目前的第三代产品，主要有Aspen公司的DMC plus和Honeywell公司的RMPCT，以及浙大中控软件公司的Adcon等，都已在炼油、化工、石化等工业生产过程中应用。

三．自适应控制自适应控制的研究对象是具有一定程度不确定性的系统。

面对客观上存在的各种不确定因素，自适应控制系统能在对象运行过程中，通过不断地测量系统输入、状态、输出或性能指标，逐渐获得过程内部信息，然后对给定的评价指标和按一定的设计方法作出控制决策（更新控制器的结构、参数或修正控制作用）。

自适应控制对模型和扰动的先验知识依赖程度较低。

目前比较成熟的自适应控制系统可分为两大类，一类是模型参考自适应控制系统（Model Reference Adaptive System，MRAS）；另一类是自校正调节器控制系统（Self-Tuning Regulator Control System，STRCS）。

模型参考自适应控制系统由参考模型、被控对象、反馈控制器和调整控制器参数的自适应机构等部分组成，如图1所示。

从中可知，这类控制系统包含内外两个环路。

内环是由被控对象和控制器组成的普通反馈回路，而控制器的参数则由外环调整。

参考模型的输出ym就是对象输出y的期望值。

自适应机构由系统输出响应y(t)与模型输出响应ym(t)的偏差信号e(t)驱动。

图1 模型参考自适应控制系统结构图自校正调节器控制系统由被控对象、对象参数估计器、控制器参数计算机构和可调控制器组成，如图2所示。

和模型参考自适应控制系统相似，自校正调节器控制系统的内环包括被控制对象和一个普通的线性反馈控制器，控制器的参数由外环调节；但自校正调节器控制系统的外环由一个对象模型参数估计器和一个控制器参数计算机构所组成。

参数估计器对被控对象进行在线参数估计；控制器参数计算机构根据对象模型参数估计值，按一定的设计准则获得新的控制器参数，并把这些参数赋给可调参数控制器；后者再根据设定值r和系统输出y的偏差确定控制量u，使整个系统达到预期的控制效果。

自适应控制技术首先用于飞机的自动驾驶。

飞行器的动态特性取决于许多环境参数和结构参数，如动态气压、高度、质量、阻尼板位置等。

在不同环境下，这些参数可能在相当大的范围内变化。

对这类工作环境复杂、参数幅度变化大的被控对象，自适应控制尽显优越性。

如今，自适应控制技术的应用几乎遍及所有领域，如机器人研制、导弹制导、磁悬浮列车机械制动系统、卫星天线跟踪指向控制、汽车悬架控制、水泥生料磨机化学成分控制、连铸结晶器液位控制系统和精馏塔控制，等等。

四．鲁棒控制实际控制对象一般很难用精确的数学模型描述。

鲁棒控制基于被控对象的不确定性和不完全信息建模，再根据该模型设计能够满足期望性能指标的控制器。

鲁棒控制的基本理论包括H∞控制理论和μ理论。

H∞控制理论就是在H∞空间通过某些性能指标的无穷范数优化而获得具有鲁棒性能控制器的一种控制理论。

H∞控制理论为多输入多输出且具有模型摄动的系统提供了一种频域鲁棒控制器设计方法。

对于非结构不确定性系统，H∞鲁棒控制器可以设计得相当精确。

μ理论是研究动态不确定性鲁棒控制的结构奇异值理论。

μ理论将一个具有回路多点独立的有界范数摄动化为块对角摄动结构，然后给出判断系统鲁棒稳定的充要条件。

μ理论不但能有效地、无保守性地判断“最坏情况”下摄动的影响，而且当存在不同表达形式的结构不确定性情况下仍然能够分析控制系统的鲁棒稳定性和鲁棒性能问题。

由于鲁棒控制理论处理不确定系统的优越性，已经在航空、航天、航海、化工、冶金等领域得到了应用，如飞机着陆控制、飞机运动控制、机器人轨迹跟踪、机器人两自由度柔性关节控制、电力系统非线性自抗扰励磁控制、水下热动力系统控制、工业过程鲁棒PID 控制器等等。