过程控制的发展

过程控制的发展_工业自动化控制_控制系统1前言过程控制是工业自动化的重要分支。几十年来，工业过程控制取得了惊人的发展，无论是在大规模的结构复杂的工业生产过程中，还是在传统工业过程改造中，过程控制技术对于提高产品质量以及节省能源等均起着十分重要的作用。2发展过程在现代工业控制中，过程控制技术是一历史较为久远的分支。在本世纪30年代就已有应用。过程控制技术发展至今天，在控制方式上经历了从人工控制到自动控制两个发展时期。在自动控制时期内，过程控制系统又经历了三个发展阶段，它们是：分散控制阶段，集中控制阶段和集散控制阶段。从过程控制采用的理论与技术手段来看，可以粗略地把它划为三个阶段：开始到70年代为第一阶段，70年代至90年代初为第二阶段，90年代初为第三阶段开始。其中70年代既是古典控制应用发展的鼎盛时期，又是现代控制应用发展的初期，90年代初既是现代控制应用发展的繁荣时期，又是高级控制发展的初期。第一阶段是初级阶段，包括人工控制，以古典控制理论为主要基础，采用常规气动、液动和电动仪表，对生产过程中的温度、流量、压力和液位进行控制，在诸多控制系统中，以单回路结构、PID策略为主，同时针对不同的对象与要求，创造了一些专门的控制系统，如：使物料按比例配制的比值控制，克服大滞后的Smith预估器，克服干扰的前馈控制和串级控制等等，这阶段的主要任务是稳定系统，实现定值控制。这与当时生产水平是相适应的。第二阶段是发展阶段，以现代控制理论为主要基础，以微型计算机和高档仪表为工具，对较复杂的工业过程进行控制。这阶段的建模理论、在线辨识和实时控制已突破前期的形式，继而涌现了大量的先进控制系统和高级控制策略，如克服对象特性时变和环境干扰等不确定影响的自适应控制，消除因模型失配而产生不良影响的预测控制等。这阶段的主要任务是克服干扰和模型变化，满足复杂的工艺要求，提高控制质量。1975年，世界上第一台分散控制系统在美国Honeywell公司问世，从而揭开了过程控制崭新的一页。分散控制系统也叫集散控制系统，它综合了计算机技术、控制技术、通信技术和显示技术，采用多层分级的结构形式，按总体分散、管理集中的原则，完成对工业过程的操作、监视、控制。由于采用了分散的结构和冗余等技术，使系统的可靠性极高，再加上硬件方面的开放式框架和软件方面的模块化形式，使得它组态、扩展极为方便，还有众多的控制算法（几十至上百种）、较好的人一机界面和故障检测报告功能。经过20多年的发展，它已日臻完善，在众多的控制系统中，显示出出类拔萃的风范，因此，可以毫不夸张地说，分散控制系统是过程控制发展史上的一个里程碑。第三阶段是高级阶段，目前正在来到。3过程控制策略与算法的进展几十年来，过程控制策略与算法出现了三种类型：简单控制、复杂控制与先进控制。通常将单回路PID控制称为简单控制。它一直是过程控制的主要手段。PID控制以经典控制理论为基础，主要用频域方法对控制系统进行分析与综合。目前，PID控制仍然得到广泛应用。在许多DCS和PLC系统中，均没有PID控制算法软件，或PID控制模块。从20世纪50年代开始，过程控制界逐渐发展了串级控制、比值控制、前馈控制、均匀控制和Smith预估控制等控制策略与算法，称之为复杂控制。它们在很大程度上，满足了复杂过程工业的一些特殊控制要求。它们仍然以经典控制理论为基础，但是在结构与应用上各有特色，而且在目前仍在继续改进与发展。20世纪70年代中后期，出现了以DCS和PLC为代表的新型计算机控制装置，为过程控制提供了强有力的硬件与软件平台。从20世纪80年代开始，在现代控制理论和人工智能发展的理论基础上，针对工业过程控制本身的非线性、时变性、耦合性和不确定性等特性，提出了许多行之有效的解决方法，如解耦控制、推断控制、预测控制、模糊控制、自适应控制、人工神经网络控制等，常统称为先进过程控制。近十年来，以专家系统、模糊逻辑、神经网络、遗传算法为主要方法的基于知识的智能处理方法已经成为过程控制的一种重要技术。先进过程控制方法可以有效地解决那些采用常规控制效果差，甚至无法控制的复杂工业过程的控制问题。实践证明，先进过程控制方法能取得更高的控制品质和更大的经济效益，具有广阔的发展前景。4传统过程控制存在的问题随着人们物质生活水平的提高以及市场竞争的日益激烈，产品的质量和功能也向更高的档次发展，制造产品的工艺过程变得越来越复杂，为满足优质、高产、低消耗，以及安全生产、保护环境等要求，过程控制的任务也愈来愈繁重。这样的生产过程一般具有大惯性、大滞后、时变性、关联性、不确定性和非线性的特点。这里的关联性不仅包含过程对象中各物理参量之间的耦合交错，而且包括被控量、操作量和干扰量之间的联系；不确定性不单指结构上的不确定性，而且还指参数的不确定性；非线性既有非本质的非线性，也有本质非线性。由于工业过程的这种复杂性，决定了控制的艰难性。传统过程控制方式绝大多数是基于对象模型的，即按建模2控制2优化进行的，建模的精确程度决定着控制质量的高低。尽管目前建模的理论和方法有长足的进步，但仍有许多过程或对象的机理不清楚，动态特性难以掌握，如一些反应过程、冶炼过程、生化过程，甚至有些过程或对象难以用数学语言描述。这样，我们不得不对过程模型进行简化或近似，将一个理论上极为先进的控制策略应用在这样的模型上，控制效果大打折扣是很自然的。如自适应控制，对缓慢的变化过程比较有效，但对变化剧烈的过程(如幅度大,非线性强)却力不从心了。因此，用传统的控制手段进一步提高过程控制的质量遇到了极大的困难，传统控制方法面临着严重的挑战。5智能控制智能控制是一门新兴的、多学科交叉的理论和技术，著名美籍华人学者傅京孙1971年首先提出它是人工智能和控制论的交叉，美国学者G1N1Saridis1977年在此基础上加入了运筹学，即智能控制是人工智能、控制论和运筹学的交叉，如果把对目标的规划、协调和管理也视为一种智能活动，那么两者是一致的。人工智能主要包括专家系统、模糊理论和神经网络；控制论主要指古典控制和现代控制；运筹学主要涉及定量优化方法。专家控制、模糊逻辑控制和神经网络控制是三种典型的智能控制方法。瑞典学者K.J.strem1983年首先把专家系统引入控制领域，1986年提出了专家控制的概念。专家控制是基于知识的智能控制，由关于控制领域的知识库和体现该知识决策的推理机构构成主体框架，通过对控制领域知识(先验经验、动态信息、目标等)的获取与组织，按某种策略及时地选用恰当的规则进行推理输出，进而对过程对象实施控制，或修改补充知识条目。美国著名控制专家L1A1Zadeh1965年提出模糊集后，伦敦大学皇后学院的E1Mamdani1973年将模糊规则用于蒸汽机的控制，从而开创了模糊控制的历史。模糊逻辑控制是以模糊集论、模糊语言变量和模糊逻辑推理为基础的一种计算机控制系统，它是从行为上模仿人的模糊推理和决策过程的一种智能控制方法。它先将操作人员或专家的经验制成模糊控制规则，然后把来自传感器的信号模糊化，并用此模糊输入去适配控制规则，完成模糊逻辑推理，最后将模糊输出量进行解模糊判决，变为模拟量或数字量，加到执行器上。把神经网络引入控制领域就形成了神经网络控制，神经网络控制是从机理上对人脑生理系统进行简单结构模拟的一种新兴智能控制方法，利用神经网络具有并行机制、模式识别、记忆和自学习能力的特点，能充分逼近任意复杂的非线性关系，能在对象或环境变化时，通过自动修改加权系数，使其输出接近或达到期望值。当前的智能控制方法已从前些年的单学科发展到多学科的交叉研究，应用领域也在不断拓宽。目前在两个方面展开了大量的研究：一是智能方法之间的结合；二是智能控制与传统控制的结合。如模糊逻辑与神经网络技术，利用神经网络的自学习自适应功能，为模糊控制提供控制规则，而利用模糊控制具有仿人决策推理能力完成对目标的控制，两者相得益彰，功能进一步加强。智能方法与传统方法的结合，能取长补短，形成更大的优势，象美国学者J1X1Xu等人提出的以神经网络为超前补偿的反馈线性化和变结构合成，日本A1Ishigame在滑模控制中引入模糊规则进行推理，都是智能控制与传统控制结合的范例。一般说来，智能控制具有下列几个共同特点：学习能力。对一个过程或其环境的未知特征所固有的信息进行学习，并将得到的经验用于进一步估计、分类、决策或控制，这对于未知对象的认知和辨识，以及控制系统性能的进一步改善，是十分有利的。组织综合能力。对复杂的任务和分散的传感器信息，具有处理、组织、协调和综合决策的能力，并在进行过程中表现出类似于人的主动性和灵活性。适应能力。由于智能控制不依赖于对象模型，智能行为表现为从系统输入到输出的映射关系，即使输入是系统从未有过的例子，系统通过插补、归类等方法，也能给出适当的输出，如果系统中某部分出现故障，仍能正常工作，并给出警告信号，甚至自行修复。优化能力。由于智能控制具有在线特征辨识、特征记忆和拟人等特点，在整个控制过程中计算机在线获得信息，实时处理，并给出控制决策，通过不断优化参数和寻找控制器最佳结构形式，以获得整体最优控制性能。由此我们清楚地看出，就目前而言，智能控制是解决传统过程控制局限问题、提高过程控制质量的重要途径。6过程控制发展的趋势目前，过程控制正朝高级阶段走来，不论是从过程控制的历史和现状看，还是从过程控制