快速過程模型識別和生成的制作方法

快速過程模型識別和生成的制作方法
【專利摘要】快速過程模型識別技術在相對短的時間段中通過根據過程輸出對于過程輸入的變化的最初響應得出積分增益和過程死區時間的估計，來識別在所述過程輸入與所述過程輸出之間的動態關系。隨后，使用所述積分增益和死區時間值為多個不同類型的過程中的任一個生成完整的過程模型。所述過程模型能夠用于非常迅速地施行過程仿真或能夠用于控制目的，以便能夠使得使用或依賴于在線的過程模型的過程控制系統比先前更加迅速。此外，所述快速建模技術能夠在控制過程回路的控制器完成對于即使單個過程干擾或設定點的變化的響應之前，用于得出所述過程回路的仿真模型，從而使得該技術在施行慢過程的控制方面非常有用。
【專利說明】
快速過程模型識別和生成
[0001 ]本申請為分案申請，其原申請的申請日是2 0 1 1年3月2日，申請號為 201110051830.3，發明名稱為"快速過程模型識別和生成"。
技術領域
[0002] 本發明大體上涉及過程控制系統，更具體地，涉及用于迅速識別和生成過程模型 的方法，以用于在諸如工業過程工廠的過程控制系統中的控制和仿真活動。
【背景技術】
[0003] 諸如分布式的或可擴展的過程控制系統，例如在化工、石油或其他過程中使用的 過程控制系統，通常包括一個或多個過程控制器，這些控制器通過模擬的、數字的或組合的 模擬/數字總線通信地耦合到彼此、到至少一個主機或操作者工作站、到一個或多個現場設 備。這些現場設備，它們可以是，例如，閥，閥定位器，開關和變送器(例如，溫度、壓力和流速 傳感器），在過程內施行諸如打開和關閉閥和測量過程參數的功能。過程控制器接收表示由 現場設備所做的過程測量的信號和/或關于現場設備的其他信息，并且使用這些信息實現 控制例程，控制例程隨后產生控制信號，該控制信號通過總線被發送到現場設備以控制過 程的操作。來自現場設備和控制器的信息通常能夠被由操作者工作站執行的一個或多個應 用使用，以使操作者能夠施行關于此過程的任何期望的功能，例如查看此過程的當前狀態， 更改此過程的操作等。
[0004] -些過程控制系統，例如由艾默生過程管理出售的DeltaV?系統，使用被稱為模 塊的功能塊或功能塊組，其位于控制器中或不同的現場設備中來施行控制操作。在這些情 況下，控制器或其他設備能夠包括和執行一個或多個功能塊或模塊，其中的每一個都接收 來自其他功能塊(在同一個設備中或在不同的設備中）的輸入和/或提供到其他功能塊的輸 出，并施行一些過程操作，諸如測量或檢測過程參數、控制設備或執行控制操作，諸如實現 比例微分積分(PID)控制例程。過程控制系統中的不同的功能塊和模塊通常被配置為彼此 相互通信(例如，通過總線）以形成一個或多個過程控制回路。
[0005] 過程控制器通常被編程以用于針對為過程限定的或者包含在過程中的例如流控 制回路、溫度控制回路、壓力控制回路等的多個不同回路中的每一個執行不同的算法、子例 程或者控制回路。一般來說，每個這樣的控制回路包括一個或多個輸入塊，例如模擬輸入 (AI)功能塊，包括單輸出控制塊，例如比例微分積分(PID)或模糊邏輯控制功能塊并包括輸 出塊，例如模擬輸出(A0)功能塊。
[0006] 控制例程，和實現這些例程的功能塊，已經根據很多控制技術配置，控制技術包括 PID控制、模糊邏輯控制和例如史密斯預估器或模型預測控制(MPC)的基于模型的技術。在 基于模型的控制技術中，在例程中使用的用于確定閉環控制響應的參數是基于對于作為過 程的輸入的所控制的或所測量的擾動的變化的動態過程響應。可以將對過程輸入的變化的 過程響應的表示描述為過程模型。例如，一階參數化的過程模型可以指定過程的增益、死區 時間、以及主時間常數的值。
[0007] MPC，其是一種特別的基于模型的控制技術，包括使用多個被設計為獲取在過程輸 入和輸出之間的動態關系的步驟或脈沖響應模型。通過MPC技術，過程模型直接用于生成控 制器。當MPC控制器與在過程死區時間、過程延遲等中經歷了大的變化的過程結合使用時， 則必須使用模型來自動地再生成該MPC控制器以匹配當前過程條件。在這個情況下，在多個 操作條件中的每個條件下相應地識別過程模型。然而，多個過程模型的引入以及需要自動 生成控制器的來匹配當前過程條件非期望地增加了過程控制系統的復雜性。
[0008] 使用自適應控制技術已經將過程模型用于設定PID和其他控制方案的整定參數， 其中通常過程模型和用戶選擇的整定規則中的變化導致要更新PID(或其他)控制器的整 定。例如，美國專利第7113834號，名為"State Based Adaptive Feedback Feedforward PID Controller"和美國專利第6577908號，名為"Adaptive Feedback/Feedforward PID Controller"，公開了用于施行自適應控制的過程模型的使用。
[0009] 盡管希望改善控制性能，但是基于模型的控制和自適應控制技術的使用在過程工 業領域中是局限的，因為在實際中該些技術時常很難實現。作為實際問題，模型識別通常是 專為MPC控制或自適應控制而設計的特別的功能塊的一部分。不幸的是，確定哪些過程控制 回路將得益于自適應控制的實現常常是困難的，即，應該為自適應性能選擇哪些回路。一個 原因涉及到在典型的工廠中受監控的眾多的（例如，成百個)控制回路和儀器(例如，上千 個）。不論工廠的規模和復雜性，常規的過程控制系統通常不支持為工廠中的所有的控制回 路創建過程模型。更嚴重的是，需要相當數量的測試來為每個待確定模型的控制回路識別 新的過程模型。例如，該測試可能需要應用一個或多個過程的擾亂，其與在線過程的操作不 兼容。
[0010] 如上所述，研發用于控制系統的過程模型能夠是涉及手動的過程，并且即使過程 是自動的，可能花費大量的時間來施行。通常，改變過程干擾或控制信號，并且監控被控制 的過程變量的響應，來為過程回路確定過程響應時間、過程增益、過程死區時間等，以便得 到控制回路的過程模型。該技術可以用于迅速地和容易地確定快速過程或快速過程回路的 動態特性，諸如流體和液體壓強控制回路，因為對于這些回路過程變量到達靜息值所需要 的時間是以秒為單位發生的，因此可使用大量技術中的任一種來實現過程動態特性的迅速 識別。然而，對于慢過程或過程回路，諸如容器液位或柱罐液位、溫度、pH、以及成分控制回 路，有關的過程變量可能需要幾分鐘、幾小時、以及甚至幾天才能到達設定點或最終的靜息 值。此外，擾動常常發生在測試完成之前，從而需要進一步的測試。因此，目前用于這些過程 的模型識別工具通常需要多個測試，甚至對于相對的安靜的過程(quiet process)也是如 此。因此，需要幾天至幾周來為慢過程回路識別完整的或準確的一套模型。
[0011] 同樣地，對于連續過程，設定點可相對不頻繁地改變，并且通常在正常情況下僅在 過程啟動期間、或在速率改變或牌號切換期間進行改變。此外，對于批處理過程，通常在諸 如溫度的批處理變量中僅有一個或兩個設定點變化。作為結果，施行為這些回路的模型所 需要的多個測試是困難的。附加地，由于上述的原因，大多數現有的過程模型識別工具是與 模型預測控制和自適應比例、積分、微分(PID)控制器或PID自動整定器相關聯的，并且不普 遍與慢過程的控制回路一起使用。

【發明內容】

[0012] 快速過程模型識別技術在諸如幾分鐘的相對短的時間段中，甚至為慢過程或過程 回路識別在任何過程輸入和過程輸出之間的動態關系。隨后，該模型識別技術能夠用于為 多個不同類型的過程生成過程模型，并且能夠用于控制目的，以便能夠比先前更加迅速地 獲得使用或依賴于在線的過程模型的過程控制系統。此外，該技術能夠被用于在控制過程 回路的控制器完成對于甚至單個過程干擾或設定點的變化的響應之前，獲得過程回路的仿 真系統。該特征首先允許了所迅速生成的模型被用于響應于被用于生成模型的過程干擾以 控制過程，例如，在過程的過程響應時間段結束之前或在過程控制器響應于過程干擾(其可 能由過程中的控制變量的變化引起)控制過程達到穩定狀態之前。在任何情況下，該過程模 型識別技術能夠用于迅速地確定初始過程模型，其能夠直接被用于施行過程控制和過程的 仿真，并且因為隨時間推移，能夠獲得更多的關于過程回路的數據，所以該過程模型能夠被 更新、更改或完善。
[0013] 在一個情況下，用于生成過程的過程模型的方法包括:收集所述過程中的與過程 變量和控制變量相關的過程數據，并且根據所收集的在特定時間段內生成的所述過程數據 確定與所述控制變量的變化之后的所述過程變量相關聯的緩變率。在此，所述特定時間段 短于與所述過程相關聯的過程響應時間，并且至少部分地在死區時間段結束之后，與所述 過程相關聯。隨后，該方法使用所述所確定的緩變率來生成所述過程的過程模型。該方法可 以還包括根據所述所收集的過程數據來估計與所述過程相關聯的過程死區時間，并且可以 使用所述緩變率以及所述所估計的過程死區時間來生成所述過程模型。該方法可以通過確 定在所述特定時間段上所述過程變量的變化來確定與所述過程變量相關聯的緩變率，其 中，所述特定時間段的長度與所述過程的所估計的過程死區時間有關。所述特定時間段的 長度可以，例如，等于所述所估計的過程死區時間或可以是所述所估計的過程死區時間的 倍數。
[0014] 在一些情況下，所述特定時間段(至少部分地)發生在時間幀內，所述時間幀在所 述死區時間段結尾開始，并且在所述死區時間段結束之后，延伸例如等于或短于所述過程 死區時間的十倍的時間長度。更一般地，所述特定時間段在所述過程的所述過程死區時間 段結束之后（在控制變量的變化之后）稍后或立即開始。在一些情況下，所述特定時間段可 能處于在所述過程死區時間段結束之后、延伸過程的一個或多個死區時間的長度的時間段 中，可能處于過程的前一半過程響應時間內，或對于死區時間占主導的過程，可能處于超過 該前一半過程響應時間的時間段內。然而，所述特定時間段總是短于與所述控制變量的變 化相關聯的過程的過程響應時間。
[0015] 生成所述過程的過程模型可以包括通過確定所述所確定的緩變率與所述控制變 量的變化之間的比率，來由所述所確定的緩變率確定所述過程的積分增益。此外，該方法可 以使用為所述過程確定的所述積分增益來確定所述過程的其他過程模型參數，以及可以在 所述過程響應時間結束之前，使用所述過程模型參數來仿真所述過程的操作。該方法可以 還或替代地在所述過程響應時間結束之前，使用所述過程模型參數來確定用于控制所述過 程的控制參數，以及可以使用所述控制參數來控制所述過程。
[0016] 更進一步地，該方法可以通過確定在相同長度的不同的時間段上(諸如，等于所述 所估計的過程死區時間的長度的時間）的過程變量緩變率的多重值來確定與所述控制變量 的變化之后的所述過程變量相關聯的緩變率，以及可以將所述緩變率確定為所述過程變量 緩變率的所述多重值的統計度量。例如，該方法可以將所述緩變率確定為所述過程變量緩 變率的所述多重值的最大值、平均值、中間值等。
[0017] 在另一個情況下，用于仿真過程的操作的方法包括收集所述過程中的與過程變量 和控制變量相關的過程數據，根據所述所收集的過程數據確定與所述控制變量的變化之后 的所述過程變量相關聯的緩變率，以及使用所述所確定的緩變率來生成所述過程的過程模 型。隨后，該方法在所述過程響應于所述控制變量的所述變化而受控制達到穩定狀態之前， 使用所述過程模型來仿真所述過程的操作。該方法還可以包括在所述過程響應于所述控制 變量的所述變化而受控制達到穩定狀態之前，使用所述仿真來確定控制所述過程的過程控 制器的新的一組控制參數。更進一步地，該方法可以在所述過程響應于所述控制變量的所 述變化而受控制達到穩定狀態之前，向控制所述過程的所述過程控制器提供所述新的一組 控制參數，以及可以響應于所述控制變量的所述變化而在所述過程控制器中使用所述新的 一套控制參數來控制所述過程以達到穩定狀態。
[0018] 該方法還可以包括根據所述所收集的過程數據來估計與所述過程相關聯的所述 過程死區時間，以及可以使用所述所確定的過程死區時間和所述所確定的緩變率來生成所 述過程模型。
[0019] 在另一個情況下，用于使用一組控制參數來控制由過程控制器控制的過程的方 法，所述方法包括:收集所述過程中的與過程變量和控制變量相關的過程數據，根據所述所 收集的過程數據、在所述過程響應于所述控制變量的所述變化而受控制達到穩定狀態之 前、確定與所述控制變量的變化之后的所述過程變量相關聯的緩變率，以及使用所述所確 定的緩變率來生成所述過程的過程模型。該方法可以在所述過程響應于所述控制變量的所 述變化而受控制達到穩定狀態之前，使用所述過程模型來確定所述過程控制器的新的一組 控制參數，以及在所述過程響應于所述控制變量的所述變化而受控制達到穩定狀態之前， 向所述過程控制器提供所述新的一組控制參數。
[0020] 在又一個情況下，過程模型生成系統包括:處理器、第一例程，其存儲在計算機可 讀介質上，運行在所述處理器上，用以收集在線過程中的與過程變量和控制變量相關的過 程數據，還包括第二例程，其存儲在所述計算機可讀介質上，運行在所述處理器上，用以確 定在一時間段期間的、與所述控制變量的變化之后的所述過程變量相關聯的緩變率，所述 時間段短于與所述過程相關聯的過程響應時間，以及還包括第三例程，其存儲在所述計算 機可讀介質上，使用所述所確定的緩變率來生成所述過程的過程模型。第四例程，其存儲在 所述計算機可讀介質上，可以運行在所述處理器上，用以根據所述所收集的過程數據來估 計與所述過程相關聯的過程死區時間，并且所述第二例程可以使用所述所估計的過程死區 時間來確定所述緩變率。另外，所述第三例程可以通過根據所述所確定的緩變率確定所述 過程的積分增益，來使用所述所確定的緩變率來生成所述過程的所述過程模型。如果需要， 所述第二例程可以通過確定在相同長度的不同的時間段上的過程變量緩變率的多重值來 確定與所述控制變量的變化之后的所述過程變量相關聯的緩變率，以及可以將所述緩變率 確定為所述過程變量緩變率的所述多重值的統計度量。
[0021 ]更進一步地，用于與過程一起使用的過程建模系統包括:數據收集單元，其收集所 述過程中的與過程變量和控制變量相關的過程數據，所述建模系統還包括死區時間單元， 其根據所述所收集的過程數據來確定與所述過程相關聯的死區時間，以及緩變單元，其根 據所收集的在與所述所確定的死區時間相關的特定時間段內生成的所述過程數據確定與 所述控制變量的變化之后的所述過程變量相關聯的緩變率，其中，所述特定時間段短于與 所述過程相關聯的過程響應時間。此外，該過程建模系統包括建模單元，其使用所述所確定 的緩變率來生成所述過程的過程模型。如果需要，所述特定時間段可以等于所述所確定的 死區時間或可以是所述所確定的死區時間的倍數。
[0022] 在此，所述緩變單元可以包括延遲塊，其通過所述特定時間來延遲所述所收集的 過程變量，所述緩變單元還包括加法器，其確定差值信號，所述差值信號指出當前過程變量 值與通過所述延遲單元延遲的過程變量值之間的差值，所述緩變單元還包括除法器單元， 其將所述差值信號除以所述特定時間來產生過程變量緩變率。所述緩變單元還可以確定在 所述控制變量的變化之后的、一系列的過程變量緩變率，以及可以包括統計塊，其確定所述 一系列的過程變量緩變率的統計度量來產生所述過程變量緩變率。所述統計塊可以例如將 所述一系列的過程變量緩變率的最大值確定為所述過程變量緩變率。
[0023] 所述過程建模系統可以還包括整定單元，其根據所述過程模型來確定一個或多個 參數，以用于控制所述過程，以及可以包括控制器，其控制所述過程，以便所述整定單元在 所述控制器響應于所述控制變量的所述變化而控制所述過程以達到穩定狀態之前，向所述 控制器提供所述控制參數。所述過程建模系統可以還包括或替代地包括仿真單元，其在過 程響應時間結束之前，使用所述過程模型參數來仿真所述過程的操作。
【附圖說明】
[0024] 為了更完整地理解本發明，應該參考以下詳細的說明以及所附的附圖，其中，類似 的附圖標記標識了附圖中類似的元件，并且其中：
[0025] 圖1是過程控制系統的示意圖，該系統包括配置有一個或多個控制例程的控制器， 以及包括通信地耦合到仿真系統的一個或多個快速過程模型識別和生成模塊；
[0026] 圖2示出在積分過程中過程變量對于控制變量的變化的典型的響應；
[0027] 圖3示出在自調節過程中過程變量對于控制變量的變化的典型的響應；
[0028] 圖4示出在失控過程中過程變量對于控制變量的變化的典型的響應；
[0029] 圖5是圖1的快速過程模型識別和生成模塊中的一個的功能框圖；以及
[0030] 圖6是仿真系統的示意圖，該系統可以用于使用由圖1或圖5的快速過程模型識別 和生成模塊中的一個創建的過程模塊來仿真過程回路或過程的操作。
【具體實施方式】
[0031] 先參考圖1，過程控制系統10包括過程控制器11，該過程控制器11連接到數據歷史 記錄12和一個或多個具有顯示屏14的主工作站或計算機13(其可以是任何類型的個人計算 機、工作站等）。控制器11也經由輸入/輸出（I/O)卡26和28連接到現場設備15-22。數據歷史 記錄12可以是任何期望類型的具有用于存儲數據的任何期望類型的存儲器和任何期望的 或已知的軟件、硬件或固件的數據收集單元。數據歷史記錄12可以從工作站13分離(如圖3 所示)或可以是工作站13中的一個的一部分。控制器11，其可以是，例如，例如由艾默生過程 管理出售的DeltaV⑩控制器，控制器11經由例如，以太網連接或任何其他期望的通信網絡 23通信地連接到主計算機13和數據歷史記錄12。控制器11還使用任何期望的與例如標準的 4-20毫安設備相關聯的硬件和軟件和/或諸如FOIIDATIONSQft場總線協議、HART? 協議、WirelessI-IART?協議等的任何智能通信協議來通信地連接到現場設備15-22。
[0032] 現場設備15-22可以是任何類型的設備，諸如傳感器、閥、變送器、定位器等，而I/O 卡26和28可以是任何類型的符合任何期望的通信或控制器協議的I/O設備。在圖1所示的實 施例中，現場設備15-18是通過至I/O卡26的模擬線路或模擬數字混合線路通信的HART設備 或標準的4-20毫安設備，而現場設備19-22是智能設備，諸如現場總線現場設備，其使用現 場總線協議通信線在通過至I/O卡28的數字總線通信。當然，現場設備15-22可以符合任何 其他所期望的一個或多個標準或協議，包括任何在將來所研發出的標準或協議。
[0033]控制器11包括處理器30,其實現或監管一個或多個過程控制例程(存儲在存儲器 32中的），處理器30可以包括控制回路，并且與設備15-22、主計算機13和數據歷史記錄12通 信來以任何期望的方式控制過程。應注意，如果需要，任何在此處描述的控制例程或模塊可 以部分地由不同的控制器或其他設備實現或執行。同樣地，在此處描述的將在過程控制系 統10內實現的控制例程或模塊可以采用任何形式，包括軟件、固件、硬件等。當然，過程控制 模塊可以是過程控制系統的任何部分，包括，例如，例程、塊或任何其中的元件、或任何其他 存儲在任何計算機可讀介質上的將在處理器上執行的軟件。控制例程，其可以是模塊，或是 控制程序的任何部分，諸如子例程、子例程的部分(諸如代碼行），等，可以以任何期望的軟 件形式實現，諸如使用面向對象的程序設計、使用梯形邏輯、順序功能圖、功能塊圖、或使用 任何其他軟件編程語言或設計模式。同樣地，控制例程可以是硬編碼地實現在例如，一個或 多個EPROM，EEPR0M，專用集成電路(AS IC )、或任何其他硬件或固件元件中。因此，控制器11 可以配置為以任何期望的方式實現控制策略或控制例程。
[0034]在一些實施例中，控制器11使用通常稱為功能塊的東西來實現控制策略，其中，每 個功能塊是一個對象或整個控制例程的其他部分(例如，子例程），并且結合其他功能塊(經 由被稱為鏈路的通信線)實現在過程控制系統10內的過程控制回路。功能塊通常施行與諸 如變送器、傳感器或其他過程參數測量設備相關聯的輸入功能、與諸如施行PID、模糊邏輯 等控制相關聯的控制功能、或控制一些諸如閥的設備的操作的輸出功能中的一個，以施行 在過程控制系統10內的物理功能。當然，存在混合功能塊和其他類型的功能塊。這些功能塊 當被用于標準的4-20毫安設備和一些類型的諸如HART設備的智能現場設備，或與其相關聯 時，可以被儲存在控制器11中并且由其執行;或在使用現場總線設備時，這些功能塊可以存 儲在現場設備中并且由其本身實現。雖然在此使用功能塊控制策略來提供控制系統10的描 述，但是還可以使用其他常規，諸如梯形邏輯、順序功能圖等或使用任何其他期望的編程語 言或模式來實現或設計本發明的技術和系統。
[0035]由圖1的分解框圖40所示，控制器11可以包括多個單回路控制例程，如例程42和44 所示，并且，如果需要，可以實現一個或多個高級控制回路，諸如多/輸入-多/輸出控制例 程，如控制回路46所示。每個這樣的回路通常被稱為控制模塊。單回路控制例程42和44被示 出為分別使用單輸入/單輸出模糊邏輯控制塊和單輸入/單輸出PID控制塊來施行單回路控 制。單回路控制例程42和44連接到合適的模擬輸入(AI)和模擬輸出（A0)功能塊，其可以與 諸如閥的過程控制設備相關聯、與諸如溫度和壓強變送器的測量設備相關聯、或與過程控 制系統10內的任何其他的設備相關聯。盡管先進控制塊48的輸入和輸出可以連接到任何其 他期望的功能塊或控制元件來接收其他類型的輸入并且來提供其他類型的控制輸出，先進 控制回路46被示出為包括通信地連接到一個或多個AI功能塊的輸入和通信地連接到一個 或多個A0功能塊的輸出。先進控制塊48可以是任何類型的模型預測控制(MPC)塊，神經網絡 建模或控制塊、多變量的模糊邏輯控制塊、實時優化塊等，或可以是自適應地整定的控制塊 等。應該可以理解，圖1中所示的功能塊，包括先進控制塊48,能夠由控制器11執行或，替代 地，能夠位于諸如工作站13中的一個甚至或現場設備19-22中的一個的任何其他處理設備 并且由其執行。
[0036]此外，如圖1所示，一個或多個過程模型識別例程50可以存儲在過程控制系統10的 一個或多個設備中。雖然模型識別例程50被示出為被存儲在控制器11和工作站13中，但是 例程50可以被存儲在其他替代的或附加的設備中，并且在其中執行，該些設備包括，例如， 現場設備15-22中的任一個。每個模型識別例程50通信地耦合到諸如控制例程42、44、46的 一個或多個控制例程來接收一個或多個控制變量(例如，控制器輸出）和一個或多個所測量 的過程變量。每個模型識別例程50負責基于過程干擾或控制器信號(包括設定點的變化)和 一個或多個所測量的過程變量為一個或多個過程回路或過程快速地識別過程模型。雖然任 何特定的模型識別例程50可以為特定相關的一組控制變量(例如，控制器輸出或設定點）和 由控制器輸出控制的過程變量確定過程模型，但是模型識別例程50可以確定任何期望的一 組控制變量和過程變量之間的關系或可以確定與任何期望的一組控制變量和過程變量相 關聯的過程模型，并且不限于為與特定的控制回路相關聯的一組控制變量和過程變量確定 過程模型。
[0037] 如圖1所示，仿真系統52被存儲在工作站13中的一個并且可以由其執行。仿真系統 52通信地耦合到一個或多個模型識別例程50并且使用由模型識別例程50得到的一個或多 個過程模型來施行仿真。在該情況下，當在得到過程模型時，仿真系統52可以通信地耦合到 任何或所有的模型識別例程50來接收來自例程50的過程模型。用戶可以使用仿真系統52來 施行過程仿真，由此基于所識別的過程模型來仿真過程的將來的操作。通過下述的討論可 以理解，因為模型識別例程50能夠基于來自操作過程的反饋，快速地確定過程模型或過程 關系，仿真系統52可以工作和運行，并且能夠在控制器11真正實現完整的控制響應（即，控 制器11響應于過程干擾或過程變量設定點的變化而控制過程變量)之前，仿真由控制器11 控制的過程或過程回路。該特征使得仿真系統52在過程控制系統10建立好之后，或在過程 控制系統10的變化之后迅速地有用，并且使得仿真系統52在整定過程控制回路中有用，而 控制器11仍然響應于特定的過程干擾、擾動、或設定點的變化而控制過程。
[0038] 結合圖2-6描述了模型識別例程50的操作，其實現快速地確定過程模型或在控制 變量(包括干擾變量)和過程變量之間的關系的方法。一般來說，存在三種基本類型的由過 程的開環控制響應限定的過程，包括積分過程（integrating process)、自調節過程(selfregulating process) 和失控過程 (run-away process)。在積分過程中 ，過程變量響應于控 制變量的階躍變化連續地在相當穩定的狀態下緩變。在自調節過程中，過程變量響應于控 制變量的階躍變化朝新的穩態值緩變，當其接近新的穩態值時會減速，并且最終會在新的 穩定的狀態值處呈平穩狀態。自調節過程通常被描述為負反饋過程。在另一方面，在失控過 程中，過程變量響應于控制變量的階躍變化，以加速的速率緩變直到過程變量碰到設置在 控制系統中的釋放(relief)或聯鎖，其以一些方式停止過程。失控過程通常被描述為正反 饋過程。
[0039] 圖2示出示例性積分過程的開環控制響應，其通常在層級過程和某個批處理過程 中。如圖2所示，響應于控制器輸出（例如，控制變量）的階躍變化，過程變量PV的緩變率變 化，并且繼續以基本上穩定的緩變率而不標明穩態值。通常，從控制變量MV的變化之前的時 間到控制變量MV的變化之后的可觀的時間段中的緩變率的變化用于根據開環測試識別積 分增益(KJ。對于閉環控制，過程變量PV通常在測試之前和之后處于設定點上。在該情況 下，初始過程變量緩變率通常是零，并且在整個響應期上的過程變量緩變率用于識別積分 增益I。在任何情況下，積分過程的積分增益Ki能夠被計算為在控制變量的變化之前和之 后的過程變量的緩變率的變化，并且能夠在數學上表示為：
[0040] Ki={[ APV2/AT2]-[ APVi/ATi]}/AMV [0041 ]式中：
[0042] Δ MV是控制變量的變化；
[0043] △ PV!是過程變量在時間段△ ^上的變化，該時間段剛好在由控制變量的明顯的變 化引起的過程變量的變化之前；以及
[0044] △ PV2是過程變量在時間段△ T2上的最大變化，該時間段在由控制變量的明顯的變 化引起的過程變量的變化之后。
[0045] 通常，使用過程變量PV和控制變量MV的變化來施行該計算，其中過程變量PV和控 制變量MV被表示為在這些變量的范圍中的百分比變化。
[0046] 以類似的方式，圖3示出自調節過程的開環響應。如圖3所示，在控制變量MV的變化 (發生在時間to)之后，過程變量PV在死區時間段θ Ρ?保持基本穩定或不變（g卩，過程變量PV 不經歷任何明顯的變化），并且因此仍處于噪聲頻帶中直到死區時間段9[)結束。此后，過程 變量PV隨時間向上緩變，在一定的時間段之后，過程變量PV在靜息點或新的穩態值處達到 平穩。在該情況下，可以由開環增益K。和過程時間常數描述或建模該過程。開環增益K。可 以計算為：
[0047] K〇= APV/AMV
[0048] 式中：
[0049] Λ MV是控制變量的變化；以及
[0050] APV是過程變量在to上的初始值和最終靜息值之間的過程變量的總的變化。
[0051]同樣，通常使用表示為變量范圍的百分比的過程變量的變化APV和控制變量的變 化AMV來施行該計算。在任何情況下，如圖3所示，主負反饋過程時間常數通常被計算為 0.63倍的過程變量PV值的總的變化(即，0.63 X Δ PV)。
[0052]圖4示出在高放熱反應器溫度控制情形中最常見的失控過程的典型響應。如圖4所 示，在失控過程中，響應于控制變量MV的變化，過程變量PV仍處于噪聲頻帶中直到控制變量 MV的變化之后的某一時刻，這一時間被定義為過程死區時間θρ。此后，由于過程內的正反 饋，過程變量PV以傾向于隨時間而增長的緩變率變化。例如，在一些放熱過程中，反應率的 增長(其隨同溫度的增長而發生）引起較高的放熱，其隨后進一步地增長溫度，導致更加高 的反應率等。由于過程的正反饋，溫度響應加速，最終到達"無返回"（no return)點，在"無 返回"點控制系統不能抑制反應。在該些情況下，例如，正在測量的壓強能夠迅速地超出泄 放閥的設置或能夠破裂系統中的壓力閥內的閥板(例如，在幾分鐘內），導致反應器內容最 終成為爆發系統。因此重要的是，溫度控制器在由正反饋引起的加速到達無返回點之前，對 初始緩變率作出反應。通常能夠在控制期間使用控制器最高可能的增益來實現該結果。
[0053] 在任何情況下，能夠以過程增益KP和主正反饋時間常數τΡ+建模失控過程。在此，過 程增益計算為：
[0054] ΚΡ= Δ %PV/A %C0
[0055] 式中：
[0056] Δ %PV是在一定時間段上過程變量的變化(百分比）；以及
[0057] Δ%〇)是控制器輸出（即，控制變量）的變化百分比。附加地，正反饋時間常數τΡ+通 常設置為過程變量PV到達1.72倍的△ %PV所需的時間。當然，在失控過程中，由于過程的不 穩定性質，大多數特征測試在閉環控制情形中施行。
[0058]由圖2-4可見，一些非積分過程，諸如具有高過程增益的快速反應過程和具有大主 時間常數的慢過程，可以表征為在緊接著死區時間段控制區域中具有積分或"近積分" (near integrating)響應。特別地，如圖2所示，在控制變量MV的變化之后以及在死區時間 ΘΡ之后，積分過程的過程變量PV的緩變率立即變化，并且傾向于迅速地達到切線或相當穩 定的狀態緩變率。如圖3和4所示，該同樣的情況實際上在所示的自調節過程和失控過程中 都發生了，至少在緊接著死區時間段Θ Ρ結束的短時間段內。根據圖3,應注意，由于在圖3中 用于示出整個自調節過程的空間限制，示例性過程響應并不與特別慢的過程相關聯。然而， 在過程工業中，大多數所感興趣的自調節過程具有時間常數，其超出圖3所示的時間常數不 止一個數量級。在該些情況下，如圖3所示，初始響應到新的緩變率的彎曲度(bending)(由 于次時間常數)不是很重要，而過程變量PV的緩變率更可代表至拐點的切線。
[0059] 雖然標準的積分過程是純批處理或層級過程，但少于百分之十的典型的工業化學 過程是積分過程。此外，少于百分之一的典型的工業化學過程是失控過程，其幾乎專門地與 用于塑料和特殊化學品生產過程的高放熱反應器相關聯。因此，超過百分之九十的工業化 學過程是自調節過程。然而，因為上述原因，化學工業(或至少具有最大直接經濟效益的工 業）中的許多連續的和分批補料過程表現為"近積分"過程和能夠以在此處描述的建模目的 而被視為"近積分"過程。特別地，如在此處所使用的，在過程死區時間段終止之后的至少兩 段死區時間上，"近積分"過程是最初如同積分過程一樣反應的過程，在所述時間段中過程 變量傾向于在過程死區時間段終止之后的短時間段內響應于控制變量的階躍變化以相當 恒定的速率緩變。
[0060] 因為過程控制工業中的大多數所感興趣的過程是積分過程或能夠表征為近積分 過程，下述的快速識別過程的過程模型的方法能夠用于所有這些類型的過程。一般來說，在 此處描述的快速識別過程的過程模型的方法基于過程變量在緊接著控制變量的變化的短 時間段中對于控制變量的變化的響應，來確定過程的過程死區時間9 [)和積分增益I。如上所 示，該技術能夠應用于許多不同類型的過程或過程回路，包括積分過程回路和能夠被表征 為"近積分"過程回路的自調節或失控過程回路。
[0061] 特別地，能夠通過基于過程變量在緊接著過程死區時間段的終止的或在過程死區 時間段終止后不久的短時間段期間的響應來估計或確定過程的積分增益，為過程得到相對 準確的過程模型。事實上，對于積分和近積分過程，一旦過程的死區時間段終止，則過程變 量非常迅速地傾向于在整個過程響應時間中，尤其是在開環控制期間保持以相當恒定的緩 變率變化。因此，該過程變量的緩變率能夠在過程響應期中早期的點上測量，并且隨后所測 量的緩變率能夠用于確定過程的積分增益，其轉而能夠用于估計過程的其他特征參數(過 程模型參數），諸如過程增益和主時間常數，而無需等到完成過程的整個響應期或等到過程 被控制以響應于控制變量的變化而達到穩狀。作為結果，基于過程變量在緊接著控制變量 的變化的相對短的時間段內的響應，甚至能夠為慢響應過程，諸如需要幾分鐘、幾小時或甚 至幾天來達到其最終穩定點的過程，快速地確定或識別過程模型。
[0062] 當然，確定過程死區時間包括確定控制變量的變化被提供給過程的時間，控制變 量諸如設定點的變化或控制器的輸出，確定過程死區時間還包括測量所控制的過程變量 (或其他感興趣的過程變量)來識別過程變量響應于控制變量的變化而開始變化的時間。隨 后，過程死區時間被確定為在控制器輸出（控制變量)變化和過程變量的變化開始之間的時 間。當然，存在許多估計過程死區時間的方式，并且該些技術中的任何一種能夠用于確定過 程中的過程死區時間。
[0063] 為了確定或估計過程的積分增益I，該方法識別或測量在死區時間段θ##止之后 的短時間段內的過程變量的緩變率，并且使用所識別的緩變率來確定過程變量在時間上的 變化與控制變量的變化的比率。在死區時間段9 [)終止之后的短時間段期間確定過程變量緩 變率，該短時間段通常可以在緊接著死區時間段的結束的過程響應時間的開始部分內，諸 如在過程響應時間的中間點之前、在死區時間段之后的一個或多個死區時間之內、在死區 時間段之后的十個死區時間之內等。例如，該技術可以在過程死區時間段終止之后延伸所 識別的過程死區時間的二至六倍的時間段之內確定過程變量的緩變率。然而，可以在死區 時間段的終止后立即的或緊接著死區時間段的終止的其他期望的時間段上，諸如在等于兩 倍或多倍的所識別的死區時間的時間段上，確定過程變量的緩變率。在一實施例中，在多個 緊接著死區時間段的終止的連續順序的時間段上(例如，六至十)可以多次測量過程變量的 緩變率。每個時間段可以是，例如，所識別的過程死區時間的長度。在該情況下，隨后，該方 法可以選擇這些所測量的緩變率中的最高或最陡（即，最大值)的緩變率作為所識別的過程 變量緩變率。在其他實施例中，所選擇的或所識別的過程變量緩變率可以是多個所測量的 緩變率的平均值、中值或其他統計度量。該些所測量的緩變率是在過程變量在過程死區時 間段結束之后立即或稍后的響應期間的不同時刻確定的。更進一步地，可以基于在接著死 區時間段的終止的任何期望的時間段，諸如等于兩個、三個、或多個死區時間的時間段，上 的數據，測量或確定單過程變量的緩變率。
[0064] 一旦確定，過程變量的緩變率被用于確定過程積分增益I。特別地，可以將過程積 分增益Ki確定為過程變量在時間上的緩變率的百分比變化（即，過程變量的緩變率被表示 為過程變量在時間上的百分比變化)與控制變量的變化(被表不為控制變量的百分比的變 化)的比率。該關系可以在數學上表示為：
[0065] Ki=( APV2/AT2-APVi/ATi)/AMV
[0066] 式中：
[0067] Λ !\和Δ T2是確定緩變率的時間間隔；
[0068] Δ PVjP Δ PV 2分別是在時間間隔Δ TdP Δ Τ 2期間所測量的過程變量的最大變化 (在過程變量范圍中的百分比）；以及
[0069] Δ MV是控制變量在控制變量范圍中的百分比的變化。
[0070] 在此，ΔΤχ可以是在死區時間段θρ結束之前的任何時間間隔，而ΔΤ2可以是在死區 時間段θρ結束之后的任何時間間隔，但是優選的是在死區時間段θ##止之后立刻或稍后的 時間間隔。此外，ATdPAT 2可以是與過程響應時間相比相對短的時間段，諸如一個死區時 間至六個死區時間。
[0071] 此后，所識別的過程死區時間θρ和積分增益Ki可以用于確定一個或多個過程模型 參數，諸如過程的過程增益、過程死區時間和主時間常數，或可以用于確定諸如常微分方程 (0DE)過程模型的第一原理模型中的因數、參量或變量。
[0072] 將可以理解，因為能夠在控制變量（或干擾變量）的變化之后的相對短的時間段 中，例如，在控制變量的變化之后的二至十個死區時間中，確定所估計的過程死區時間 所估計的積分增益I，所以能夠迅速地確定過程的過程模型，并且事實上能夠在許多情況 下在控制器響應于控制變量的變化而完成過程變量的控制以達到穩態之前，確定過程的過 程模型。
[0073] 因此，快速識別過程模型的廣義的方法論包括將過程死區時間識別為在過程變量 中有明顯的響應之前的時間，以及根據在死區時間之前和之后的緩變率的變化識別積分過 程增益。識別緩變率的變化的時間段能夠與，例如，兩個死區時間一樣短，并且可以延伸至 死區時間的任何倍數，但是其總是短于總的過程響應時間。計算可以繼續完善積分增益的 確定直到緩變率下降或開始下降。將可以理解，死區時間和積分增益的計算通常在回路設 定點的變化之后或最終控制元件之后開始，最終控制元件引起干擾變量、控制變量、或影響 可測量的過程變量的過程輸入的可計量的變化。該些過程輸出能夠是，例如，PID過程變量、 MPC控制的變量或任何過程、經濟、或質量變量。隨后，積分器增益1能夠用于向工廠仿真提 供實驗和/或混合實驗0DE模型或其他模型。
[0074] 此外，估計使用該技術來自動識別和采用過程模型的時間能夠較少到幾分鐘，從 而使得能夠在很短的時間段中實現工廠性的仿真的開發。通過將積分增益k直接用于積 分，能夠將積分增益L用于基于物料平衡和能量平衡來參數化0DE模型，積分增益L還能夠 被用于為自調節和非自調節正反饋過程將過程時間常數計算為過程增益與近積分增益的 比率。
[0075] 特別地，對于自調節和失控過程，過程增益心能夠被計算為或近似為：
[0076] KP = PV〇/MV〇
[0077] 式中，PV。和MV。是在控制變量的變化之前的或在控制變量的變化時的過程變量和 控制變量的初始值。當然，如果需要，可以替代地使用其他估計過程增益的方式。
[0078] 更進一步地，自調節的負反饋過程時間常數τ[Γ或失控過程的正反饋過程時間常數 τΡ+能夠計算為：
[0079] τρ-= KP/Ki
[0080] τρ+ = ΚΡ/Κ?
[0081] 因此，在該情況下，將過程增益ΚΡ估計為剛好在控制變量的變化之前的初始過程 變量與初始控制變量的比率。重要的是，實驗和混合模型使用控制變量的偏差作為輸入，并 且提供過程變量的偏差作為輸出來處理在過程工業中普遍的操作點非線性。
[0082]圖5示出簡化的功能塊圖60,其能夠用于實現圖1的一個或多個模型識別模塊50， 來在例如，工廠或工廠內的過程在線的或正在進行的操作期間，為特定的一對過程和控制 變量PV和MV確定過程變量死區時間、緩變率、積分增益和其他過程模型參數。當然，過程變 量PV可以是由控制變量MV控制的過程變量的所測量的值或可以是任何其他受控制變量MV 影響的過程變量，對于該過程變量PV，期望獲得其與控制變量MV的關系或模型。此外，控制 變量MV可以是控制器輸出、設定點、干擾變量或其他任何直接或間接地影響過程變量的變 量。
[0083] 如圖5所示，向死區時間塊62提供感興趣的過程變量PV和控制變量MV，死區時間塊 62檢測控制變量MV的變化。死區時間塊62記錄控制變量的變化，并且產生指出控制變量的 變化的信號A MV。死區時間塊62在檢測控制變量MV的變化之后還記錄過程變量，并且在時 間上監控過程變量值來檢測或確定與該特定的一對過程變量和控制變量相關聯的過程死 區時間Θ Ρ。當過程變量PV在控制變量MV的變化之后開始明顯地變化時（在噪聲頻帶以外）， 死區時間塊62將過程死區時間0 [)確定或計算為過程變量PV響應于控制變量MV的變化而響 應或開始變化所需要的時間量。當然，存在許多不同的可以用于基于控制變量和過程變量 的測量來確定過程死區時間Θ Ρ的方式或技術，并且在塊62中能夠使用這些方式或技術中的 任一個。
[0084]代表所識別的過程死區時間θρ的塊62的輸出被提供至延遲塊64和緩變檢測電路 或塊66。延遲塊64接收過程變量PV的當前測量，并且以等于所確定的過程死區時間0[)的時 間來延遲該測量。緩變檢測塊66包括加法器67,其確定所延遲的過程變量PV的值與過程變 量PV的當前值之間的差值來檢測在一個死區時間段θ ρ上的過程變量的變化△ PV。緩變檢測 塊66還可以包括絕對值塊68，其確定加法器67的輸出的絕對值。緩變檢測塊66還可以包括 除法器電路69,其將塊68的輸出與死區時間θ ρ相除來產生緩變率作為單個死區時間0[)上的 過程變量的變化值A PV。如果需要，在被傳送至除法器塊69之前，過程變量的變化△ PV的值 可以表示為或轉換為在過程變量PV范圍中的百分比變化。
[0085]隨后，過程變量的緩變率被提供至最大值檢測電路或塊70,其可以在每個計算之 后存儲或分析緩變率檢測塊66的輸出，來確定在某一時間段上諸如，例如，在兩個至十個死 區時間段上的最大緩變率的值。如果需要，緩變率塊66可以在每個死區時間段上多次確定 緩變率，并且在每個計算之后輸出該緩變率至最大值檢測塊70。隨后，最大值檢測塊70能夠 確定由緩變率塊66產生的緩變率中的最大值。替代地，延遲塊64和緩變率塊66可以連續地 操作，以便連續地或近連續地確定在過程變量響應期間的、在死區時間段結束之后的在某 個預先確定的時間上的緩變率，或確定直到緩變率開始下降的時間段上的緩變率。在該情 況下，最大值檢測塊70在該連續或近連續的時間段期間檢測由塊66輸出的最大緩變率。最 大值檢測塊70可以由確定一些其他的統計度量或與由塊66確定的各種緩變率相關聯的值， 諸如平均緩變率、中值緩變率等的塊替代。
[0086]在任何情況下，在此處描述的塊64、66和70-起操作來計算或確定在一組時間段 上的最大或其他統計的緩變率，來由此確定與在過程變量死區時間段結束之后的立刻或稍 后(例如，在死區時間段結束之后的等于二至十個死區時間的時間內）的過程變量相關聯的 最大緩變率，而每個時間段在長度上等于一個死區時間段(或如果需要，等于多個死區時間 段）。所識別的死區時間能夠立即用于更新延遲塊64,以便在死區時間期間和在死區時間之 后計算過程變量的變化。在此，優選地使用緩變率中最大的所檢測的變化。為時間間隔Α ?? 和A T 2使用死區時間使得該方法適用于識別過程的過程增益和控制器增益，所述過程包 括但不限于自適應、積分、和失控過程。特別地，如上所述，為時間間隔A !\和Δ T 2使用死區 時間使得該方法論延伸至死區時間長于過程時間常數的過程。延遲塊包括但不限于在 DeltaV產品中的死區時間塊的類型，其中，死區時間的變化不擾動塊的輸出。當然，可以理 解，延遲塊64可以替代地通過多于單個的死區時間，諸如多個所檢測的死區時間，例如，兩 個死區時間、三個死區時間等，來延遲過程變量PV。在該情況下，除法器塊69可以將所檢測 的控制變量的變化A PV除以與在延遲塊64中使用的時間相等的時間段。
[0087]由圖5可以理解，最大值檢測塊70將所檢測的最大緩變率輸出至積分增益確定塊 72，如上所述，積分增益確定塊72使用所檢測的最大緩變率的值和控制變量的變化△ MV(其 可以表示為或轉換為在控制變量的值范圍中的百分比變化)來計算積分增益1。隨后，確定 塊72提供所計算的積分增益的值Ki至過程模型生成器74,其還接收來自死區時間塊62的所 檢測的過程死區時間Θ Ρ。過程模型生成器74以上述方式使用該些值來確定一個或多個附加 的過程模型參數，諸如自調節或失控過程的過程增益心、自調節系統的負過程反饋時間常 數1，、或失控過程的正過程反饋時間常數τ Ρ+等。附加地或替代地，如果需要，過程模型生成 器塊74可以使用積分增益1和/或過程死區時間0[)來得到用于一個或多個常微分方程模型 的變量值。過程模型生成塊74可以輸出該些過程模型參數或值，包括積分增益1和死區時 間Θ Ρ，中的任何一個或全部，并可以將這些值作為過程模型提供至整定器單元或控制例程 (諸如圖1的控制例程42、44、26中的一個）、自動-整定例程、仿真例程(諸如圖1的仿真例程 52)、或其他任何使用過程模型來施行過程工廠內的活動的控制例程。
[0088]雖然塊70在此處被描述為檢測由塊66輸出的最大緩變率，但是塊70可以替代地確 定和使用由塊66輸出的緩變率的任何期望的統計值，包括平均緩變率、中值緩變率、最小緩 變率等。然而，優選地使用最大緩變率，因為其提供了最穩健(g卩，最大）的積分增益Ki，其在 用于控制目的時，提供最安全或最快速的控制器響應。該條件例如在失控過程中是必需的， 在該過程中，控制器阻止過程達到無返回點是關鍵的。
[0089]在延遲塊中使用所識別的死區時間來計算基于在過程死區時間期間和在過程死 區時間之后的控制變量的變化的過程變量的最大變化，還使得在此處描述的方法能夠用于 死區時間大于過程時間常數的過程，即，死區時間主導過程。所得出的控制器增益的通用方 程能夠如下所示來求得過程死區主導過程的控制器增益：
[0091]式中：
[0092] Ki =積分增益；
[0093 ] PVmax =所觀察到的過程變量的最大變化；
[0094] Δ C0max =控制器輸出（例如，控制變量)的變化;以及
[0095] Δ t =測量出Δ PVmax的時間的變化。
[0096]已知，PID控制器的控制器增益K。能夠計算為：
[0097]
'(對于最大擾動抑制λ=θ。的PID增益)將方程（1)代入方 程(2)得到：
[0099] 如果時間間隔等于所觀察的過程死區時間（Δ t = 0。)并且通過令過程變量和控制 輸出經過具有被設置為等于所觀察的過程死區時間Θ。的死區時間參數的死區時間塊而創 建A PVmax和Δ C0max，則然后積分過程增益Ki可以簡化為
[0101] 對于最大擾動抑制，整定參數κχ可以設置為，例如，對自調節過程是0.4,對積分過 程是0.5,以及對失控過程是0.6,其相應于等于所觀察的死區時間的1^!^(1 &(4七=0。）。對 于更新間隔遠大于至穩態的過程時間的情況，因子Κχ可以設置為1.0。當然，因子Κ χ也可以以 其他方式計算。
[0102] 在一個情況下，在控制器輸出（控制變量)的變化上升超過觸發電平之后一個過程 死區時間可以開始檢查過程變量的最大變化，并且控制變量的最大變化的檢查可以持續， 例如，四個或更多個死區時間間隔。過程死區時間被識別為從控制器輸出（控制變量）的變 化起到所觀察的過程變量的變化超出噪聲頻帶之間的時間間隔。該噪聲頻帶能夠被預先設 置或能夠被自動地識別。如果控制器增益是高的，則測試用于控制器輸出的手動變化或設 定點的變化。
[0103] 為了確保快速的更新和對于噪聲的最小的反應，在這個方案中所使用的死區時間 塊最好可以用于創建所延遲的過程變量和所延遲的控制器輸出變量的連續或近連續列，以 用于計算這些變量在該死區時間間隔上的變化。在該情況下，延遲塊可以產生一系列的延 遲的過程變量值，其在時間上以小于所觀察的死區時間（例如，每死區時間段上進行10或 100次測量）的時間分隔，并且加法器能夠確定每個所延遲的過程變量值的過程變量差值 (并且隨后確定過程變量值的當前值)來由此產生一系列的過程變量差值量。以該方式，在 任何具有等于死區時間段的長度的特定時間段期間，多次測量過程變量的緩變值。使用該 技術，將會理解，該方法適用于和能夠用于快速地確定死區時間主導回路的過程模型，其中 控制器增益簡單地是開環過程增益的倒數乘以因子。
[0104] 在任何情況下，死區時間主導回路的PID控制器增益Kc能夠確定為：
[0106] 圖6示出仿真系統80，其使用由例如，一個或多個模型識別和生成模塊50確定的多 個不同的過程模型來實現過程仿真。特別地，對于積分過程，仿真系統80可以使用積分增益 Ki和過程死區時間ΘΡ來施行仿真例程。然而，對于不同類型的過程，諸如，自調節過程和失 控過程，仿真系統80可以使用由積分增益Ki計算而得的主時間常數τρ-或τρ+和過程增益Κρ 來施行過程建模和仿真。更進一步地，仿真系統80可以使用積分增益Ki和/或過程死區時間 θρ來得到常微分方程模型中的變量。
[0107] 特別地，圖6所示的仿真系統80使用多個不同的過程模型中的任何一個或全部來 施行仿真，該些過程模型能夠用于建模不同類型的過程。特別地，仿真系統80包括減法塊 82，其從控制變量的當前值MV中減去控制變量的初始值MVO來產生控制變量的變化△ MV。隨 后，通過將控制變量的變化A MV延遲死區時間ΘΡ的延遲電路或延遲塊84，提供控制變量值 的變化△ MV。隨后，將所延遲的控制變量值的變化△ MV提供給四條不同的模型支路或分支 中的每條，其中的每條使用不同類型的過程模型類型來預測或仿真過程變量PV對于控制變 量值的變化A MV的反應。
[0108]在第一模型分支中，塊86以例如，常微分方程(ODE)模型的形式實現第一原理模 型。0DE模型使用積分增益Ki并可能使用死區時間ΘΡ來估計用于模型的常微分方程的一個 或多個第一原理參數，并求解模型的常微分方程來基于所延遲的控制變量的變化AMV在塊 86的輸出處產生所估計的過程變量的變化△ PV。
[0109] 在第二模型分支中，通常與仿真積分過程相關聯或用于仿真積分過程，所延遲的 控制變量的變化AMV被提供給積分器塊88,其使用積分增益Ki來積分該信號用以產生所估 計的過程變量值的變化A PV。當然，當積分繼續時，積分器塊88的輸出隨時間而變化。
[0110] 在第三模型分支中，通常與自調節過程相關聯，所延遲的控制變量的變化△ MV被 提供給乘法或增益塊90,其將所延遲的控制變量的變化AMV乘以過程增益Kp。增益塊90的 輸出被提供給可能是衰減電路(decay circuit)形式的濾波器92，其使用負過程反饋時間 常數τρ_來估計在時間上過程變量的變化A PV的值。
[0111] 在第四模型分支中，通常與失控過程相關聯，所延遲的控制變量的變化△ MV被提 供給乘法或增益塊94,其將所延遲的控制變量的變化AMV乘以過程增益Kp。塊94的輸出被 提供給正反饋電路96,其可以是，例如，指數級增長的電路或塊，并且其使用正反饋過程時 間常數τρ+來估計時間上過程變量的變化A PV。
[0112]如圖6所示，來自四條建模分支中的每條的所估計的過程變量的變化△ PV被提供 給開關1〇〇,其可以由用戶或軟件操作來選擇在仿真中使用四種建模技術或過程模型中的 哪種，以實際上在任何特定的情況下估計過程變量PV的輸出。由四條建模支路中的一條確 定的所估計的過程變量的變化A PV通過開關100傳遞至加法電路或塊102,在此，將所估計 的控制變量的變化A PV與過程變量的初始值PVo相加（即，在控制變量MV變化時刻的過程變 量PV的值），來產生過程變量PV的估計。當然，最終所估計的過程變量PV取決于控制變量的 變化APV被估計的時間。
[0113]在任何情況下，四條建模支路中的每條能夠產生過程變量PV在不同組的時間上的 響應或在時間范圍上以連續的方式產生過程變量PV響應的估計，來由此產生過程變量PV對 于控制變量MV的變化的整體響應的估計。因此，為了仿真或估計過程變量PV對于控制變量 MV的變化的響應，能夠在控制時域上估計或仿真過程變量PV的整體響應。由此，該特征允許 用戶改變或變化控制響應或控制動作來提供更好的或更符合期望的控制響應。例如，用戶 可以使用仿真來產生新的控制器參數，諸如控制器整定參數，來重新整定控制器以基于過 程模型仿真達到更好的控制響應。有趣的是，因為在控制變量的變化之后，可以非常迅速地 得到用于仿真系統80的過程模型，該些模型使得在控制器能夠完成對于導致得出過程模型 的控制變量的變化的控制響應之前(例如，在控制器響應于控制變量的變化控制過程回到 穩態之前或在過程響應時間結束之前），能夠仿真與該些模型有關的過程。作為結果，該些 模型使得控制器整定，以提供對于最初導致生成過程模型的控制變量的那個變化的更好的 控制器響應。
[0114] 當然，圖6的仿真系統80僅僅是能夠用于圖1的仿真塊52內的仿真技術的示例。事 實上，可以替代地使用許多其他類型的仿真例程，只要該些技術使用積分增益Ki和/或過程 死區時間θρ，過程死區時間θρ是作為過程變量對于控制變量的變化的初始反應的結果而計 算的或是基于過程變量對于控制變量的變化的初始反應而計算的。此外，雖然此處將圖6的 仿真系統80描述為使用一組四種不同的仿真技術中的任何一種或全部，來基于根據積分增 益Ki和過程死區時間θρ得出的過程模型以仿真過程變量PV對于控制變量MV的變化的響應， 但是仿真系統可以使用該些建模技術中的單一一種，或可以實現任何其他類型的使用由例 如圖5的系統60得出的過程模型參數中的任一個的仿真技術，并且不需要使用多個不同類 型的過程模型或甚至在此處描述的特定類型的過程模型來估計過程變量PV的響應。
[0115] 更進一步地，如果需要，用戶可以基于諸如用戶可能了解的被控制的過程的類型 的因素來選擇或確定在特定的仿真中使用哪條建模分支（即，如何設置開關1〇〇)。在另一方 面，用戶可以使用不同的建模分支中的每條來運行過程變量對于控制變量的變化的響應的 仿真，并且可以將每條分支的仿真與實際所測量的或所收集的數據(例如，存儲于圖1的數 據歷史記錄12中的數據）比較，來確定哪條建模分支最佳地描述了或建模了該特定的過程 或過程回路。在一個實施例中，用戶可以在一組先前所收集的或所存儲的過程變量和控制 變量數據上運行系統80中的分支中的每條的建模技術，并且可以將所估計的過程變量的響 應與實際所測量的過程變量的響應相比較來確定哪條建模分支提供了最佳的仿真，并且因 此確定哪條分支最佳地表征了過程或在過程變量和控制變量之間的關系。以該種方式，在 此處描述的模型識別和仿真技術能夠用于先前所存儲的數據(表示過程變量對于控制變量 的所測量的響應)來確定最佳的或最準確的建模技術的類型，以便將來用于該過程回路。
[0116] 雖然此處已經將快速過程模型識別和生成系統50描述為向仿真系統52提供一個 或多個過程模型，而仿真系統52已經被描述為用于仿真過程回路，但是由塊50得出的過程 模型可以替代地或附加地被提供給其他類型的系統，諸如控制器(用于執行基于模型控制， 諸如MPC或甚至PID控制）、自動-整定器（用于整定控制器)等。更進一步地，在此處描述的仿 真系統52可以用于快速地仿真過程回路的響應，并且該仿真系統的輸出可以用于重新整定 控制過程回路的控制器，來獲得更好的或更符合期望的對于控制變量的那個變化的控制響 應，其中根據該控制變量的變化得出過程模型。此外，在此處描述的方法論可延伸至超出過 程回路的過程變量和控制變量之間的關系，而且可應用于任何可測量的過程變量和任何影 響該變量的可變的控制變量MV。此外，該技術可應用于快速得出用于具有真積分響應(true integrating response)的過程或具有"近積分"響應的慢過程(例如，τ>2θρ)的過程模型。 更進一步地，所計算的過程死區時間θρ和所計算的積分過程增益Ki能夠用于控制器整定和 工廠性的仿真，包括但不限于用于得出諸如混合常微分方程(0DE)和實驗模型、積分過程實 驗模型、慢自調節實驗模型和慢非自調節正反饋(失控)實驗模型的模型。
[0117] 上述的應用或塊中的任一個可以作為一個或多個集成的應用的例程、模塊或其他 組件實現。本發明的應用功能的安排僅僅為了便于說明而提供，而并不是表示功能可以在 計算機上實現的方式或將功能提供給操作員或其他用戶的方式的范圍。此外，當其實現時， 在此處描述的軟件模塊或例程中的任何一個可以存儲于諸如磁盤、光盤、或其他存儲介質 的任何計算機可讀存儲器中，也可以存儲于計算機或處理器的RAM或ROM等中。同樣地，通過 使用任何已知的或所需的傳送方法，包括，例如在計算機可讀磁盤上或在其他可傳輸的計 算機存儲機制上或在例如電話線、互聯網、萬維網、任何其他區域網絡或廣域網等的通信信 道上的傳送方法，這種軟件可以傳送給用戶、過程工廠或操作員工作站。此外，軟件可以無 需調制或編碼直接被提供，或者可以在被通過通信信道傳輸之前，使用任何合適的調制載 波和/或編碼技術被調制和/或編碼。
[0118]因此，雖然參考特定實例對本發明進行了描述，但這些例子的目的僅僅是用作說 明，并不對本發明構成限制，很明顯，本領域的普通技術人員可以在不脫離本發明精神和范 圍的情況下，對所公開的實施例進行改變、添加或刪減。
【主權項】
1. 用于生成過程的過程模型的方法，所述方法包括： 收集所述過程中的與過程變量和控制變量相關的過程數據； 根據所收集的在特定時間段內生成的所述過程數據確定與所述控制變量的變化之后 的所述過程變量相關聯的緩變率，其中，所述特定時間段至少部分地在與所述過程相關聯 的死區時間段結束之后，并且所述特定時間段的長度小于等于十倍的所述過程死區時間； 以及 使用所述所確定的緩變率來生成所述過程的過程模型。2. 根據權利要求1所述的方法，其中，所述特定時間段的長度大于等于所述過程死區時 間的長度。3. 根據權利要求1所述的方法，其中，所述特定時間段的長度大于等于兩倍的所述過程 死區時間。4. 根據權利要求1所述的方法，其中，所述特定時間段包括多個非連續時間段。5. 根據權利要求1所述的方法，其中，所述過程是與非積分過程不同的過程。6. 根據權利要求1所述的方法，其中，確定與所述控制變量的變化之后的所述過程變量 相關聯的緩變率包括確定在相同長度的不同的時間段上的過程變量緩變率的多重值，以及 將所述緩變率確定為所述過程變量緩變率的所述多重值的統計度量。7. 根據權利要求1所述的方法，其中，所述特定時間段小于等于六倍的所述過程死區時 間。8. 根據權利要求7所述的方法，其中，所述特定時間段的長度大于等于所述過程死區時 間的長度。9. 根據權利要求7所述的方法，其中，所述特定時間段的長度大于等于兩倍的所述過程 死區時間。
【文檔編號】G05B13/04GK106094527SQ201610539816
【公開日】2016年11月9日
【申請日】2011年3月2日
【發明人】M·庫格倫, G·K·麥克米倫
【申請人】費希爾-羅斯蒙特系統公司