复杂控制（ARC）还是先进控制（APC）？冯少辉

复杂控制和模型预测控制都非常重要、有用且功能强大。许多过程控制专业人员对如何选择非常困惑。

有许多控制问题，每一个问题都有从简单到复杂的各种技术解决方案。一旦了解了技术细节，受众将关注与初始成本、维护、人员培训等相关的问题；并将能够按简明扼要工程指导原则综合考虑可持续性和技术进行选择。

本文试图全面综述从简单PI到复杂控制到基于基本模型的模型预测控制在复杂性方面的进展。如何解决过程、人和经济特征，从而使一种方法更适合于特定应用。

核心要旨：

使用正确的工具来完成工作。不要用扳手敲钉子。在过程控制中，有许多任务，每个任务都有适当的工具。

从过程知识开始。这对做出正确的决定至关重要。

范围：

复杂控制（ARC）包括：增益调度、比值、串级、前馈、解耦、超驰以及相关和辅助技术，如抗积分饱和、无扰切换、PID修改和整定技术。在计算机和现代状态空间及模型预测控制时代之前，ARC技术已经广泛使用。然而，正如Wade所言“包括所谓的ARC的大多数技术在模拟控制时代就已经知道。然而，除了偶尔出现的串级回路外，个别元件的成本、元件的可靠性和一致性等问题阻碍了它们的应用。也许，这些ARC技术的成功之日是在引入DCS之后，在APC广泛应用之前。”

相比之下，先进控制（APC）有许多含义。在模型预测控制（MPC）社区中，APC是指MPC。由于化工过程工业（CPI）中的主要APC项目使用MPC技术，APC和MPC同义。然而，许多控制专家认识到，现代计算机时代也给我们带来了其他先进的非线性和自适应控制器、控制器设定值的实时经济优化监控自动化、状态和健康的计算机感知和监控以触发纠正措施、以及基于计算机的规划和调度。由于本课程主要是关于反馈控制策略的比较，我将在APC的定义中包含非线性和自适应算法的MPC。

过程控制的挑战：

化工过程工业（CPI）中的过程属性构成了特殊的挑战，并且具有独特的相对重要性，这与机器人、航空航天和通信等工业其他控制应用中遇到的问题不同。此外，CPI和其他控制应用程序之间在1）经济和风险考虑以及2）工艺和设备设计标准化方面的差异，限制了传感和控制建模的允许投资。因此，只有一部分控制算法在CPI中被接受。

在CPI之外还有许多其他先进的控制方法。这些方法包括滑模控制（自适应方法）、分数阶（非线性方法）、状态空间（或现代）控制和线性二次调节器（基于多变量线性模型的预测方法）。

了解CPI应用程序面临的问题对于选择正确的控制策略至关重要。下面是导致控制困难的CPI应用属性列表。

1. 非线性过程—过程增益随操纵变量（MV）（控制器输出，过程输入）、过程变量（PV）（过程响应）和控制变量（CV）（控制的过程响应，控制器输入）的变化而变化。

2. 非固定过程—由于产品等级、管道布置、维护或生产的单元切换、单元内的操作阶段以及设备或传感器的污垢或其他退化，过程属性在时间上发生变化（如时间常数、增益、相互作用和死区时间）。

3. 不良动态—相对于其他时间常数或采样间隔的大死区时间，积分，开环不稳定，反作用，不同变量的不同稳定时间。

4. 多变量—多个MV中的每一个都会影响多个CVs的每一个，需要协调多个MV移动计划。MVs可能比CVs多，额外自由度就需要对满足CV目标的最优MV组合进行经济优化。或者，MVs可能比CVs少，自由度为负，这意味着需要优化以最大限度地限制与设定值（SP）的偏差。当生产、产品组合、原材料、工艺维护和环境因素（干扰）转移主动约束时，自由度情况随时间变化。自由度>0优化的经济权重随着影响业务的经济因素（浪费惩罚、原材料成本、能源成本、产品价格等）而变化。并且，DoF<0优化所需的约束违反和SP违反关注值随着相同的因素而改变，但也随着政治因素而改变。

5. 约束—包括产品规范、设备的操作限制（气穴、振动、泵容量、阀门位置、温度、真空）、库存储存（罐液位）、安全问题（压力、爆炸极限）、职业健康问题（噪音、烟雾、体力消耗），等等。约束可以是软的（允许短时间内有一些违反）或硬的（不可能或绝对不允许违反）。限制条件可能是MV、CV或任何PV。约束现在可能发生。或者，由于现在采取的控制措施的最终表现，或者由于测量或未测量的干扰（任何形式的干扰），它们可能在未来遇到。约束可能是矛盾的，增加MV可以解除一个约束冲突，但会使另一个更糟。

6. 特质—没有两个CPI过程是相同的（通常）。相比之下，同一系列的每个机器人、汽车、照相机或飞机都有相同的行为（通常）。不可否认，有些工艺具有标准化设计（空气分离、燃烧锅炉、水处理、离子交换装置、制冷装置等），标准化的工艺装置将配备特定于装置的控制系统。但是，相比之下，几乎每个CPI工厂都有独特的设计，有独特的行为。即使最初是从标准设计、维护过程、添加、升级和替换中构建的，也会导致流程单独发展。这使得每个控件应用程序都是唯一的。

7. 传感器—寻求最小化资本投资，通常使用的传感器数量是控制和分析的最低要求，传感器的选择和定位通常优先考虑成本、安全性、灵活性，而不是控制效果。例如，孔板流量计有3%-7%的测量不确定度，我们使用法兰接头，因为维护方便和安全优先考虑测量精度。只要流量计内部一致，流量（可能是回流）的数值与成分控制无关。通常传感器测量错误的东西，因为很容易通过方便的校准向监管机构“证明”。没有足够的传感器来测量所有的东西，传感器通常位于导致延迟或滞后的位置，低成本的传感器通常具有很高的不确定度，并且它们测量的是相关的但不是主要的值（压降可以推断出粘度，从而推断出聚合物的平均分子量）。

8. 干扰—这些干扰可能有多种形式：意外的人为干扰或错误、设备故障、环境干扰（暴雨、原材料变化）、上游过程变化、设备老化、催化剂降解、喘振、上游控制器回路、阀门粘滞等。干扰可能具有短或长持续性。如果它们的持续时间小于采样间隔，则它们将显示为噪声。大多数干扰都是不可测量的，这使控制系统致力于CV偏差的修正，并且很少提供关于CV偏差即将发生的大小或趋势的信息。

9. 噪声—这包括对可能是平均信号的看似随机和独立的扰动。噪声可能是由于混合波动引起成分测量的变化，或者是由于过程湍流影响流量测量。这种噪声源是由过程传感器组合造成的。或者，噪声可能是机械振动或传输信号的杂散电磁损坏的结果。对于分析方法来说，噪声通常接近高斯分布，我们可以接受它是正常的。干扰和噪音之间有一条细线。如果采样频率增加，则似乎是独立噪声，开始表示自相关，并且看起来像具有某种持续性的干扰。

10. 因果关系—根据一个观点，人们可以实质性地改变投入产出的角度。例如，在原始热交换器控制中，从产品温度控制器到蒸汽阀的信号构成单回路。在这种情况下，蒸汽压力对产品温度是一个重大的不可测量的干扰。然而，在串级或比例布置中，蒸汽流量控制器操作阀门，并从主温度控制器获取流量设定值。在串级策略中，由于蒸汽压力引起的任何流量波动都会被“立即”修正，从而消除产品温度的干扰。

11. 初始资本成本—最小化投资成本的愿望通常会推动设计和设备决策。这种“合理”的经济决策通常会导致与控制相关的不可抗力，例如，使CVs对MVs具有非线性和相互作用的响应，限制控制系统可用的过程信息，提供容易发生故障的仪表和最终控制元件，并使测量与推断变量混淆，延迟和噪音。

12. 故障—有多种形式：

a) 测量误差-由于传感器故障、污垢、老化、校准漂移…

b) 最终控制元件问题-阀门粘滞、蒸汽公用设施压力、仪表空气故障、容量…

c) 过程-旁路、堵塞、气穴、阻塞、内部坍塌、搅拌器叶轮断裂…

d) 控制系统-高流量导致错过或延迟传输、CPU过载、警报/优先级过载…

e) 校准-识别误差控制信号，PV超出校准范围，偏差或系统误差…

13. 模型—由于过程是非线性的、多变量的和独特的，模型开发是昂贵的。由于过程是非平稳的，所以模型要么寿命短，要么需要维护，要么必须是自适应的。

14. 操作人员和过程工程师的工厂员工经验—一些人为问题包括：人机界面（HMI）可理解性、过程和控制方法复杂性、易于理解的过程概述、实施和维护控制器和相关方面（HMI、模型）所需的培训和教育。

15. 投资回报—-控制系统和算法需要经济合理。对流程所有者来说，最基本的最小控制是显而易见的。如何证明每增加一级控制复杂性所带来的好处和付出的时间是合理的？

16. 基础设施—选择必须与现场仪表、控制系统、软件、程序和现场培训材料的传统兼容。

控制算法

似乎没有一个控制器能解决上面列出的所有问题。因此，用户必须评估哪些问题在其流程中是最重要的（包括技术、经济、安全和政治问题），并选择一个适合于这些问题和关注融合的控制方案。

我将列出似乎已被工业实践接受的控制算法，并将它们从简单到复杂（在我看来）进行组织，并描述它们的相对优势。

1. 开关—有时被称为“砰砰”控制，表示电磁阀、安全阀、空气压缩机、制冷、房间加热器等的信号。这很容易理解和实现。通断开关可以由超过阈值的CV启动，并由死区调节。在这种情况下，没有PID调节参数（除了死区）。或者，开关周期可以作为固定周期时间的百分比进行分配，如在时间比例控制中。在这种情况下，有一个更高级别的控制器，如PID，它在每个时间周期内设置时间百分比。

2. PID—这包括P-only、I-only、PI和所有组合。这是从一开始就衍生出来的经典控制器，到20世纪40年代已经基本完成并进行了分析，它包括了抗积分饱和无扰切换特性，以及许多变化（微分前置、并行增益、速度模式、比例度、设定值软化、无扰切换，……）人们不禁要问，为什么在这里提到它，在这份清单中并不复杂的部分。

3. 复杂控制（MISO）—串级、比值、前馈、超驰、解耦

a) 串级—一个控制器向一个较低级别的控制器发送一个设定值。当中间PV可以提供变更将影响主CV的早期指示时，使用MV来控制辅助CV，并使用主CV控制器来确定辅助CV的设定值。

b) 比值—一个控制器确定PV之间的期望比值，然后一个PV乘以该比率成为第二个PV的设定值。当野流量改变时，野流量的比率乘以野流量确定控制流量设定值。比率可以基于能量或其他综合变量。比率控制检测到变化并立即采取行动。如果野生和次级控制变量对变异系数的影响存在较大的动态差异，则包括动态补偿。比率控制可以看作是前馈，但没有动态补偿。

c) 前馈—观察到扰动；当扰动发生变化时，一个定时补偿器（通常是超前-滞后延迟增益）被加到或乘以一个MV。干扰可以是单个测量，也可以是多个测量的计算组合。

d) 超驰控制—旨在将一个控制变量保持在设定值的控制可能会使辅助控制变量违反限制。在这种情况下，MV需要由辅助控制阀控制器接管。超驰可能是安全、规范、经济条件、老板在监视、维护等的结果。在任何情况下，特别重要的是，未选择的控制器不能关闭。当存在冲突约束时，由高选择块或低选择块进行的经典覆盖是不充分的。

e) 解耦器—在具有SISO控制回路的多变量耦合过程中，一个控制器改变其MV以固定其CV。然而，MV动作扰乱了另一个CV，似乎是对另一个控制器的可测量干扰。动态补偿器可以通过在一个MV上添加一个时间补偿的变化来解耦相互作用，以便在另一个MV中的变化不会扰乱一个CV。

f) 线性多输入多输出控制-如果耦合，解耦器可以解决这个问题。如果受到可测干扰，前馈可以处理。当约束被击中时，覆盖可以处理它们。但是：在耦合mv数量非常高的情况下呢。如何避免未来的限制。冲突约束的情况呢？最后，当自由度大于0时的经济优化或自由度小于0时的最佳平衡CV目标如何？模型预测控制在一个统一的框架内处理所有问题。MPC通常使用过程的有限脉冲响应（FIR）模型，即MV脉冲后的CV值向量，向量长度（时间持续时间）等于CV在其原始值的噪声附近返回的时间。过程模型失配（残差）的反馈通过当前残差修正所有未来模型预测。回火控制动作是通过CV阻尼（CV参考轨迹）或MV阻尼（对大的MV移动的惩罚）。优化处理DoF≠0的情况。供应商使用各种优化器。PID有多少个选项？（速度模式、复位前速率、比例带、设定值软化、无扰动传输、外部复位反馈……）。嗯，在MPC的概念中还有更多的版本。

ARC与APC

Subawala等（1996）在商业规模的等离子体蚀刻反应器和实验室规模的蒸馏塔上评估了MPC（商业产品[DMC]）、PMBC、IMC和ARC算法。Joshi等（1997）在规模流体流动和热交换上评估了ARC、IMC、MPC、PMBC、GMC、FLC和MPC-NN控制算法。这些过程共同表达了与MIMO、耦合、非线性、变化的动力学、测量噪声和大量死区时间相关的经典问题。尽管测试过程中表达了许多控制问题，但它们都是低维（2-4MVs），具有简单的约束和自由度方面。两组均评估了与控制实施和操作相关的多个绩效标准。

他们的评价标准包括：

1. 成本（初始、开发、设备、获得模型的过程测试）

2. 操作员问题（教育、方便、易懂、参与、维护、监督/干预、易于调整、知识开发）

3. 计算方面（计算机速度、内存要求、辅助例程、算法稳健性、执行错误、在规定时间内保证的解决方案）

4. 自由度处理（MVs数量过多和不足，未来限制，硬和软）

5. 稳健性（意外故障、过程和仪器故障、校准错误、保持整定、产品转换、生产率）

6. CV和MV性能的平衡（ISE、行程、噪声传播）

7. 其他好处（过程知识验证和传播、人员培训、过程诊断和健康监测、预测性维护、政治）。

他们的结论包括：

1. 所有控制方法都不方便操作。

2. 当一个控制器包含所有过程问题的解决方案时，它在技术上等同于任何其他控制器。具有相同的特点，ARC匹配非线性APC。

3. 自由度处理（未来影响）需要模型预测控制。

4. 除其他好处和自由度（约束）处理外，ARC在所有类别中都是最好的。

5. 在单一问题占主导地位的情况下，使用设计用于处理该问题的最简单控制方法。

评估

您不应该仅仅基于CV性能做出APC或ARC决策。还有很多其他的好处需要考虑。

高级控制如何影响操作员对过程事件采取手动纠正措施的能力？这是基于操作者对先进控制器和过程的理解，复杂的控制器可以削弱或增强这种能力

表格 1 先进控制策略对人的影响

人机界面（HMI）向操作人员显示过程和控制器的活动，是过程管理成功的关键因素。如果操作员没有参与，并且控制操作不可理解，那么他们管理过程中异常事件的能力将逐渐减弱。

高级控制的建模结果如何有利于工程师理解过程，以及后续的过程工程方面，如故障排除、过程改进和异常管理？过程知识越多，与预测性维护、故障/情况诊断、知识传播、监督经济建模和过程管理相关的过程管理决策就越好。

基于过程优先原则的控制器模型特别适用于知识验证和传播，以及自动化的过程健康监测。

控制和先进控制的经济效益：

Bauer和Craig（2008）报告了一项调查的结果，该调查询问了工业APC专家（66名回答，38名用户，28名供应商）如何确定APC的经济效益。它们涵盖了CPI的所有主要行业。在他们的研究中，APC包括MPC、约束控制、分段控制、线性规划、非线性控制、死区补偿、统计过程控制、FLC和专家系统、IMC、自校正和自适应控制等。超过50%的38个用户表示，他们有自己的APC软件和专业知识来实现它。

他们报告了产生经济效益的主要原因。按优先级递减列出：

1. 处理量增加（70%）

2. 过程稳定性改善（55%）

3. 降低能耗（55%）

4. 提高更有价值产品的产量（50%）

5. 减少质量过剩（40%）

6. 减少停机时间（18%）

7. 更好地使用原材料（15%）

8. 响应性提高（12%）

9. 减少后处理成本（10%）

10. 安全增加（9%）

11. 运营人力减少（7%）

12. 其他（10%）

括号中的数字是我对他们的条形图数据的近似值，代表了他们的受访者将这一方面列为重要方面的比例。显然有很多经济效益。在任何一个特定的应用程序中，一个好处可能是关键问题；但总的来说，前5个好处占主导地位。

我经常听说，用一个需要翻新的控制系统来解决基本问题，往往是改进的主要因素。例如，设备和推断测量可能无法正常工作，策略可能不再与工厂目前的运行方式相匹配；解决此类问题可能会显著提高过程性能。Kern（2010），Darby等人。（2009）、福特（2008）和雨果（2000）都提到了这一点。并且，Wade给出了一个实例，其中一个过程研究旨在设计一个可整定控制器，以获得有意义的研究结果。此操作大大提高了流程性能；以至于流程所有者从ARC升级中获得了比预期更多的好处，并希望结束项目。令人耳目一新的是，即使是一家APC供应商（霍尼韦尔，2010年）也将经济改善归功于“...对几个基本控制回路进行了修改和优化，提高了设备的可控性和稳定性，这是成功实现APC的必要条件。”

先进控制的经济效益估算：

Bauer和Craig（2008年）还询问了他们的APC专家，经济效益的范围是什么，回收期是什么，如何估计APC应用程序的潜在影响？

在预测效益时，一些人预计改进控制后的CV波动减少将使标准差减少50%，受访者引用的范围为35%至85%。每一级高级控制应用程序的波动降低了50%，这与我在过去20年里从我的圈子里的专家那里听到的情况相符。波动的降低意味着更严格的控制。这就为流程所有者提供了从上述好处中进行选择的机会，而这些好处的普及表明，所有者选择的操作更接近于规范和流程约束，这意味着处理量和产量的增加，以及能耗的降低。Bauer和Craig报告说“……处理量和质量与先进控制直接相关的，是两个经常被提及的利润因素。”Canney（2003）估计APC将吞吐量增加约3-5%。一些鲍尔和克雷格的受访者引用了5%到10%。

Bauer和Craig（2008）的受访者表示，APC项目的投资回收期为3-9个月。霍尼韦尔（Honeywell）（2010）报告了一个特定项目的6个月，这归功于供应商和用户员工密切参与和合作。Canney（2010）在他的网站上估计有9个月。这使得APC在投资优先列表中占据了很高的位置。

然而，由于没有分配资源来维护APC（Hugo，2000；Ford 2010；Bauer和Craig，2008，以及个人联系人），许多应用程序似乎很快就被废弃，令人失望。不使用的原因包括：工艺操作条件（设备重组、设备改造或产品组合）发生变化，新工艺的模型或关系变得不正常；操作人员和工程师的轮换没有得到充分的培训；下层控制器的重新调整或重构改变了上层MPC所经历的相对增益；改变阀门尺寸改变了约束和非线性。除非经济激励仍然存在，否则公司就不能通过经济再投资来维持控制系统。例如，产品分布或需求的变化，或过程能力的提高，可能会消除主要的APC理由—处理量增加。这将表明，在证明APC应用的正当性时要考虑的一个标准是经济激励将保持强劲的预期时间。

由于实施MPC的第一阶段似乎是固定的基本控制制度，很难将良好的监管和MPC对经济效益的影响分开。例如，雨果（2000年）问道：“有没有增加任何测量？MPC将工厂推向一个新的测量约束条件时，通常会提出效益要求，但这种效益是由于MPC，还是由于对约束条件的新认识？”

实施APC的成本估算：

Bauer和Craig（2008）报告说，实施APC的主要成本包括：

1. 顾问人力成本（68%）

2. 技术成本（58%）

3. 控制软件（升级）（45%）

4. 内部人力成本（35%）

5. 控制硬件（升级）（35%）

6. 维护成本（30%）

7. 旅行支出（5%）

8. 安装停工造成的生产损失（4%）

9. 其他（5%）

同样，括号中的数字表示将该类别列为实施成本前三大贡献者之一的受访者数量。

Canney（2010）估计，MPC的平均实施成本为45万美元。

什么时候用哪个？（技术方面）：

自80年代以来，全球实施的MPC产品单元数量估计在10000-15000个之间。在CPI中使用PID控制器的控制回路比例估计约为95%。剩下的5%的回路使用其他东西（MPC、自适应、模糊等）。统计数字有利于实现PID，但某些控制问题使其他选择技术上最好。

MPC的成功通常归功于主控制设备和策略的修复和升级。或许，管理层对APC的认可是获得所需资源以处理基本问题的机制。

使用正确的工具：厨房工人可能需要打开一罐补漆。熟悉餐刀的形状，知道在哪里可以找到餐刀，了解如何使用餐刀；餐刀可能成为打开油漆罐的首选工具。工具工可以使用螺丝刀。但是，考虑到油漆开罐器或罐盖的损坏，油漆开罐器是最好的工具。但是，如果工具只工作一次，那么下次就有使用它的倾向。我知道我在某个地方有一个油漆罐开瓶器，但我继续使用螺丝刀，即使它弯曲了罐顶的唇。有趣的是，Bauer和Craig报告说，“……一半的APC专家选择了他们已经熟悉的控制技术，这是基于他们在类似过程中对该技术的良好经验。”有人说，“当你有锤子的时候，整个世界看起来就像一颗钉子。”

与选择适当的控制策略有关，Darby等。（2009）讨论“……应用的重要‘艺术’方面……”和“……关键的技术和组织问题……”需要过程、经典控制和模型预测控制方面的经验，以考虑传感器是否位于正确位置，测量足够的变量，并且足够可靠，能够及时提供准确、无故障、完整的信息。测量的时间补偿能产生可靠的推断测量吗？阀门的尺寸和功能是否足以防止粘着和约束问题？如何设计工厂测试，以揭示工厂动态，而不触及未来的限制？这个型号什么时候合适？在层次结构中，哪些变量应该包含在较低级别的ARC中，哪些变量应该包含在较高级别的APC中？这些问题的答案取决于今天和将来什么样的操作条件会影响工厂，这决定了每种选择的利弊的相对重要性。

为什么不用MPC

使用MPC的原因是基于模型预测作用、自由度处理（约束和经济）、协调MIMO控制和降低CV波动。但有些事情MPC并不擅长做，提供了一系列不使用MPC的理由。包括福特（2008）和雨果（2000）提供的信息，其中包括：

1. 串级和分级应用，具有中间变量和回路，相对于初级或高级回路具有相对较快的动力学。

2. 主要问题是非线性（线性MPC不是解决方案，也许非线性MPC是适用的）。

3. 在不同阶段回路的过程，每个阶段都需要动态模型。

4. 具有三个或更少耦合MVs的流程。

5. 要求操作员持续参与该过程，以保持他们的协调，并能够对异常事件管理作出反应。

还有一些残留的原因似乎正在消失。

1. 可能频繁或很快改变的过程，只要模型需要改变。非线性MPC和多模型MPC都能很好地解决这一问题。无论如何，如果一个重大的变化迫在眉睫，ARC将可能需要重新整定或重新组态。

2. 当监督优化器经济地调整设定值时，控制器不受欢迎地导致过程从一组约束跳到另一组约束。这有点抱怨早期的MPC实现，随着技术的发展而消失。

3. 关键传感器或分析仪经常出现故障。如果ARC具有与MPC相同的功能，则它需要相同的传感器。对于等效性能，传感器故障问题相当于ARC和MPC。

商业MPC产品

来自维基百科网站（2010年）：

“商用MPC包通常包含用于模型识别和分析、控制器设计和调整以及控制器性能评估的工具。商用软件包包括：

· FLSmidth Automation ECS/Process Expert for Cement and Mineral Applications

· Connoisseur control and identification package (Invensys)

· INCA (linear, non-linear, Batch) from IPCOS

· Pavilion8 ("http://en.wik[url]http://ipedia.org/w/index.php?title=Pavilion_Technologies&action=edit&redlink=1">Pavilion Technologies[/url])

· ADMC & DMCX1 (both Cutlertech)

· DMC Plus (ef="http://ehttp://n.wikipedia.org/wiki/Aspen_Technology">Aspen Technology)

· RMPCT(Honeywell)

· 3dMPC & Expert Optimizer (both ABB)

· DeltaV Predict and PredictPRO (Emerson)

· APC Library (Siemens|PCS 7)

· MACS ("http://en.w[url]http://ikipedia.org/w/index.php?title=Capstone_Technology&action=edit&redlink=1">Capstone Technology[/url])

· eMPC (eposC) and Control Station's LOOP-PRO

· ControlMV, PharmaMV and WaterMV from Perceptive Engineering

· MATLABModel Predictive Control Toolbox

· Prime (RandControls)”

在Qin和Badgwell（2003）的帮助下，我在Wikipedia列表中按供应商名称的字母顺序添加了以下内容，包括自适应、非线性、基于过程模型和MPC产品：

· ABB (Optimize IT)

· Adersa (HIECON, and PFC)

· Aspen Technologies (AspenOne, Aspen Target, DMC-Plus)

· B D Payne and Associates

· ControSoft (Mantra)

· CyboSoft (Model Free Adaptive Control)

· Dot Products (Nova, STAR)

· Emerson (Delta-V NN and FLC, and EnTech)

· Expertune (Plant Triage)

· GE (Continental Controls process-model based control, and MVC)

· Gensym (G2 products)

· Honeywell (Profit MAX, Profit Suite)

· Hyperion (DMCplusTM)

· Ipcos (INCA)

· Knowledgescape

· Knowledge Process Solutions (IPC)

· LineStream (ADRC)

· Matrikon (ProcessACT)

· Perceptive Engineering (Perceptive)

· Shell Global (SMOC-II)

· Universal Dynamics (Brainwave)

· Yokogawa (APCSuite)

其他观点：

控制的发展需要：

&#8226;过程和控制系统的自主健康监测。观察、评估和建议操作员和工程师的网络员工。

&#8226;持续性保障—监控和改进ARC和APC，可能在6西格玛计划内。

&#8226;异常事件（故障、干扰）识别、诊断和补偿。

&#8226;正常事件（阶段完成）识别和动作触发。需要识别的事件可能是稳态、瞬态、完全排液、乳化液稳定。

&#8226;从视觉、听觉、嗅探器诊断现象（气穴、即将发生的木塞、即将发生的不希望的事件汇合、即将发生的洪水、熟料形成、起泡、起泡、结块、味道、客户满意度）控制感知情况。这与控制状态变量形成对比。

&#8226;自动化操作员和工程师的每个日常功能（数据分析、过渡启动和停止、平衡进给、调整回路时间、启动校准、昨晚的回路性能、基于控制图数据的两个设定值）。

&#8226;确定如何利用经济不确定性来缓和控制措施。评估中间产品的价值甚至比确定产品的价值（考虑销售活动）更困难。但RTO和APC的行动是基于经济价值的。当需要节省一分钱时，如何防止RTO和APC在约束之间跳转操作条件？

&#8226;开发可靠、准确的在制品成本核算系统，以确定中间产品和最终产品的价值。

&#8226;控制以实现改进，而不是维持现状。这将是通过监测废物、成本、安全、库存等，对控制行动、计划等的预期和不期望结果的监督性承认；这将导致管理规则的变化。

&#8226;通过计算机观察数据，自动化模型开发和调整。使用数据自动验证新观察结果并与历史模型进行比较。以效用为评价标准，只有更新模型的效用才是合理的。

&#8226;将实验室分析整合为反馈行动。

根据Qin和Badgwell（2003）、Bauer和Craig（2008）、Ford（2008）和Darby等人的研究。（2009）以下是控制方面的其他发展需要：

&#8226;评估潜在APC或RTO应用成本效益分析的标准方法或工具

&#8226;按情况按单位查阅申请后审计的效益表，以便于估计新申请的经济效益

&#8226;持续监测经济效益、总效益和每个回路的效益

&#8226;评估模型退化的经济影响（实际工厂变化使模型不太理想）

&#8226;集成规划、调度、RTO和APC。RTO是夹在动态操作之间的SS模型。RTO使用即时价格和成本，但APC操作缺乏经济性或基于旧价值。RTO的变化使得APC从一个约束到另一个约束，而没有评估对公用事业成本或产品可变性的影响。调度创建了一个在整个工厂进行的变化浪潮，但是RTO使用SS模型。

&#8226;改进人机界面，以便操作员和工艺工程师能够理解。

&#8226;使用多目标函数，例如优先消除约束。

&#8226;创建自动校正模型的自适应MPC，防止降级。

&#8226;创建易于实施的调整程序（防止病态、反映操作优先级、不需要大量模拟测试）。

&#8226;确定如何知道模型何时足以停止工厂测试。

&#8226;全厂控制。

&#8226;当控制器性能不佳时诊断问题。

&#8226;自动化层级结构。哪些变量应该是传统ARC的一部分，哪些应该是监控MPC的输入和输出？如果有一个监控MPC或工厂隔离效果是否表明几个较小的MPC（每个部分一个）更好。

&#8226;当不可测量的干扰改变了CV时，MPC的动作是否可以更积极？

&#8226;自动和稳健地更新推断的属性规则（推断传感器、软传感器），用于估计控制器的CV值。

&#8226;自动和稳健地更新RTO中使用的SS模型，以使其与工厂保持一致。

&#8226;提高对现场仪表（传感器变送器、通信网络、最终元件）的鲁棒性。

&#8226;静态转换，使过程I/O线性化，以便线性MPC适用。

&#8226;未测量干扰的模型，以便通过未来估计残差修正未来模型预测。

&#8226;包括模型中的一致性关系。模型优化的约束条件包括物质和能量平衡、汽液平衡、机组运行模型、稳态增益等。

&#8226;开发一种闭环工厂辨识方法。

本文所讨论的主题也对控制教育工作者提出了挑战，涉及在自动化和控制职业的本科工程项目中为学生做好准备。以下是一些关于如何改变教育以支持自动化工程劳动力需求的观点：

&#8226;将PID控制的技术遗产释放到一个设定值，并让工程师做好准备，成为智能控制器的家长和教练，他们可以照看自己的过程。学生需要了解他们的过程的含义。他们需要理解和认识偏差行为，并知道如何纠正和预防。他们将需要了解健康，识别症状，诊断疾病，并实施治疗。控制理论并不是大学生从事工业的根本问题。把控制的基础数学和分析作为辅助主题。不要让数学的乐趣掩盖了初级课程的目标。从本科课程中删除频率分析和z变换。降低拉普拉斯转换为沟通过程和控制器动态的一个历史语言。对于工厂工程师来说，拉普拉斯变换只需要理解为信息的载体，如过程阶次、纯滞后时间和增益。对于工厂工程师来说，拉普拉斯变换只需要理解为过程阶次、纯滞后时间和增益等信息的载体。

&#8226;在本科课程中增加过程控制实验室经验。自动化单元操作实验室工艺设备。使用中试设备。不要在化学工程实验室使用台式工程科学实验或计算机模拟器。学生需要体验阀门、传感器、数据记录、回路结构和整定、信号传输等。

&#8226;为大学增加自动化工程学位课程，或提供足够的课程以获得自动化专业的辅修课程。ChE程序中的一门控制课程足以向学生揭示PID反馈控制的“冰山一角”，但通常不包括仪表系统校准、ARC、APC、优化、DCS结构或操作、电子方面（接地、接线协议、隔离）、安全仪表系统，健康监测、允许的工业调整实践等。