降低控制系统成本的有效途径

　　在设计和升级装置的过程中经常会遇到的挑战就是如何降低成本，包括开发、部署以及维护的成本。尽管可能会有很多方法，但是考虑到当前计算机的性能和新的控制策略，运用先进控制技术（APC）更易于实现成本的降低。如果我们减少需要控制的变量数目，会怎么样呢？用更少的变量，将会使所需的硬件更少、过程更简单，并且更容易学习掌握。那么，用户如何才能减少控制循环的个数呢？

图1  多变量模型预测控制系统架构

　　通常，过程控制系统是由一些相互耦合的变量组成的。设计者的精力不仅是花在控制变量上，而且还花在使用“伪”控制器来解耦变量，从而使得单输入单输出的算法（如一直在使用的PID）能够被执行。现在，APC增加了同时控制多个变量的策略，因此现在没有必要解耦。PID是工业中主要使用的控制算法，可是它仍然有局限性。首先，它是一个单输入单输出系统，因此控制工程师们必须弄明白如何从多种测量设备上获取信息，并且用它们组合形成一个对控制器有意义的单一值。反过来同样是一个挑战：如何使控制器能够在一个组合信息的基础上决策多个控制变量输出。典型的解决方法是设计多个并行的PID控制器，但这种方法也有其自身的难点。因为一些变量是耦合的，所以需要部署更多的控制器用来对这些变量进行解耦。现在出现的挑战是调整所有被放置在工厂里的控制器。虽然有很多调节PID控制参数的方法，但这并不是一个科学、的规则。在多变量控制的情况下，它更有挑战性，这是因为改变了一种增益值将不仅仅影响其所在的PID回路，还包括所有与其耦合的其它控制器和变量。

　　以泰科电子为例，该公司需要对同轴电缆的制造工艺进行控制。所考虑的工艺包括在中心导线上面加上介电层、防护层和外套层。介电层是关键的因素，因为它影响了其余各层的直径和各层之间的一致性。它还决定了同轴电缆产品的某些品质，例如电阻、电容以及每英尺的传输延迟时间。这一工艺涉及多个输入变量的组合，并由输出变量来控制直径和同轴的一致性，因此需要一个多变量控制器。各种生产线以不同的速度运行，以适应产品需求和设备的限制。此外，执行器和传感器之间的距离还是可变的，这使得生产工艺更加具有挑战性。随着生产线的速度和距离的变化，输入和输出之间会产生不同的时间延迟。泰科电子发现多变量模型预测控制（Model Predictive Control, MPC）可以为这个应用提供解决方案，因为它能够控制具有可变时间延迟的生产过程，同时优化了多输出的设定值和多输入的约束条件，系统架构如图1。

　　泰科电子控制系统工程师Kimberly Wang博士运用所记录下的实验数据以及LabVIEW的建模工具完成了过程系统的建模。模型被成功建立后，她和她的同事可以用一些实际应用的结果来对控制器进行进一步的参数调节。Wang博士在10多条生产线上部署了MPC系统，都出色的达到了六西格玛（Six Sigma）标准。该控制系统不仅控制了产品性能来达到技术要求，而且当产品质量不达标时能够自动停止生产线。泰科电子实现了夜间无人值守的自动化生产，因而生产力得到了提高，机器的停机时间也缩减了。此外，NI帮助增加了新的功能，这个功能可以缩减同轴电缆的终性能测试的时间，因为该控制系统能够跟踪产品质量，并印刷上标签以标明该产品是否合格。

　　复杂变量的可视化

　　在之前的部分中，我们讨论了使用单一控制器来控制多个变量，但是每个控制回路都依赖于诸多测量值。如果控制中的变量无法被标准传感器测量，那会是什么情况呢？ 可视化也许是一种解决方案。

　　Iggesund Workington Mill公司在分析纸板的成型机理时曾经面临过这样的挑战。该公司需要提供纸板定型机，并为纸浆厂的操作工提供有当前的成型影像以及对应的成型参数。成型参数是由图像的灰度分布情况计算出来的，因此它是一种主观的方法，它与每个人的视觉息息相关。目前，成型图像的显示为操作工提供了当前的实时情况，并用百分比表示的纸浆机和纸浆厂的运行情况。纸板和纸浆之间的变化有利于控制纸板质量，对问题区域进行分类，并协助管理人员将资源分配到特定的地方。

　　发射机头包含光控单元、闪光系统和照明光学系统。照明动作通过发射机和接收机之间的电力线路与接收机上的摄像头单元同步。图像控制单元不断调整照明和摄相机参数，在各种不同的生产条件（例如速度和纸张定量下），保持尽可能好的图像质量。这使得完整的纸板制造模型的计算异常的困难。因此，有必要采用一个带有预测的多变量模型，它使用在线测量的数据来计算基于过程变量的弯曲刚度。应用LabVIEW系统辨识工具包开发的动态模型，采用实时比例积分（proportional-integral, PI）控制器来控制关键聚合物的剂量率。

　　基于成像技术的成型测量已经在市场上可以看到。然而所测量的信息仅限于表明整体成型变化的个别质量指标。无论如何，它仍然很难凭借单一的指标来推断出结构变化以优化进程。这是因为成型是多种因素综合作用的结果，包括原料、工艺设备以及工艺操作点。然而，列出不影响成型的条目则通常比较容易。Iggesund Workington Mill公司采用了新的方法，使成型过程化：将与成型相关的图像信息划分为相互独立的子描述部分。这进一步突出了出现问题的成型过程，从而使其更容易选择后续的纠正措施。升级后的系统取代了传统的成型分析方法，并为操作者提供了实时的纸板质量信息。

　　多变量的监视

　　即使使用非传统的传感器（如摄相机），可能仍不足以支持闭环控制，因为并不是所有需要控制的变量都可以被测量，也不是所有可以测量的变量都需要控制。在这个研究领域中，可以考虑使用由其它需要考虑的变量组合而成的“虚拟变量”。虚拟变量是在无法测量或者无法控制它的情况下才被使用。那么，人们应该如何处理不能使用标准的或先进的传感器进行测量的变量？控制理论学术界多年来一直在研究这个问题，而现在利用APC技术可以考虑将一些解决方案应用到现代化的制造系统中。在诸如钢铁制造的传统工业里，存在很多难以测量的变量。在钢铁制造等重工业领域里，经常会有非常苛刻的环境，测量系统在该环境下无法很好地工作，例如，测量扎钢机吐出的钢铁厚度。为了应对虚拟变量的挑战，一个可能的方法是使用观察变量。使用了观察变量之后，用户可以控制那些不容易或者不可能被测量的变量。这些“观察到的”变量可以从其它已经被测量的变量和/或控制过程的软件模型中推断出来。这种类型的控制系统让Iggesund公司能够提高25％的生产量。

　　传统的pH过程控制中的一个问题是，那些单独被监视的变量只表明了那些个体变量的状态，而忽略了变量间的相互作用。的pH值可以提高纸张质量和生产流程的效率，因此Iggesund使用带有多变量技术的APC来考虑变量间的相互作用。所以，可以通过测量某个变量的单变量特性对系统进行建模。它与综合变量的单变量特性比较，从而识别真正的过程状况，这样就可以确定加工过程不稳定的情况。

图 2  基于LabVIEW开发的一个pH值模型模拟非线性的复杂过程

　　Iggesund利用LabVIEW和人工神经网络（Artificial Neural Network，ANN）技术，在精细的自适应闭环控制算法的基础上设计和开发了一个模拟预测控制方案。如果超出了正常工作的条件警报就会响起，不只是警告操作员出现了问题，而且还会提供出错变量的具体细节以及解决这一故障的措施。

　　NI采用LabVIEW开发了一个pH值模型（图2），证明了LabVIEW可以模拟非线性的复杂过程。它可以验证pH计的读数，并为操作员提供了一个基本的在线诊断工具。该模型仅接受对pH值有影响的变量，如果有一个相关的输入变量发生了变化，在模型中就会被突出显示。由于过程有一定的停留时间，这种变化可以比正常方式更快地被观测到。该模型能够实时的显示信息，使得监视和优化化学品的计量时能够更加顺利地控制pH值。由于工艺中关键变量的控制得到了改进，这模型增强了工艺的稳定性。

　　计算机性能的提升加上对象过程控制（Object  Process  Control， OPC）技术的发展，以及软件技术的提高，使得工程师能够利用一系列新技术（传感器、算法等）的组合，通过台式PC的处理能力来控制大型的工厂，在降低成本、优化工序的同时，提高了产量。