高等过程控制的应用和发展 在工业生产过程中，一个良好的控制系统不但要保证系统的稳定性和整个生产的顺利进行，满足一定的约束条件，而且应该能够带来一定的经济效益和社会效益。根据有关资料介绍，在连续工业过程控制中，85%-95%的控制回路采用PID控制，约有5%-15%的控制回路是常规PID控制所不能奏效或效果不好的,而必须采用高等过程控制策略。企业的需要、控制理论和计算机技术的发展是高等过程控制（Advanced Process Control）发展强有力的推动力。
1.高等过程控制的概念
高等过程控制，亦称先进过程控制，是对那些不同于常规单回路PID控制，并具有比常规PID控制更好控制效果的控制策略的统称，是提高过程控制质量、 解决复杂过程控制问题的理论和技术。高等过程控制的任务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。其主要特点如下：
①与传统的PID控制不同，高等过程控制是一种基于模型的控制策略，如模型预测控制和推断控制等。目前，基于知识的控制，如智能控制和模糊控制，正成为高等过程控制的一个重要发展方向。
②高等过程控制通常用于处理复杂的多变量过程控制问题。如大时滞、多变量耦合、被控变量与控制变量存在着各种约束等。
③高等过程控制的实现需要足够的计算能力作为支持平台。随着DCS功能的不断增强，更多的高等过程控制策略可以与基本控制回路一起在DCS上实现，有效地增强高等过程控制的可靠性、可操作性和可维护性。
2.高等过程控制的内容
高等过程控制内容丰富、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。
①预测控制
预测控制或模型预测控制（MPC）是一种基于预测过程模型的控制算法，根据过程的历史信息判断将来的输入和输出。它强调模型的函数而非模型的结构，因此，状态方程、传递函数甚至阶跃响应或脉冲响应都可作为预测模型。预测模型能体现系统将来的行为，因此，设计者可以实验不同的控制律用计算机仿真观察系统输出结果。各类预测控制算法都有一些共同的特点，归结起来有三个基本特征：（1）预测模型（2）有限时域滚动优化（3）反馈校正，这三步一般由计算机程序在线连续执行。预测控制适用于高等过程控制和监督控制场合，其控制输出作用主要是跟踪设定值的变化。但预测控制并不能很好地处理调节控制难题。
②自适应控制
自适应控制可以看作是一个能根据环境变化智能调节自身特性的反馈控制系统以使系统能按照一些设定的标准工作在最优状态。自适应控制系统的适用对象：非线性的工业对象和非定常而具有时变特性的工业对象。传统的自适应控制方法，要么采用模型参考要么采用自整定，一般需要辨识过程的动态特性。它存在许多基本问题（1）需要复杂的离线训练（2）辨识所需的充分激励信号和系统平稳运行的矛盾（3）对系统结构假设（4）实际应用中，模型的收敛性和系统稳定性无法保证。一般地说，自适应控制在航空、导弹和空间飞行器的控制中很成 功。但在工业过程控制应用中，传统的自适应控制并不如意。
③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。鲁棒性一般定义为在实际环境中为保证安全要求控制系统最小必须满足的要求。一旦设计好这个控制器，它的参数不能改变而且控制性能保证。鲁棒控制方法适用于稳定性和可靠性作为首要目标的应用，同时过程的动态特性已知且不确定因素的变化范围可以预估。飞机和空间飞行器的控制是这类系统的例子。过程控制应用中，某些控制系统也可以用鲁棒控制方法设计，特别是对那些比较关键且（1）不确定因素变化范围大（2）稳定裕度小的对象。但是，鲁棒控制系统的设计要由高级专家完成。一旦设计成功，就不需太多的人工干预。另一方面，如果要升级或作重大调整，系统就要重新设计。
④智能控制
智能控制可以包括如下几种方法：学习控制系统、专家系统、模糊控制、神经网络控制。
学习控制系统：采用模式识别技术获得控制回路当前的状态，然后根据回路状态和储存的历史信息和经验知识作出控制决定。由于学习控制系统受储存的知识的限制，它至今还没有得到广泛的应用。
专家系统：是根据专家系统技术，使用一个知识库来作出控制决定的。知识库由专家的经验知识，在线获得的系统信息和推理机组成。由于专家系统的知识以符号表示而且总是离散的，因此它适用于生产计划、调度和故障诊断等决策问题。但不适用于解决连续控制问题。
模糊控制：是模糊推理和控制技术相结合的产物。用模糊集合和模糊概念描述过程系统的动态特性，以数学公式的形式来代表系统的信息或经验知识。根据模糊集和模糊逻辑来作出控制决策。
神经网络控制：是一种使用人工神经网络的控制方法。因为人工神经网络是建立在强有力的数学基础上，所以它有很大的潜力，这个数学基础包括了各种各样的已被充分理解的数学工具。在无模型自适应控制器中人工神经网络也是一个重要组成部分。
⑤软测量技术
软测量技术是利用可测过程变量，通过各种数学计算和估计方法推断待测过程变量的技术。在数学上，软测量模型就是可测过程变量集合θ到待测过程变量集合y的映射。可测变量的选择、测量数据预处理、数据库在线更新和模型在线校正是软测量成功的关键。软测量技术不仅解决了常规检测仪表无法测量的过程变的在线检测问题， 而且响应快、投资少、维护简单。
3.高等过程控制的工程化方法
要使高等过程控制达到预期的经济效益，必须严格地按一定的程序完成高等过程控制的工程化工作。其工程化主要步骤如下：
①定义目标：首先应将整个企业的目标细化为装置的目标、过程单元的目标以及最终主要过程装置的目标。
②分解目标至最底层：在一个装置内，应对各主要设备建立控制目标，从而将过程装置的目标分解至最底层的各个设备。
③识别高等过程控制的适用性：高等过程控制的适用性是指通过采用高等过程控制能否达到减少主要过程变量变化的预期目标。
④高等过程控制的效益/成本分析：效益/成本分析可以给出是否采用高等过程控制策略或应当采用哪种高等过程控制策略。
⑤制订功能标准：对每个要实施的高等过程控制算法必须规定其功能标准。 ⑥高等过程控制的实现：在高等过程控制方案确定后，首先进行详细的工程设计，这些工程设计包括控制回路连接图、系统仪表配置一览表、高等过程控制操作界面等，最终生成可实现的控制软件。
⑦调试：调试是检验高等过程控制方案和生成的控制软件是否正确。
4. 高等过程控制的经济效益
通过实施高等过程控制，可以大大提高工业生产过程操作和控制的稳定性，改善工业生产过程动态性能，减少关键变量的操作波动幅度，使其更接近于优化目标值，从而将工业生产过程推向更接近装置约束边界条件下运行，最终达到增强工业生产过程的稳定性和安全性，保证产品质量的均匀性，提高目标产品的收率，提高生产装置的处理能力，降低生产过程运行成本以及减少环境污染等目的。
据国外统计，高等过程控制策略所取得的经济效益占整体效益的30%，原因是可以减少开工过渡时间，合理减少产品质量的裕度，提高了产品收率，延长开工周期，减少能耗等
5. 高等过程控制面临的挑战
高等过程控制的广泛应用，为企业带来了显著的经济效益。另一方面，在实施高等过程控制的过程中，也会碰到许多富有挑战性的问题，反过来又促进高等过程控制向更高层次发展。目前在实现高等过程控制策略中面临如下几个主要问题：
①模型辨识的新工具
目前，为了完成像反应器这样的主要工业生产过程动态性能的测试，需要耗费数周的时间，给工程技术人员带来很大的工作量，迫切需要更好和更有效的过程动态响应测试和能更充分利用统计信息辨识出动态模型的方法。
②自适应模型预测控制
针对那些变增益的工业过程，如油品调合和PH控制等过程，需要应用自适应控制的思想来改进多变量模型预测控制器性能，例如模型参数预测等方法的研究和开发。
③非线性模型预测控制
普遍应用的模型预测控制软件包采用的是线性模型，在碰到内在非线性问题时，必须将其参数整定得以确保在整定操作区域内的稳定性，其后果是对许多操作区域的控制作用过于迟缓。为了根本解决这一问题，迫切需要非线性模型预测控制工程化软件。
④多元统计监控
随着计算机集成控制的广泛应用，大量信号和控制回路的集中管理监督和性能的评判，已成为工艺操作者的主要责任，如何加强计算机监控是当今现代工厂企业的重要内容。传统的统计过程控制在处理含有耦合变量的连续过程单元时，通常会导致错误。然而，随着主元分析（PCA）和部分最小二乘（PLS）技术的工程化应用研究开发，并进入到在线应用阶段，含PCA和PLS的多元统计监控的应用将会日益增多。
高等过程控制的应用和发展 在工业生产过程中，一个良好的控制系统不但要保证系统的稳定性和整个生产的顺利进行，满足一定的约束条件，而且应该能够带来一定的经济效益和社会效益。根据有关资料介绍，在连续工业过程控制中，85%-95%的控制回路采用PID控制，约有5%-15%的控制回路是常规PID控制所不能奏效或效果不好的,而必须采用高等过程控制策略。企业的需要、控制理论和计算机技术的发展是高等过程控制（Advanced Process Control）发展强有力的推动力。
1.高等过程控制的概念
高等过程控制，亦称先进过程控制，是对那些不同于常规单回路PID控制，并具有比常规PID控制更好控制效果的控制策略的统称，是提高过程控制质量、 解决复杂过程控制问题的理论和技术。高等过程控制的任务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。其主要特点如下：
①与传统的PID控制不同，高等过程控制是一种基于模型的控制策略，如模型预测控制和推断控制等。目前，基于知识的控制，如智能控制和模糊控制，正成为高等过程控制的一个重要发展方向。
②高等过程控制通常用于处理复杂的多变量过程控制问题。如大时滞、多变量耦合、被控变量与控制变量存在着各种约束等。
③高等过程控制的实现需要足够的计算能力作为支持平台。随着DCS功能的不断增强，更多的高等过程控制策略可以与基本控制回路一起在DCS上实现，有效地增强高等过程控制的可靠性、可操作性和可维护性。
2.高等过程控制的内容
高等过程控制内容丰富、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。
①预测控制
预测控制或模型预测控制（MPC）是一种基于预测过程模型的控制算法，根据过程的历史信息判断将来的输入和输出。它强调模型的函数而非模型的结构，因此，状态方程、传递函数甚至阶跃响应或脉冲响应都可作为预测模型。预测模型能体现系统将来的行为，因此，设计者可以实验不同的控制律用计算机仿真观察系统输出结果。各类预测控制算法都有一些共同的特点，归结起来有三个基本特征：（1）预测模型（2）有限时域滚动优化（3）反馈校正，这三步一般由计算机程序在线连续执行。预测控制适用于高等过程控制和监督控制场合，其控制输出作用主要是跟踪设定值的变化。但预测控制并不能很好地处理调节控制难题。
②自适应控制
自适应控制可以看作是一个能根据环境变化智能调节自身特性的反馈控制系统以使系统能按照一些设定的标准工作在最优状态。自适应控制系统的适用对象：非线性的工业对象和非定常而具有时变特性的工业对象。传统的自适应控制方法，要么采用模型参考要么采用自整定，一般需要辨识过程的动态特性。它存在许多基本问题（1）需要复杂的离线训练（2）辨识所需的充分激励信号和系统平稳运行的矛盾（3）对系统结构假设（4）实际应用中，模型的收敛性和系统稳定性无法保证。一般地说，自适应控制在航空、导弹和空间飞行器的控制中很成 功。但在工业过程控制应用中，传统的自适应控制并不如意。
③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。鲁棒性一般定义为在实际环境中为保证安全要求控制系统最小必须满足的要求。一旦设计好这个控制器，它的参数不能改变而且控制性能保证。鲁棒控制方法适用于稳定性和可靠性作为首要目标的应用，同时过程的动态特性已知且不确定因素的变化范围可以预估。飞机和空间飞行器的控制是这类系统的例子。过程控制应用中，某些控制系统也可以用鲁棒控制方法设计，特别是对那些比较关键且（1）不确定因素变化范围大（2）稳定裕度小的对象。但是，鲁棒控制系统的设计要由高级专家完成。一旦设计成功，就不需太多的人工干预。另一方面，如果要升级或作重大调整，系统就要重新设计。
④智能控制
智能控制可以包括如下几种方法：学习控制系统、专家系统、模糊控制、神经网络控制。
学习控制系统：采用模式识别技术获得控制回路当前的状态，然后根据回路状态和储存的历史信息和经验知识作出控制决定。由于学习控制系统受储存的知识的限制，它至今还没有得到广泛的应用。
专家系统：是根据专家系统技术，使用一个知识库来作出控制决定的。知识库由专家的经验知识，在线获得的系统信息和推理机组成。由于专家系统的知识以符号表示而且总是离散的，因此它适用于生产计划、调度和故障诊断等决策问题。但不适用于解决连续控制问题。
模糊控制：是模糊推理和控制技术相结合的产物。用模糊集合和模糊概念描述过程系统的动态特性，以数学公式的形式来代表系统的信息或经验知识。根据模糊集和模糊逻辑来作出控制决策。
神经网络控制：是一种使用人工神经网络的控制方法。因为人工神经网络是建立在强有力的数学基础上，所以它有很大的潜力，这个数学基础包括了各种各样的已被充分理解的数学工具。在无模型自适应控制器中人工神经网络也是一个重要组成部分。
⑤软测量技术
软测量技术是利用可测过程变量，通过各种数学计算和估计方法推断待测过程变量的技术。在数学上，软测量模型就是可测过程变量集合θ到待测过程变量集合y的映射。可测变量的选择、测量数据预处理、数据库在线更新和模型在线校正是软测量成功的关键。软测量技术不仅解决了常规检测仪表无法测量的过程变的在线检测问题， 而且响应快、投资少、维护简单。
3.高等过程控制的工程化方法
要使高等过程控制达到预期的经济效益，必须严格地按一定的程序完成高等过程控制的工程化工作。其工程化主要步骤如下：
①定义目标：首先应将整个企业的目标细化为装置的目标、过程单元的目标以及最终主要过程装置的目标。
②分解目标至最底层：在一个装置内，应对各主要设备建立控制目标，从而将过程装置的目标分解至最底层的各个设备。
③识别高等过程控制的适用性：高等过程控制的适用性是指通过采用高等过程控制能否达到减少主要过程变量变化的预期目标。
④高等过程控制的效益/成本分析：效益/成本分析可以给出是否采用高等过程控制策略或应当采用哪种高等过程控制策略。
⑤制订功能标准：对每个要实施的高等过程控制算法必须规定其功能标准。 ⑥高等过程控制的实现：在高等过程控制方案确定后，首先进行详细的工程设计，这些工程设计包括控制回路连接图、系统仪表配置一览表、高等过程控制操作界面等，最终生成可实现的控制软件。
⑦调试：调试是检验高等过程控制方案和生成的控制软件是否正确。
4. 高等过程控制的经济效益
通过实施高等过程控制，可以大大提高工业生产过程操作和控制的稳定性，改善工业生产过程动态性能，减少关键变量的操作波动幅度，使其更接近于优化目标值，从而将工业生产过程推向更接近装置约束边界条件下运行，最终达到增强工业生产过程的稳定性和安全性，保证产品质量的均匀性，提高目标产品的收率，提高生产装置的处理能力，降低生产过程运行成本以及减少环境污染等目的。
据国外统计，高等过程控制策略所取得的经济效益占整体效益的30%，原因是可以减少开工过渡时间，合理减少产品质量的裕度，提高了产品收率，延长开工周期，减少能耗等
5. 高等过程控制面临的挑战
高等过程控制的广泛应用，为企业带来了显著的经济效益。另一方面，在实施高等过程控制的过程中，也会碰到许多富有挑战性的问题，反过来又促进高等过程控制向更高层次发展。目前在实现高等过程控制策略中面临如下几个主要问题：
①模型辨识的新工具
目前，为了完成像反应器这样的主要工业生产过程动态性能的测试，需要耗费数周的时间，给工程技术人员带来很大的工作量，迫切需要更好和更有效的过程动态响应测试和能更充分利用统计信息辨识出动态模型的方法。
②自适应模型预测控制
针对那些变增益的工业过程，如油品调合和PH控制等过程，需要应用自适应控制的思想来改进多变量模型预测控制器性能，例如模型参数预测等方法的研究和开发。
③非线性模型预测控制
普遍应用的模型预测控制软件包采用的是线性模型，在碰到内在非线性问题时，必须将其参数整定得以确保在整定操作区域内的稳定性，其后果是对许多操作区域的控制作用过于迟缓。为了根本解决这一问题，迫切需要非线性模型预测控制工程化软件。
④多元统计监控
随着计算机集成控制的广泛应用，大量信号和控制回路的集中管理监督和性能的评判，已成为工艺操作者的主要责任，如何加强计算机监控是当今现代工厂企业的重要内容。传统的统计过程控制在处理含有耦合变量的连续过程单元时，通常会导致错误。然而，随着主元分析（PCA）和部分最小二乘（PLS）技术的工程化应用研究开发，并进入到在线应用阶段，含PCA和PLS的多元统计监控的应用将会日益增多。