过程控制系统及工程综述报告
摘要： 本文主要介绍了过程控制的发展史，回顾了计算机过程控制的发展状况以及未来的发展趋势，并且对过程控制和现代控制理论做了详细的论述 关键词: 过程控制、控制理论、控制工程、鲁棒控制等
1.过程控制的发展史
1.1 前沿
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。
1.2 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—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。
1.3 过程控制策略与算法进度
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。
1.4 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。
2.过程控制与控制理论
控制理论与控制工程学科是以工程系统为主要对象，以数学方法和计算机技术为主要工具，研究各种控制策略及控制系统的理论、方法和技术。控制理论是学科的重要基础和核心内容，控制工程是学科的背景动力和发展目标。本学科的智能控制方向主要包括模糊控制、专家系统、神经元网络、遗传算法等方面的研究，特别强调的是上述方法的交叉及其在工业过程控制方面的应用。故障诊断方向主要研究当控制系统一旦发生故障时，仍能保证闭环系统稳定，且满足规定的性能指标。利用获得的实时数据对生产过程进行在线监测及故障诊断，根据系统的运行状态制定相应的控制策略，使系统工作在最佳状态。鲁棒控制方向主要研究被控对象参数变化后，控制系统仍能稳定可靠的工作，并在某种意义下保证系统的最优性。信号处理方向主要研究控制系统中的信号处理问题，包括非线性系统的鲁棒滤波器的设计，自适应滤波器、噪声抵消器、小波分析等。
控制理论与过程控制是研究运动系统的行为、受控后的运动状态以及达到预期动静态性能的一门综合性学科。在理论方面，利用各种数学工具描述系统的动静态特性，以建模、预测、优化决策及控制为主要研究内容。在应用方面，将理论上的研究成果与计算机技术、网络技术和现代检测技术相结合，形成各种新型的控制器或控制系统。研究内容涵盖从基础理论到工程设计与实现技术的多个层次，应用遍及从工业生产过程到航空航天系统以及社会经济系统等极其广泛的领域。
3.现代控制理论在过程控制中不很成功
3.1 控制科学与技术发展状况
控制科学与技术在20世纪的人类科技进步中起到了举足轻重的作用，为了解决当今社会的许多挑战性问题产生了积极的影响，提供了科学的思想方法论；为许多产业领域实现自动化奠定了理论基础，提供了先进的生产技术和先进的控制仪器及装备。特别是数字计算机的广泛使用，为控制科学与技术开辟了更广泛的应用领域。
回顾近百年来的工程技术的发展，可以看到，20世纪的控制科学与技术是在实践的重大需求驱动下快速发展的，他经历了若干重要的发展时期，如20世纪初的Lyapunov稳定理论和PID控制律概念；20年代的反馈放大器；30年代的Nyquist与Bode图；40年代维纳的控制论；50年代贝尔曼动态规划理论和庞特里亚金极大值原理；60年代卡尔曼滤波器、系统状态空间法、系统能控性和能观性；70年代的自校正控制和自适应控制；80年代针对系统不确定状况的鲁棒控制；90年代基于智能信息处理的智能控制理论。中国控制学科界的许多学者为控制理论和技术的发展也做出重要的贡献。随着计算机科学、网络和智能信息处理技术的进步，以及社会生产力发展的强烈需求，在如何解决日益增加的复杂系统、网络系统、多传感器信息融合、生物、基因、量子计算、社会经济与生态等重大问题上，控制科学和自动化领域的研究者们在21世纪初面临着更重大的、更为迫切的挑战。
近30年来，控制科学在非线性系统控制、分布参数系统控制、系统辨识、随机与自适应控制、鲁棒控制、离散事件系统和混合系统、智能控制等研究方向上取得了许多重要进展。在21世纪初的十几年，这些方向仍将是控制科学发展的主要研究方向，它们之间的交叉与结合，将形成许多应用性更强的重要研究方向。 非线性控制是控制理论中一个重要的研究分支，目前在该方向的一些研究成果已应用于机器人、直升飞机与电力系统控制等实际控制工程中。可以预见，非线性控制理论的进一步发展，将对多机器人系统协调操作与大型网络稳定安全为背景的非线性系统的控制工程等产生重大影响。混沌系统作为非线性系统的重要组成部分，在混沌生成、混沌抑制、混沌同步化、混沌通讯应用以及混沌信息编码等方面已经取得一些突破性的进展。这些研究成果将对复杂系统的深入研究提供了有意义的借鉴。
自20世纪70年代开始，国内外学者开始重视分布参数系统的研究。分布参数系统是无穷维系统，一般由偏微分方程、积分方程、泛函微分方程或抽象空间中的微分方程所描述。我国学者在细长体弹性振动系统的建模和振动控制、振动系统的谱分析、能控性和反馈镇定、一般无穷维系统的极大值原理、人口系统控制、人口预测和控制等方面都做出了重要贡献。 由于实际系统的复杂性，人们往往很难（或不可能）从基本的物理定律出发直接推导出系统的数学模型，这就需要利用可以测量的系统输入和输出数据，来构造系统内结构及参数的估计，并研究估计的可靠性和精度等问题，这就是系统辨识的任务。20世纪90年代，线性系统辨识理论趋于成熟，而非线性系统的辨识仍处于发展阶段。近10年来，系统辨识领域有3个热点研究方向：基于鲁棒控制的数学模型要求的鲁棒辨识，基于特殊信号驱动下的系统辨识和基于智能信息处理的非线性系统辨识。
当实际系统受到的外界干扰和系统模型误差被看作为随机噪声时，我们把这类系统称为随机系统。近年来，在非线性滤波、随机极大值原理、随机最优控制综合等方面已有新的进展。人们为了寻求能够实际应用并且性能良好的控制算法，由“分离思想”和“必然等价思想”发展了自适应控制的理论和方法。在科学研究和工程实践中，自适应算法已经成为一种非常有效的重要方法。 一般地，系统的数学模型与实际系统存在着参数或结构等方面的差异，而我们设计的控制律大多都是基于系统的数学模型，为了保证实际系统对外界干扰、系统的不确定性等有尽
可能小的敏感性，导致了研究系统鲁棒控制问题。近年来，对非线性系统的鲁棒适应控制的研究已成为一个热点方向。人工神经网方法、滑动模（sliding-mode）方法及鲁棒控制方法的结合可以设计出对一大类连续时间非线性系统稳定的自适应控制律。20世纪80年代出现的H∞设计方法和变结构控制（滑摸控制）推动了鲁棒控制理论的发展。现在，系统H∞范数已成为系统的重要性能指标。如何有效利用过程信息来降低系统的不确定性，是鲁棒控制研究的重要内容。由于许多控制问题可归结为线性矩阵不等式（LMI）的研究，20世纪90年代中期出现了关于LMI的控制软件工具。近几年，非线性系统、时滞饱和系统、时滞故障系统的鲁棒综合控制问题已经成为新的热点研究方向，而且已经有不少应用实例，例如，核反应堆的温度跟踪鲁棒控制、导弹系统的鲁棒自适应最优跟踪设计、机器人操作的鲁棒神经控制。
系统的状态随离散事件发生而瞬时改变，不能用通常的动态方程来描述，一般称这类系统为离散事件动态系统（DEDS）。对它的研究始于20世纪80年代初。目前已发展了多种处理离散事件系统的方法和模型，例如有限状态马尔科夫链、Petri网、排队网络、自动机理论、扰动分析法、极大代数法等。其理论已经应用于柔性制造系统、计算机通信系统、交通系统等。离散事件系统的研究虽然取得较大进展，但还没有一套完整的理论体系来评价离散时间系统模型与实际对象的差异。离散事件动态系统自然延伸就是混合动态系统。
包含离散事件动态系统（DEDS）和连续变量动态系统（CVDS）、两者又相互耦合作用的系统称为混合动态系统（HDS）。关于混合系统最早的文献出现在1966年。1979年瑞典人Cellier首先引入混合系统结构的概念，把系统分为离散、连续和接口3个部分。1989年Golli针对计算机磁盘驱动器模型引入混合系统的概念，把连续部分和接口部分结合起来进行研究。虽然混合系统的研究取得了一些成果，但仍处于发展阶段，其理论和应用研究仍是未来几年的研究热点。最近，混合系统的离散监督控制、离散时间混合系统的最优控制有了一些新的突破，并且混合控制理论已逐步应用于电力系统的电压安全控制和机器人协调控制等领域。
现代工程技术、生态或社会环境等领域的研究对象往往是十分复杂的系统，对这类系统难以用常规的数学方法来建立准确的数学模型，需要用学习、推理或统计意义上的模型来描述实际系统，这就导致了智能控制的研究。智能控制的主要目标是使控制系统具有学习和适应能力。现在，智能控制理论虽然取得了不少研究成果，但智能控制的理论体系还不够成熟。最近，基于模糊推理的系统建模、神经网络模型参考自适应控制、神经网络内模控制、神经网络非线性预测控制、混沌神经网络控制等方面已有不少重要研究成果。智能控制理论有着广泛的应用，例如，基于神经动态规划的直升机的镇定控制和航天轨道操作器的基于知识的分层控制等。模糊推理、神经网络和遗传算法均具有模拟人类思维结构的方式的特点，将三者结合是智能控制研究的主要方向之一。
3.2 现代控制理论面临的问题
1）控制对象与控制对象所处的环境的变化 随着计算机网络技术普及与发展，基于网络的远程控制受到人们的关注。在网络环境下存在延时、数据的丢失、数据时序或序的变化及数据的非等间隔采样，使得网络环境的空地变得十分复杂和困难。同时，网络自身的安全与控制也是一个十分重要和非常棘手的问题。 不同性质、不同控制对象组合而成的混杂系统还缺乏理论支持和相应的技术手段。 多任务、多机器人的协调控制问题。 2）理论问题
由于复杂系统的建模、稳定性与系统设计缺乏理论支撑和指导，有必要综合应用其他学科，如数学、信息科学、系统科学与认知科学的最新进展来建立一个解决复杂性问题的完整理论。
3）控制要求
具有多种信息或传感信息的综合能力；具有自学习和自适应能力，能够自主调整控制机构；高可靠性；控制系统本身应该具有良好的控制特性；在出现故障和意外时，能及早进行自我故障诊断及排除。
现代控制系统应该具有良好的容错性和鲁棒性。
在一些情况下需要构造一个合理的人机协作的控制系统。
基于上述问题，控制科学界多年来一直在探索着新的方法，寻求更加符合实际的“发展轨迹”。近十年来，人工智能学科新的进展给人们带来了希望。由于得益于计算机科学技术和智能信息处理的高速发展，智能控制逐渐形成一门学科，并在实际应用中显示出强大的生命力。与此同时，许多控制学科领域的工作者也开始认识到，在许多系统中，复杂性不只是表现在高维性上，更多的则是表现在系统信息的模糊性、不确定性、偶然性和不完全性上。能否用人工智能的人工神经网络、模糊逻辑推理、启发式知识、专家系统等理论去解决难以建立精确数学模型的控制问题一直是我们十多年来追求的目标。
4.计算机过程控制的发展过程
4.1计算机过程控制系统的发展回顾
世界上第一台电子数字计算机于1946年在美国问世。经历了十多年的研究, 1959年世界上第一台过程控制计算机TRW)300在美国德克萨斯的一个炼油厂正式投入运行。这项开创性工作为计算机控制技术的发展奠定了基础,从此,计算机控制技术获得了迅速的发展。回顾工业过程的计算机控制历史,经历了以下几个时期:(1)起步时期(20世纪50年代)。20世纪50年代中期,有人开始研究将计算机用于工业过程控制。(2)试验时期(20世纪60年代)。1962年,英国的帝国化学工业公司利用计算机完全代替了原来的模拟控制。(3)推广时期(20世纪70年代)。随着大规模集成电路(LSI)技术的发展, 1972年生产出了微型计算机(m-icrocomputer),其最大优点是运算速度快,可靠性高,价格便宜和体积小。(4)成熟时期(20世纪80年代)。随着超大规模集成电路(VLSI)技术的飞速发展,使得计算机向着超小型化、软件固定化和控制智能化方向发展。80年代末,又推出了具有计算机辅助设计(CAD)、专家系统、控制和管理融为一体的新型集散控制系统。(5)进一步发展时期(20世纪90年代)。在计算机控制系统进一步完善,应用更加普及,价格不断下降的同时,功能却更加丰富,性能变得更加可靠。
4.2计算机过程控制系统的分类
计算机控制系统的应用领域非常广泛,计算机可以控制单个电机、阀门,也可以控制管理整个工厂企业;控制方式可以是单回路控制,也可以是复杂的多变量解耦控制、自适应控制、最优控制乃至智能控制。因而,它的分类方法也是多样的,可以按照被控参数、设定值的形式进行分类,也可以按照控制装置结构类型、被控对象的特点和要求及控制功能的类型进行分类,还可以按照系统功能、控制规律和控制方式进行分类。常用的是按照系统功能分类,分为以下几类:
(1)数据处理系统(DAS),对生产过程参数作巡检、分析、记录和报警处理。
(2)操作指导控制系统(OGC),计算机的输出不直接用来控制生产过程,而只是对过程参数进行收集,加工处理后输出数据,操作人员据此进行必要的操作。
(3)直接数字控制系统(DDC),计算机从过程输入通道获取数据,运算处理后,再从输出通道输出控制信号,驱动执行机构。
(4)监督控制系统(SCC),计算机根据生产过程参数和对象的数字模型给出最佳工艺参数,据此对系统进行控制。
