{
  "id": "process-control",
  "title": "过程控制",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "过程控制通过测量、反馈和计算调节工业生产过程，以保持产品质量和生产稳定，并满足运行约束。",
  "category": "technology",
  "subcategory": "engineering",
  "type": "concept",
  "aliases": [
    "工业过程控制"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/process-control/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/process-control/",
      "json": "https://aiwiki.page/en/process-control.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "过程控制是对物理、化学和生物过程进行测量与调节，使其按预期方式运行的技术。它是化学工程和工业自动化的核心内容，在以连续或间歇方式转化物料或能量的行业中尤为重要。典型的被控量包括温度、压力、流量、液位、化学组成和产品性能。控制器通过调节阀门、泵、加热器及其他设备，使这些量在受到扰动或运行条件发生变化时，仍能保持在设定目标附近。\n\n这一学科将控制理论与设备、物料特性、检测仪表和生产要求等方面的知识相结合。如果传感器安装位置不当、阀门卡滞，或所选运行目标与物理约束相冲突，即使控制器在数学上设计合理，也可能表现不佳。因此，有效的过程控制需要兼顾从测量、决策到机械执行和过程响应的整个链条。\n\n过程控制的重要性在于保持质量一致、协调相互关联的设备、减少不必要的原材料和能源消耗，以及保障生产在既定限值内运行。其应用范围涵盖炼油蒸馏、发电、发酵、半导体制造和水处理等领域。现代过程控制系统既包括简单的局部反馈回路，也包括全厂数字控制系统，以及能够预测未来行为的优化算法。"
    },
    {
      "heading": "目标、变量与工业应用范围",
      "text": "分析控制问题，首先要区分几类变量。被控变量是需要调节的量，例如加热器的出口温度。设定值是被控变量的期望值。操纵变量是控制系统能够改变的输入，例如蒸汽流量。扰动会影响过程，但并不由该控制器直接选定，例如进料温度、原料组成和环境条件。这些分类取决于如何定义问题。对于公用工程系统，蒸汽总管压力可能是被控变量；但对于单台换热器，它可能是扰动。\n\n工业运行中有两个常见目标。定值控制通过抑制扰动，使运行条件保持大致恒定。设定值跟踪有时也称为随动控制，其目的是使过程跟随不断变化的目标。储罐可能主要需要抑制入口流量扰动，而间歇反应器则必须跟随一条在加料、反应和冷却阶段不断变化的温度轨迹。针对一个目标的最佳整定，不一定也最适合另一个目标；尤其是当快速跟踪所需的整定会在常规扰动抑制过程中导致执行器动作过于频繁或幅度过大时，更是如此。\n\n过程控制适用于连续、间歇及混合生产。在连续生产中，正常运行期间物料不断进入和离开设备，石油炼制便是一例。在间歇生产中，定量投入的一批物料依次经历若干操作步骤，许多制药和精细化工过程都采用这种方式。混合型工厂则结合了这两种形式，例如由间歇配料系统向连续运行的干燥机供料。启动泵、切换过滤器或接通输送路径等离散事件，往往需要与流量、温度和压力的连续调节相协调。\n\n控制性能涉及多个维度，并没有单一的通用衡量指标。评价控制器时，可以考察波动程度、调节时间、最大偏差、产品不合格率、执行器磨损或资源消耗。让某个变量始终精确保持在目标值，并不一定是理想做法：缓冲罐液位通常允许在一定范围内变化，以保持下游流量平稳。同样，从生产经济性考虑，靠近设备约束边界运行，可能比维持固定的标称设定值更有利。\n\n过程控制与统计过程控制有所不同，但两者可以相互补充。统计过程控制利用数据来发现过程行为的变化，通常借助控制图实现。自动过程控制则直接调节输入。统计方法可以揭示持续存在的质量偏移，而自动控制器则持续纠正可测量的偏差。仅凭其中任何一种活动，都不足以确认工厂是安全的，或其仪表是准确的。"
    },
    {
      "heading": "过程动态与数学模型",
      "text": "工业过程会储存物料、能量或动量，因此其响应需要随时间逐步展开。当流入量超过流出量时，储罐中的液体就会积聚；炉体及其内部物料具有热容量，因此炉温会逐渐升高。基于质量衡算、能量衡算和传递现象的模型可以描述这些机理。对于横截面积恒为 \\(A\\)、内部充分混合且盛有不可压缩液体的储罐，液位 \\(h\\) 满足\n\n\\[A\\frac{dh}{dt}=q_{\\mathrm{in}}-q_{\\mathrm{out}},\\]\n\n其中，两个流量均为体积流量。如果流出量受到独立控制，持续的流量不平衡就会使液位不断变化。这类过程具有积分特性，而不是自衡特性。\n\n另一些过程则会在输入发生变化后趋于新的平衡状态。一种常用的局部近似是一阶纯滞后模型，\n\n\\[G(s)=\\frac{K e^{-\\theta s}}{\\tau s+1},\\]\n\n其中，\\(G(s)\\) 为传递函数，\\(K\\) 为稳态增益，\\(\\tau\\) 为时间常数，\\(\\theta\\) 为纯滞后时间。时间常数描述了滞后结束后指数响应的快慢。纯滞后可能源于物料输送、样品处理、通信或计算。位于加热器下游的温度传感器，只有在受影响的物料到达后才能检测到变化。\n\n这些简化模型很有用，因为增益、惯性滞后和纯滞后会显著影响能够达到的控制性能。较大的纯滞后限制了反馈调节所能采取的力度：在第一次校正的效果显现之前，控制器可能已经进行了多次校正。高阶系统可能包含多个重要的储存环节，而具有反向响应的过程，其初始变化方向与最终响应方向相反。锅炉汽包液位就是一个实际例子：蒸汽气泡的变化可能首先引起指示液位变化，而这种变化并不能直接反映实际存水量。\n\n大多数工业过程都是非线性的。阀门流量取决于压降，反应速率往往强烈依赖于温度，传热系数也会随运行条件而变化。线性模型通常描述的是某一特定工作点附近的偏差变化，而不是整个运行范围。因此，在半负荷条件下辨识得到的模型，接近最大处理量时可能就不再适用。增益调度根据测得的运行工况调整控制器参数，从而应对其中一部分变化。\n\n模型可以根据物理定律推导，也可以根据工厂数据辨识，还可以结合这两种方法建立。辨识时，需要将真实的过程响应与扰动、反馈作用和测量噪声区分开来。验证既要考察模型对未参与拟合的数据的预测表现，也要考察其在物理上是否合理。即使模型能够很好地拟合历史记录，如果它对操纵变量变化给出的响应不正确，仍可能不适合用于控制。"
    },
    {
      "heading": "测量、仪表与最终控制元件",
      "text": "测量链将物理状态转换为控制器可用的信息。传感器检测被测量，变送器则对测量结果进行信号调理和传输。温度测量通常采用热电偶或热电阻；压力测量则常采用与电子传感元件耦合的膜片。流量可以根据差压、电磁感应、超声波传播时间或科里奥利效应推算。每种方法都有相应的安装要求和使用限制，因此仪表选型取决于流体特性、量程、准确度、响应速度以及维护环境。\n\n所需的测量值并不总能直接获得。在密度已知的情况下，可以根据差压估算液位，但密度变化会引入误差。蒸馏塔某层塔板上的温度，可能仅在有限的压力和进料条件范围内反映组成。实验室分析能够提供准确的产品信息，但结果往往来得太晚，无法用于快速反馈。在线分析仪可以缩短这种延迟，不过样品输送和预处理所需的时间仍可能主导实际响应时间。因此，仪表的安装位置是控制设计的一部分，而不仅仅是施工细节。\n\n校准用于确定仪表示值与参考标准之间的关系。它既不能消除所有测量不确定度，也不能保证测点能够代表所关注的过程量。即使热电偶经过精密校准，若紧贴容器壁安装，也未必能测得主体液体的温度。同样，压力引压管堵塞后，信号可能看似合理，却不再随实际压力变化。仪表诊断、维护记录以及与相关测量值的比较，有助于区分真实的过程变化与测量故障。\n\n噪声与滤波又带来了一项权衡。信号处理可以抑制原本会引起不必要控制动作的波动，但滤波也会造成信息延迟。过强的滤波可能使趋势曲线看起来平稳，却掩盖了正在发展的扰动。数字系统还必须考虑采样间隔、时间戳的一致性、缺失值以及转换分辨率。快速采样无法弥补传感器本身响应缓慢的问题，取平均值也不能纠正系统性偏差。\n\n控制器通过执行器和最终控制元件影响过程。常见例子包括控制阀、电加热器、风门，以及由变频驱动器驱动的泵。它们的局限性往往决定了实际控制性能。阀门可能在全开位置达到饱和，存在回程间隙，或因静摩擦而难以动作。阀门定位器可以改善指令位置与实际位置的一致性，但无法消除所有机械问题或选型问题。故障时的动作方式，例如在失电或失气后使阀门打开、关闭或保持原位，必须根据具体的过程危险和运行功能来选择。"
    },
    {
      "heading": "反馈控制与PID控制器",
      "text": "负反馈将测得的输出与期望输出进行比较，并通过改变输入来减小两者之间的偏差。设定值为 \\(r(t)\\)、测量值为 \\(y(t)\\) 时，误差为 \\(e(t)=r(t)-y(t)\\)。控制器必须根据过程特性采用正确的作用方向。增加冷却水流量通常会降低过程温度，而增加蒸汽流量则会使温度升高。作用方向错误，可能使原本起稳定作用的回路变成强化偏差的反馈，将输出推向运行极限。\n\n工业中应用最广泛的反馈算法是PID控制器，即比例—积分—微分控制器。其理想的连续时间形式为\n\n\\[u(t)=u_0+K_c\\left[ e(t)+\\frac{1}{T_i}\\int_0^t e(\\xi)\\,d\\xi +T_d\\frac{de(t)}{dt} \\right],\\]\n\n其中，\\(u_0\\) 为偏置，\\(K_c\\) 为控制器增益，\\(T_i\\) 为积分时间，\\(T_d\\) 为微分时间。比例作用对当前误差作出响应。积分作用累积误差，在存在可行的稳态运行条件时，可以消除持续存在的静差。微分作用对变化率作出响应，可改善阻尼特性。\n\n实际控制器与这一理想方程有所不同。由于微分会放大高频噪声，微分作用通常需要滤波，而且往往施加于测量值，而非设定值误差，以避免设定值变化引发突兀的微分响应。设定值加权允许单独调整跟踪性能，而不必对扰动抑制性能作出同样的改变。许多流量和压力回路采用PI控制，而非完整的PID控制，因为微分作用带来的收益有限，或对噪声的响应过于强烈。\n\n执行器饱和会带来一个重要的复杂问题。如果加热器已达到最大功率，持续的正误差仍可能使积分项不断增大，即使控制器已无法提供更多热量。工况改变后，累积的积分可能延缓系统恢复。抗积分饱和机制将积分作用与实际能够施加的输出关联起来，从而防止或纠正这种累积。类似地，在手动与自动运行之间切换，或在不同控制器之间切换时，无扰切换通过协调控制器内部状态来避免输出突变。\n\n整定通过选择参数，在响应速度、阻尼、鲁棒性和设备动作幅度之间取得平衡。增益过大可能引起振荡；整定过于保守则可能使偏差长时间持续。1942年发表的齐格勒—尼科尔斯法提出了影响深远的经验整定规则，但对于存在时滞或约束的过程，其参数设置可能过于激进。现代实践也采用基于模型的整定方法，并明确考虑鲁棒性。调整整定参数无法解决阀门卡涩、加热能力不足或测量变量选择不当等问题，因此，控制回路诊断需要考察完整的物理系统。"
    },
    {
      "heading": "串级、前馈、比值与超驰控制策略",
      "text": "单个反馈回路并不总能及时响应，也不一定能区分不同的扰动。更复杂的控制结构通过增加测量量或协调多个控制器，在保留相对简单算法的同时改善控制效果。串级控制将一个回路嵌套在另一个回路之内。外环控制器为内环控制器设定目标值，内环控制器则操纵最终控制元件。例如，在加热容器中，外环温度控制器可以设定蒸汽流量目标值，而内环流量控制器负责调节蒸汽阀门。\n\n当内环测量能够比外环测量更早检测到相关扰动，且内环的响应速度明显更快时，串级控制才有效。这样，蒸汽压力波动就能在显著改变容器温度之前，通过流量控制得到纠正。如果内环响应缓慢、测量噪声较大，或无法对扰动产生影响，这种结构的作用就较为有限。当内环切换至手动操作或达到约束限值时，还需要跟踪和抗积分饱和逻辑，因为外环控制器不能假定其给出的目标值正在得到实现。\n\n前馈控制根据测得的扰动采取行动，赶在扰动对受控输出产生影响之前进行补偿。如果已知液流的流量和入口温度，就可以估算加热器额外需要提供的热负荷。在热容 \\(c_p\\) 恒定的理想情况下，\n\n\\[Q=\\dot m c_p(T_{\\mathrm{target}}-T_{\\mathrm{in}}).\\]\n\n这一关系可用于给出预先补偿指令，而反馈则用于纠正热损失、物性不确定性或测量不完善所造成的误差。当扰动和操纵输入经过不同的时延与滞后环节影响输出时，就需要进行动态补偿。仅仅拥有过程模型，并不意味着前馈控制就能补偿未测得的扰动。\n\n比值控制用于维持各股物流之间的指定比例关系，常见于混合、反应物添加和燃烧空气配比。它根据测得的不受控主物流流量，按照所需比值设定另一个流量回路的设定值。比值的定义十分重要：当密度或组成发生变化时，质量比、摩尔比和体积比不能互相替代。对于酸碱度调节或伴有化学反应的混合过程，固定流量比可以提供有用的初步补偿，但通常不能取代基于组成相关测量的反馈控制。\n\n超驰控制和选择性控制用于处理相互竞争的限制条件。多个控制器可以分别计算同一执行器的控制指令，再由高选或低选信号选择器选出符合当前约束要求的指令。例如，压缩机通常按处理量目标运行，但为避免进入不可接受的运行区域，超驰控制可以接管控制。分程控制则采用另一种方式：同一控制器的输出在不同区间内驱动不同的最终控制元件，例如在输出范围的一端控制加热，在另一端控制冷却。如果重叠区、死区或切换逻辑设置不当，就可能引发周期性振荡，以及不必要的同时加热和冷却。"
    },
    {
      "heading": "多变量控制与约束优化",
      "text": "工业设备往往存在很强的耦合关系。在精馏塔中，回流量和供热量都会影响塔顶与塔底产品的组成。在造纸机中，蒸汽压力和车速都会影响干燥过程和纸张含水率。如果将每一组输入与输出的关系都作为独立回路来处理，可能导致各控制器相互对抗。改善某个变量的控制动作可能扰动另一个变量，进而触发补偿动作，抵消原有改善效果的一部分。\n\n多变量控制会明确考虑这些相互作用。线性动态模型可以将多个输出表示为多个输入和扰动的函数。例如，离散状态空间模型为\n\n\\[x_{k+1}=Ax_k+Bu_k+Ed_k,\\qquad y_k=Cx_k,\\]\n\n其中，\\(x_k\\) 表示内部状态，\\(u_k\\) 表示操纵输入，\\(d_k\\) 表示扰动，\\(y_k\\) 表示测量或预测的输出。这些矩阵描述了动态耦合关系。并非所有状态都能直接测量，因此可以利用观测器或估计器，根据现有信号重构内部状态。对于较简单的分散控制系统，相对增益阵等工具有助于判断各操纵变量应与哪些输出配对。\n\n模型预测控制（MPC）利用过程模型预测有限时域内的未来行为。每次更新时，它都会求解一个数学优化问题，执行求得的第一个控制动作，然后利用新的测量数据重复计算。一个典型的目标函数为\n\n\\[J=\\sum_{i=1}^{N}\\lVert y_{k+i}-r_{k+i}\\rVert_Q^2 +\\sum_{i=0}^{M-1}\\lVert\\Delta u_{k+i}\\rVert_R^2,\\]\n\n其中，权重矩阵用于惩罚输出偏差和控制量变化。预测必须由模型生成，而约束可以对执行器位置、动作速率、温度、压力或产品特性施加限制。\n\nMPC 的实际优势在于能够协调处理变量间的相互作用与约束。控制器不必要求每个变量都精确跟踪固定设定值，而是可以在将部分输出保持在可接受区间内的同时，推动生产向经济运行极限靠近。硬约束与软约束需要仔细区分。软约束允许通过对违反约束的行为施加惩罚来保持优化问题的可行性；而执行器的物理极限不能仅因被赋予较低的惩罚权重就被突破。预测结果能否满足约束，也取决于模型的准确性和对扰动所作的假设。\n\nMPC 的成功应用既依赖初始设计，也依赖后续维护。结垢、催化剂老化、原料变化及设备改造都可能改变过程响应。测量数据不良、执行器不可用或经济目标的优先级设置不当，都可能使原本设计合理的优化器无法发挥作用。因此，监督层优化通常建立在可靠的基础调节回路之上，而不是取代所有底层反馈控制。对于强非线性过程，更复杂的非线性模型可能提高预测准确性，但也会增加计算与验证方面的要求。"
    },
    {
      "heading": "数字化架构、顺序控制与工厂集成",
      "text": "工业控制系统将测量、计算、通信和操作人员交互功能分布在多个层级中。现场设备连接到输入/输出设备和控制器，由控制器执行对时效性要求较高的控制功能。操作站提供显示、报警、趋势图和手动指令功能。历史数据库保存时间序列记录，用于故障排查、报表编制和性能分析。这种架构必须确保，即使上层工作站或与业务网络的连接不可用，关键控制功能仍能正常运行。\n\n分布式控制系统传统上将连续控制、工程工具、操作员界面和全厂数据处理集于一体。可编程逻辑控制器传统上侧重于可靠的逻辑执行、顺序控制以及机器或设备控制，不过现代平台的功能已有很大程度的重叠。数据采集与监视控制系统尤其常用于对地理位置分散的设施进行监测和监督控制，例如管道、供水管网和电力公用设施。这些只是不同架构的侧重点，并非各种技术之间不可逾越的界限。\n\n数字化执行带来了时序要求。控制器按规定的时间间隔对信号采样、进行计算并更新输出。这一间隔必须足够短，以适应过程的动态特性和所需的响应速度，但执行得越快并不一定越好。网络延迟、抖动、通信中断和任务调度都可能影响系统行为。一些现场设备会执行本地控制或诊断，而标准化通信协议则使不同供应商的系统能够交换测量数据和指令。不过，要实现互操作，仍须保证单位、量程换算、状态解释和配置的一致性。\n\n批次运行在连续调节的基础上增加了程序控制。ISA-88 框架将设备结构与程序描述区分开来，使配方能够通过程序、操作和阶段来表达。例如，“加热”阶段可以启动温度控制、确认搅拌状态、监测限值，并判断何时可以开始下一步骤。这种分离方式支持在不同产品之间复用设备功能，而不必将每个配方都视为一套完全独立的控制程序。物料输送和共用设备也需要协调，避免互不相容的活动同时发生。\n\n工厂集成将控制系统与排产、生产记录、实验室信息和维护系统连接起来。人机界面必须清晰传达运行状态和异常情况，同时不能让重要信息被掩盖。历史数据库提供了宝贵的记录，但时间戳、数据压缩和采样缺失都会影响后续分析。上层系统可以提供生产目标或优化结果；必须明确其权限以及发生故障时系统应采取的行为。例如，排产系统的连接中断，不应被误认为是要求停止所有本地控制回路的指令。"
    },
    {
      "heading": "安全、可靠性与控制系统网络安全",
      "text": "常规过程控制与过程安全相互关联，但并不相同。基本过程控制系统使生产维持在接近预定工况的状态。安全仪表系统则在检测到危险状况时执行规定的保护动作，例如切断燃料供应、停止加入反应物，或启动紧急停车。保护功能必须依据危险与风险分析来确定，不能仅因常规控制器设有报警或运行限值，就认定系统已经具备这些功能。\n\nIEC 61511 以适用范围更广的 IEC 61508 框架为基础，为过程工业中的安全仪表系统提供了功能安全框架。其涵盖从规范制定、设计到运行、测试、修改和退役的整个生命周期。安全完整性等级针对的是指定的安全功能及其所需的完整性，而不是用来笼统评价工厂质量的标签。在要求相互独立的场合，共用传感器、电源、通信设施或软件，可能导致共因失效，使看似独立的保护层同时失效。\n\n报警用于告知操作人员需要关注或采取行动；联锁则根据规定的条件，自动允许、阻止或启动某项动作。这两种功能不应混为一谈。只有当报警具有实际意义、发出及时、易于理解，并且对应着切实可行的响应措施时，才能发挥作用。在工况异常时，配置不当的系统可能引发报警洪泛，使操作人员难以判断因果关系。因此，报警管理包括确定优先级、审查干扰性报警和实施变更控制，而不只是增加警报数量。\n\n提高可靠性的措施包括选择合适的元件、提高诊断覆盖率、采用冗余设计、开展验证测试以及维护。如果冗余通道存在相同的失效机制，仅有冗余并不足够。连接到同一条堵塞采样管线的两台仪表，读数可能一致，却都不正确。泄压阀等保护装置可以提供额外的保护层，而不依赖同一条电子控制路径。其背后更广泛的原则是纵深防御，即根据各保护层的实际功能及其依赖关系进行评估。\n\n网络安全是不可或缺的一环，因为未经授权的指令、被篡改的测量数据或系统不可用，都可能影响实际生产运行。工业环境尤其重视可用性、时序的可预测性、设备兼容性以及受控变更。网络分段、身份认证访问、恢复安排和受管控的远程连接有助于降低风险暴露，而 IEC 62443 系列标准则针对工业自动化和控制系统的网络安全提出要求。网络安全控制措施必须与运行要求相结合：如果保护机制意外阻断必要的通信，其本身也可能扰乱生产过程。因此，安全、可靠性和网络安全需要在工程上协调统筹，但不能将它们视为可以相互替代的专业领域。"
    },
    {
      "heading": "从机械调速器到先进控制的发展",
      "text": "自动调节的历史早于电子计算。浮子机构用于控制液位，机械调速器则用于调节发动机和磨坊机械的功率。1788 年，詹姆斯·瓦特将其他机械中已有的离心调速机构改用于蒸汽机。这类装置将测得的物理效应直接转化为纠正动作，同时也暴露出一个核心难题：调节器可能反复调整或发生振荡，而不是平稳地恢复到期望状态。\n\n詹姆斯·克拉克·麦克斯韦于 1868 年发表的论文《论调速器》对调速器的稳定性进行了数学分析，成为控制理论的奠基性成果之一。后续研究将稳定性与微分方程的系数和根联系起来。不过，工业调节的发展始终是理论、仪表制造与运行经验共同推动的结果。气动仪表之所以占据重要地位，是因为它们能够在工业环境中传输测量信号并实现控制功能，而无须在每个测量点都安装电气设备。\n\n1922 年，尼古拉斯·米诺尔斯基发表了对船舶自动操舵的分析，阐述了比例、积分和微分三种形式的纠正作用。尽管操舵与化工过程不同，其背后的控制思想却被证明具有广泛适用性。随后，1942 年提出的齐格勒—尼科尔斯整定法为工业控制器的参数设定提供了实用方法。大型化工厂、炼油厂和发电站的扩张，增加了对协调测量与调节的需求；战时伺服机构和通信技术的发展，也推动了反馈工程在更广泛领域的成长。\n\n电子仪表和数字计算机既改变了控制器的实现方式，也改变了工厂的系统组织方式。直接数字控制由计算机计算控制输出，而不只是监督模拟控制器；这种方式于 20 世纪 60 年代初在工业中得到示范应用。20 世纪 70 年代，分布式控制系统开始商业化，将计算任务分散到各个控制器，同时为操作员提供集中的显示界面。数字系统使组态、历史数据记录、逻辑集成和算法修改更加灵活，但也带来了软件、通信及生命周期管理方面的责任。\n\n工业先进控制与这些平台同步发展。20 世纪 70 年代末至 80 年代，模型预测方法开始在炼油和石油化工行业获得实际应用。在这些行业中，过程间的相互作用、时滞及运行约束使协调控制具有显著的经济价值。动态矩阵控制和模型算法控制是早期具有影响力的方法。此后，计算能力的提升使更大规模的模型和更高频率的优化成为可能。旧有技术并未被简单取代：在采用复杂优化技术的工厂中，PID 控制、顺序逻辑和专用保护功能仍然是不可或缺的组成部分。"
    },
    {
      "heading": "应用、性能评估与新兴方法",
      "text": "不同行业对控制的要求各不相同。在炼油工业中，蒸馏和转化装置需要协调控制能量输入、压力、组成及产品规格。在锅炉中，必须随着负荷的快速变化，协调燃料、空气、给水与蒸汽需求。废水处理既涉及水力扰动，也涉及响应可能持续数小时乃至数天的生物过程。在发酵过程中，温度、pH、溶解氧、搅拌和底物添加与不断变化的生物活性相互作用，因此相关的动态特性会随批次进程而演变。\n\n当所需的质量属性无法快速测量时，质量控制尤其困难。软测量利用其他测量值和模型来估计未测量的量。例如，根据温度和压力估计组成，或根据气体测量值和物料衡算估计生物状态。这类估计可以为反馈控制或操作人员决策提供支持，但仍然依赖于校准、运行范围和数据质量。历史数据中的强相关性，并不能保证在原料或设备发生变化后，估计结果仍然可靠。\n\n性能评估既考察单个控制回路，也考察其对全厂的影响。常用指标包括自动运行时间、变异程度、违反约束的情况、执行器行程，以及绝对误差积分等度量：\n\n\\[\\mathrm{IAE}=\\int_0^T |r(t)-y(t)|\\,dt.\\]\n\n任何单一指标都不足以全面评价性能。较小的误差可能是以阀门过度动作为代价实现的，而某一装置中波动的减小，也可能将扰动转移到另一装置。进行比较时，还需要确保生产速率、进料条件和产品要求具有可比性。持续振荡可能源于参数整定、阀门摩擦、回路间的相互作用或上游扰动，不同原因需要分别分析。\n\n机器学习为海量运行数据中的非线性预测、异常检测和模式识别提供了工具。与用于监测相比，将其用于闭环决策的要求更高，因为控制器会改变数据生成过程。训练记录可能未涵盖不常见的过渡过程、停车工况或多种约束的组合。数字孪生可以将过程模型、设备信息和运行数据结合起来，为仿真与诊断提供支持，但其效用取决于能否准确表征目标任务，以及后续如何维护。\n\n当前的工程问题包括统筹经济与环境目标、验证数据驱动控制器，以及在设备老化过程中维持性能。电气化供热、波动的可再生能源供应和柔性生产，可能改变工厂原始设计所针对的扰动模式和运行范围。碳捕集系统会为现有设施增加相互耦合的溶剂处理、供热和压缩任务。这些应用使模型不确定性、约束处理和装置间协调变得尤为重要，同时在实际运行中，仍然离不开可信的测量、充足的执行器调节能力和明确的操作规程。"
    }
  ],
  "links": [
    "chemical-engineering",
    "automation",
    "control-theory",
    "petroleum-refining",
    "mass-balance",
    "transport-phenomena",
    "transfer-function",
    "sensor",
    "calibration",
    "measurement-uncertainty",
    "signal-processing",
    "actuator",
    "variable-frequency-drive",
    "negative-feedback",
    "pid-controller",
    "feedforward-control",
    "ph",
    "matrix",
    "model-predictive-control",
    "mathematical-optimization",
    "distributed-control-system",
    "programmable-logic-controller",
    "scada",
    "process-safety",
    "defense-in-depth",
    "cybersecurity",
    "james-watt",
    "steam-engine",
    "boiler",
    "wastewater-treatment",
    "fermentation",
    "machine-learning",
    "digital-twin",
    "carbon-capture"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}