可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报1（2014）1控制工程奥扎克的圣诞节汽车机电一体化研究所，电气工程和信息技术学院，斯洛伐克理工大学，Ilko vico va3，81219Br atislava，Slo vakRepublic2014年3月12日在线提供摘要本文论述了基于最优性、鲁棒性和智能性原理的先进控制方法和结构的研究、发展和应用的新动向。复杂过程控制设计的当前趋势要求数值数学、控制工程方法、基于分布式的新控制结构、嵌入式网络控制结构以及新的信息和通信技术的集成程度此外，越来越多的问题与相互作用，过程非线性，操作约束，时间延迟，不确定性，以及显着的死区时间，因此导致有必要开发更复杂的控制策略。先进的控制方法和新的分布式嵌入式控制结构是实现许多工艺过程高性能的最有效工具本文所涵盖的主要思想的动机，即新的先进控制工程方法（预测，混合预测，最优，自适应，鲁棒性，模糊逻辑和神经网络）的发展和新的可能性，他们的软件和硬件实现和成功实施的工业。© 2014制作和主办由Elsevier B.V.电子研究所（ERI）关键词：PID控制;预测控制最佳控制自适应控制自校正控制模糊和神经控制遗传算法;嵌入式控制系统信息和通信技术1. 介绍自动控制对于几乎所有的工程活动都是至关重要的。自动化技术（Frank，1999）被理解为使用这样的方法，控制策略，过程和安装（硬件和软件），这些方法，控制策略，过程和安装（硬件和软件）能够在没有人为干扰的情况下以基本独立的方式实现定义的目标，即，的自动由于传统控制工程方法在消费产品和工业过程控制中的实际成功，人们越来越多地致力于开发基于新的优化技术、软计算策略和控制算法的有效硬件实现的新方法过程控制仍然是一个至关重要的领域，有着重大的未解决的研究问题和具有挑战性的工业应用。集成了信息和通信系统的自动控制方法如今已渗透到人们活动的所有领域新型控制器的研究、开发和实施电子邮件地址：stefan. stuba.sk电子研究所（ERI）负责同行评审http://dx.doi.org/10.1016/j.jesit.2014.03.0022314-7172/© 2014由Elsevier B. V.制作和托管电子研究所（ERI）S.Kozák/Journal of Electrical Systems and Information Technology 1（2014）12Fig. 1.控制工程方法的发展趋势。自动化领域的原则一直非常动态（图。①的人。 自动控制原理和控制方法的应用几乎出现在消费电子产品、家庭设备、所有类型的工业、通信系统、现代类型的车辆、机电一体化、银行部门、健康服务等中的任何地方。自动控制方法被认为是一种非常强大的技术，适用于不同领域的许多问题。2. 控制工程方法和结构的发展今天，我们可以认识到控制工程方法发展的四个阶段（表1）。 传统的控制策略（A类）已经在工业中广泛使用了几十年。这些控制器的调整可以手动或自动实现。手动控制原理在许多工业过程中被用作有效的决策工具，或在特殊情况下用作监督控制，或用于手动调整过程和控制器参数。在手动过程控制的许多情况下，过程操作员根据自己的经验调整过程和控制器参数过程工业中的绝大多数自动控制回路（90%）仍然依赖于各种形式的普遍存在的PID控制器（表1中的A类），这些PID控制器已经在市场上销售了70多年。表1时间发展控制工程方法。A.常规PID控制B.先进控制IC高级控制II D。高级控制III手动控制自适应和自校正控制最优控制方法（LQ和LQG）混合预测控制反馈控制（FB）增益调度方法鲁棒控制方法（H2Hinf、IMC）模糊控制（PID，MPCFPGA）串级控制（CC）多变量控制方法（状态空间和传递函数模型）前馈控制（FFW）多变量控制解耦与分散控制（Decoupling andDecentralized Control）比率控制（RC）极点配置方法（SISO，MIMO）模型预测控制（MPC-DMC，MPC-GPC）分散控制（时域、频域）代数控制方法（多项式合成）神经网络控制（最优，MPC，FPGA）离散事件控制（混合Petri网）非线性混合软计算控制组合控制结构（FB +FFW + CC）非线性控制方法（I/O线性化）鲁棒QFT控制方法S.Kozák/Journal of Electrical Systems and Information Technology 1（2014）13年对于许多批处理操作，过程控制是通过工厂操作员不频繁的手动调整来实现的。比例积分微分（PID）控制是当今工业中最常用的控制算法。PID控制器的流行可以归因于控制器在广泛的操作条件下的有效性，其功能简单，以及工程师可以使用当前的计算机技术来实现它的容易性。比例-积分-微分（PID）控制器是工业环境中最常用的控制器，因为它们能够提供有利的成本/效益比尽管微处理器和软件工具的历史悠久，并从多年的经验中获得了专门知识，但微处理器和软件工具的可用性以及对降低成本的更高产品质量的日益增长的需求，促使研究人员设计新的方法来提高其性能并使其更易于使用。实用PID控制涵盖了PID控制器应用于控制实际工业过程时出现的重要问题在表1中，我们提出了不同的控制结构和不同的综合方法，连续和离散时间控制器，可用于工业。设计有效的控制方法和算法是过程控制的主要目标。工业过程的基本控制结构是反馈、前馈以及反馈、级联和前馈的组合。PID类型的控制器可以结合在反馈控制结构（FBC）、前馈控制结构（FFW）、级联控制（CC）中，以及用于组合控制结构（FC、FFW和CC）（Qin和Badgwell，1998;Kozák，2002）。PID控制器在上述控制结构中流行的主要原因是这种控制器结合了控制工程师所寻求的两个重要特征：简单的控制规律和容易实现的连续时间或数字时间的形式到微型计算机，PLC或硬件FPGA控制器实现（FPGA是一个缩写为现场可编程门阵列）。稳健性保证了受控工艺在工艺参数变化下的稳定性和高性能。鲁棒性、可靠性、稳态和瞬态响应的形成是最重要的问题。有几种形式的工业控制器是标准的PID类型（连续和/或数字形式）。对于实际实施，仅使用10PID控制器的实现经历了几个发展阶段，从早期的机械和气动设计到基于微处理器的系统（Kozák，2002）。近年来，现场可编程门阵列（FPGA）已成为实现数字控制系统的替代解决方案，以前占主导地位由通用微处理器系统。基于FPGA的控制器具有高速、复杂功能和低功耗等优点。此外，在典型的控制过程中（例如，热过程、化学过程、发电厂、机器人、驱动器等）经常需要考虑到时间延迟、未建模动态、工作条件的变化和干扰来修改所提到的经典的调谐控制方法对经典方法的改进是可能的，假设原始的发布控制算法是可扩展的过程参数的变化，即使在存在大的时间延迟的闭环系统的稳定性，并适用于实时控制。重点放在广义离散控制器设计为经典型和/或代数多项式控制器的无差拍控制器。代数方法允许设计具有鲁棒特性的控制器，该控制器可通过IMC滤波器（具有前馈和反馈结构）进行修改。表1显示了控制工程方法从传统到具有智能和鲁棒特性的先进控制的时间发展对于大多数过程控制问题，很少有动机应用更复杂的相反，这些策略应该保留给困难的控制问题，它们可以提供显着的改善是小的控制回路的总数相比，它们通常涉及关键的过程变量，强烈影响关键的控制目标，如安全，产品质量，过程的可操作性，并符合环境标准。B类中的先进控制策略被称为经典控制策略，因为它们已经在工业中使用了40多年。虽然这些控制技术并不是在每个工厂甚至在大多数工厂中使用，但它们确实为重要类别的问题提供了具有成本效益的解决方案。当受控变量和操纵变量之间存在串交互时，常规的多回路PID控制配置可能是不够的。在这些情况下，更一般的多变量控制策略提供了显着改善的潜力对于本文的目的，术语多变量控制将指控制策略，其中至少一个操纵变量··S.Kozák/Journal of Electrical Systems and Information Technology 1（2014）14基于多于一个受控变量的测量值来调整。多变量控制技术往往是基于模型的，并且可以提供明显更好的控制，因为每个操纵变量对每个受控变量的影响被过程的动态模型捕获。然而，模型精度显然是所有类型的基于模型的控制策略，包括多变量控制技术的关键问题。早期的多变量控制技术包括使用附加的解耦控制器来增强多回路控制方案。 补偿器的目的是补偿操纵变量和控制变量之间的不良过程相互作用。典型地，解耦控制系统已经用于具有少量受控变量的问题（例如，2-4）。但静态采样器已成功地用于更大的问题，如重整炉的温度控制。虽然多变量控制策略已经存在了30多年，但直到20世纪80年代才得到广泛应用。例如，1976年的一篇调查文章只报道了29种多变量控制技术的工业应用，其中10种涉及解耦控制系统。相比之下，秦和Badgwell（1998）在1995年的一项供应商调查中报告了最广泛使用的多变量技术模型预测控制（MPC）的2200多个应用，这将在下一节中讨论。由于多变量控制策略通常基于过程的动态模型，因此模型的可用性和准确性是关键问题。虽然第一原理模型是首选，在许多实际控制问题，他们并不容易获得。因此，有相当大的兴趣，在过程识别（或系统识别），即开发经验的动态模型，从通常，过程识别是先进控制策略的工业实施中要求最高且最耗时的步骤全面讨论进程标识的最新技术水平超出了本文的范围取而代之的是，将提及一些最近的发展并引用参考文献。线性动态模型的识别是一个成熟的领域，但重要的新成果不断出现，优秀的软件包。子空间辨识技术可用于从输入输出数据确定状态空间模型结构（包括时间延迟）以及模型参数。多输入多输出系统的仿真研究表明，子空间辨识技术可以提供更准确的模型，即使在相关干扰的闭环辨识。除了过程模型本身之外，还需要对其准确性进行估计。精度通常表示为在某些商业软件包中计算的频域不确定性界限这些不确定性描述在鲁棒性分析和鲁棒控制系统的设计中起着关键作用非线性动态模型的识别是一项更加困难的任务，原因如下：可能发生的复杂静态和动态行为，以及缺乏一个全面的理论框架，非线性识别，在优雅的结果，可用于线性系统识别。此外，时间延迟补偿和增益调度的基本概念是许多现代基于模型的控制策略的共同特征。近年来，一般的基于模型的非线性控制策略已经开发出使用物理模型和广泛的经验模型。一类非线性模型的流行综合方法通过将过程模型的（近似）逆结合到控制策略中，闭环系统将在理想条件下表现出线性工业应用的数量似乎很小，但正在增长。对于非线性动力学的一般类别，例如相对于每个操纵输入为线性的仿射模型，可以获得解析解。可以采用第一原理模型或经验模型一般输入输出线性化方法的具体版本C类中的过程控制策略在工业中得到了广泛的应用，并且在许多过程控制教科书中进行了描述（Kozák，2002）。线性二次型高斯最优控制（LQG）是一种功能强大的控制策略，多年来已成功地然而，LQG（众所周知，并已超过45年）没有享受过程工业中的广泛应用的各种原因，包括缺乏准确的线性状态空间模型。由于新一代的状态空间识别方法已经商业化，这种情况可能会在未来发生变化。此外，LQG是该模型发展的重要先驱··S.Kozák/Journal of Electrical Systems and Information Technology 1（2014）15图二、从经济性角度比较控制工程方法和结构预测控制（MPC）技术在工业中得到了广泛的应用 模型预测控制（MPC）是一种多变量控制策略，在过程工业中得到了广泛的应用。 2）的情况。 第一个MPC技术是由两个工业集团在20世纪70年代独立开发的。1976年，Richalet（1993）发表了MPC技术，该技术被商业化为IDCOM。在接下来的40年里，这些和相关的MPC技术已经成为世界各地炼油厂和石化厂中困难的MPC中的基本概念是过程的动态模型和可用的测量用于预测未来的过程行为。控制计算最小化预测的过程响应和期望的轨迹之间的差异。MPC控制方法是针对困难的多输入多输出控制（MIMO）问题而开发的MPC的一个关键优点是它可以适应过程变量的不等式约束。在MPC的约束版本中，在线控制计算包括在每个采样时刻求解线性或二次规划问题，因为新的虽然这些计算是复杂和耗时的，但是采样周期足够长（例如，5-MPC方法的优点在于，可以通过简单地改变相应的不等式约束来适应传感器或致动器的损失经验表明，模型识别是成功实施MPC技术的关键通常，该模型是从一系列开环实验测试开发的。在石化、食品工业和生物技术过程中，这些测试可能非常耗时（例如，几个星期到几个月的全天候工厂测试）。原则上，MPC方法（Cutler和Ramaker，1980）可以与各种各样的过程模型一起使用，这些过程模型可以是基于物理的或经验的、线性的或非线性的、静态的或动态的等。然而，绝大多数所报道的工业应用利用离散阶跃响应或脉冲响应模型形式的线性经验动态模型。然而，也可以采用传递函数模型和状态空间特别是基于离散时间传递函数模型的MPC方法，广义预测控制（GPC）（Clarke等人， 1987年），已受到相当大的关注，并在工业中得到应用。此外，各种基于多步预测的自适应控制器已经出版。由于各种线性模型是相互关联的，MPC模型（Camacho和Bordons，1995）形式的选择主要是方便的问题，以及控制系统设计者或最终用户的偏好 MPC应用程序的数量增长迅速，目前总数可能超过2500个（见表2）。这种活动的缺乏有点令人惊讶，因为MPC是一种通用技术，不依赖于炼油厂和石化厂的MPC在商业上取得巨大成功的一个原因是，全世界有超过15家供应商获得MPC产品的销售许可，并以交钥匙方式安装这些产品因此，即使是中型企业也能够利用这项新技术。据广泛报道，支付时间为3无约束，单输入/单输出（SISO）版本的MPC已在DCS级多年，但似乎只有有限的商业成功。DCS产品至少在小问题S.Kozák/Journal of Electrical Systems and Information Technology 1（2014）16表2MPC在工业应用Aspen霍尼韦尔阿德萨CCI阁总精炼950300290–151555化学品43755122125550食品––48–1462浆纸2139––363气体和空气1113–24–48聚合物5–––2227公用事业79–6–22其他39–516–96总147041640157792423(e.g.、2分布式控制系统一级的通用MPC软件将使用户不必依赖外部供应商进行安装和随后对专有产品进行任何修改新的DCS系统开始在功能块级别包括MPC（例如，Fisher-Rosemount' Delta V系统）。可重构硬件技术的最新进展使FPGA成为加速控制动作计算的合适平台。对于高速嵌入式MPC应用，FPGA是专用集成电路（ASIC）的良好替代方案，因为它们提供了大大降低的低体积成本、更大的灵活性和更短的设计周期，降低了风险，同时仍然保持确定性的执行时间和高功率效率。非线性模型预测控制器（NMPC）可以通过将流行的线性模型MPC方法扩展到过程模型为非线性的问题类别来设计对于一般的非线性动态模型，如果考虑硬不等式约束，则会得到一个非线性规划问题，该问题必须在每个采样周期在线求解这比线性MPC中采用的LP和QP计算困难得多且耗时得多。对于大型NLP问题（10，000个变量），内点方法是非常有前途的方法。另一种方法是随着条件的变化更新线性模型，或者使用一组局部模型（线性或非线性）来适应不同的操作状态。绝大多数非线性预测控制器涉及两个商业软件包 ： Pavilion Technologies Process Perfector （ 48 个 应 用 ） 和 Continental Controls Multivariable Control（MVC）产品（43个应用）。这两种产品都将控制计算分为稳态优化和动态优化，两者都可以适应硬约束。Process Perfector控制计算基于非线性稳态模型和动态模型，动态模型使用从稳态模型计算的增益在过去的十年中，人们对开发软计算方法（SCM）技术以用于各种科学和工程应用（D类）产生了浓厚的兴趣在这一领域的过程控制研究主要涉及三种SCM方法：基于知识的系统，神经网络，模糊逻辑，以及这些技术的各种组合近年来，即模糊控制和混合模糊神经已被广泛应用于消费产品，如洗衣机，真空吸尘器和摄像机，其中控制系统的性能要求不模糊控制在过程控制问题中的工业应用已经开始出现，在日本可能比在美国或欧洲更频繁例如，在日本的工业调查表明，模糊控制已被用于45%的被调查的工厂，而MPC应用在42%的工厂。许多模糊控制文献和一些商业软件，采用模糊规则与PID控制相结合。例如，模糊逻辑和自动调整的各种组合已经商业化。模糊逻辑最早是由Zadeh在20世纪60年代中期开发的，用于表示不确定和不精确的知识。它提供了一种近似但有效的方法来描述过于复杂，定义不明确或不易数学分析的系统的行为。模糊系统可以用于解决许多工程问题，其中从大量的不确定的，不完整的和不同类型的数据（数字和语言）中提取有用的信息模糊变量使用称为模糊逻辑控制器的系统进行处理。它涉及模糊化、模糊推理和去模糊化。模糊化过程将清晰输入值转换为模糊值。模糊推理负责从知识库中得出结论。去模糊化过程将模糊控制动作转换成清晰的控制动作。模糊逻辑使用分级语句，而不是那些严格的真或假。它试图将人类通常用于决策的“经验法则”方法纳入其中S.Kozák/Journal of Electrical Systems and Information Technology 1（2014）17图三.自动化控制系统的历史展望。制作。模糊逻辑控制器，例如，是扩展的共同专家系统，使用的生产规则，如其结果是，模糊逻辑可以用于控制器，能够在有时不稳定和快速变化的问题环境中做出智能控制决策模糊逻辑技术已经成功地应用于许多应用：计算机视觉，决策和系统设计，包括人工神经网络训练。模糊逻辑最广泛的应用是在控制领域，其中的例子包括水泥窑，制动系统，电梯，洗衣机，热水器，空调，摄像机，汽车工业，机电系统和消费电子系统的控制器（Sugeno和Tanaka，1991年）。基于模糊神经网络的预测控制方法是一种新的智能控制方法，用于处理具有复杂动态以及不稳定逆系统，时变时滞，偶尔开环不稳定，工厂模型失配，不同的不确定性，特别是复杂的非线性系统。由于并行计算算法的应用，使用模糊知识为基础的系统（FKBS）与神经网络（NN）的学习能力合作的策略，允许获得所需的输出在一个更短的时间内比经典的系统更高的精度在未来，它将是有用的融合神经网络，模糊系统和进化计算技术，以抵消一种技术的缺点，另一个的优点。其中一些被融合为：• 设计模糊系统• 设计神经网络• 进化计算在模糊系统设计中的应用。3. 过程控制中的信息和通信技术在过去的15年中，各种控制网络已经成为商业上可用的，并广泛用于过程工业中的几个不同层次：设备，传感器和现场水平（图10）。 3）。 现场级网络在过程控制中特别受关注，因为它们提供了许多重要的优点：减少布线和安装成本、灵活性以及智能设备之间的对等通信（例如，传感器和执行器之间它们还有助于将控制功能从计算机级进一步分配到传感器和执行器级。数字网络功能和智能仪器为改善工厂监控提供了许多新的机会，包括更好的诊断信息和更快的响应时间。虽然这些通信网络中有许多是专有的，但两个突出的网络，现场总线和Profibus，依赖于基于已发布的国际标准的开放式架构。这些网络是由两个工业联盟（每个联盟有100多家公司）开发的，其中包括几乎所有领先的仪器仪表和过程控制设备供应商原则上，由不同供应商制造的符合Fieldbus（或Profibus）标准的现场仪表和控制系统将在Fieldbus（或Profibus）设备网络中无缝地协同工作近年来，智能仪器，即包含嵌入式微计算机的仪器，已经变得可用，并提供了许多重要的优点。智能变送器和执行器能够调节S.Kozák/Journal of Electrical Systems and Information Technology 1（2014）18见图4。多层数据，执行自诊断测试，并响应网络信号。因此，智能仪器和数字网络（如Profibus和Fieldbus）的使用使更广泛的过程监控策略成为可能。智能仪器允许常规数据采集和控制所需的大部分计算。许多大型工业工厂（炼油厂，食品工业，发电厂）可能有数千个测量和控制回路。全厂控制（LarssonandSkogestad，2000）一词并不意味着每个回路的调整和行为，而是整个工厂的控制理念，重点是结构决策。结构决策包括机械手和测量的选择/放置，以及将整个问题分解为更小的子问题（最优控制配置）。在实践中，控制系统通常分为几个层次（图4）。通常，层（Shinskey，1996）包括调度（周），站点范围的优化（天），局部优化（小时），监督/预测控制（分钟）和监管控制（S）。优化层通常每小时重新计算一次新的设定点，而反馈层则连续运行。这些层通过受控变量连接，其中设定点由上层计算并由下层实施。一个重要的问题是这些变量的选择。当然，我们可以想象使用一个单一的优化控制器，稳定的过程，同时完美地协调所有的操纵变量的基础上动态在线优化。这样的解决方案不是最好的，即使有今天和明天的计算能力，也有对模型的大量需求在本地执行时非常有效事实上，通过级联反馈回路，可以控制具有数千个变量的大型工厂，而无需开发任何模型。然而，传统的单回路控制系统有时可能相当复杂，特别是如果级联是严重嵌套的，或者如果在操作过程中存在的约束使得有必要使用逻辑。控制系统结构的选择是控制系统设计中的一个两个关键问题是：• 控制、测量和操纵变量的选择。• 控制策略的选择（例如，多变量与多回路、线性与非线性）。S.Kozák/Journal of Electrical Systems and Information Technology 1（2014）19这些设计问题已经被认识了几十年，但近年来变得更加关键，因为新工艺涉及更多的能量和更大的能量集成，以应对经济压力。鉴于其核心重要性和广泛发生，令人惊讶的是，控制结构选择的主题受到的关注远远少于其他主题，如特定的控制方法（例如，MPC，自适应控制）和PID控制器整定的更窄的主题然而，近年来，研究界的兴趣重新燃起，并报告了一些有希望的新成果。确认本文的工作得到了斯洛伐克共和国教育、科学和体育部科学资助局（资助号1/0973/14）和斯洛伐克研究与发展局（资助号APVV-0772-12）的支持。引用卡马乔，E.F.，博登斯角，1995. 过程工业中的模型预测控制。伦敦，施普林格-维尔拉格。克拉克，D.W.，Mohtadi角，凝灰岩，附，一九八七年 广义预测控制-第1部分，第2部分。 Automatica 24，137-169. C.R.卡特勒Ramaker，B.L.，1980. 动态矩阵控制-一种计算机控制算法。一个CC，旧金山。弗兰克，下午，1999年控制的优势（ECC'99重点）。 Springer-Verlag，London，pp. 1 -27，103-135。Kozák，S.，2002年。 控制工程方法的发展及其在工业中的应用。第五届国际科学技术大会过程控制2002，KoutynadDesnou，捷克共和国，6月9-12日（在vited讲座，光盘）。Larsson，T.，Skogestad，S.，两千 全厂控制：一种新的设计方法。 模型Ident. 对照21，209-240。秦，S.，Badgwell，T.，1998年 工业模型预测控制应用综述。在：在非线性MPC workshop，阿斯科纳，瑞士，6月2日至6日。Richalet，J.，一九九三年基于模型预测控制的工业应用。 Automatica 29（5），1251-1274.Shinskey，F. G.，一九九六年。 过程控制系统，第四版 McGraw-Hill，New York，pp. 130比132Sugeno，M.，田中，K.，1991. 模糊模型的可辨识性及其在复杂系统预测中的应用。模糊集系统42，315-334.
