主要内容 常用调节规律 可编程逻辑控制器（PLC）简介 比例积分微分（PID）控制 改进的PID控制算法 调节器控制规律的选择 先进过程控制策略

常用调节规律 位式控制，即两位式逻辑开或关（ON/OFF）控制； 比例(proportional)积分(integral)微分(derivative)控制，简称PID控制； 模糊（Fuzzy）控制； 神经网络（Neural Network）控制； 专家系统等。

可编程逻辑控制器（PLC）简介 可编程逻辑控制器（programmable logic controller：PLC）是一种数字式的电子装置，早期专用于顺序逻辑和程序控制。 使用可编程序的存储器来存储指令，实现逻辑运算、顺序控制、计数、计时和算术运算等功能，用来对各种机械或生产过程进行控制。

PLC特点 高可靠性和较强的适应恶劣环境的能力； 结构紧凑； 速度快； 功能强； 灵活通用； 编程容易； 维护方便。

采用高性能的处理器，在保证快速完成顺序逻辑运算的前提下，普遍增加： PLC发展 采用高性能的处理器，在保证快速完成顺序逻辑运算的前提下，普遍增加： 回路调节功能、 代数运算功能、 高速通讯网络等。 当今的PLC已成为一个集逻辑控制、调节控制、网络通讯和图形监视于一体的综合自动化系统。

常用PLC 西门子（Siemens）S7-200/300/400、S5系列； 欧姆龙（Omron）CS1、C200H、CPM系列； 三菱FX系列； GE Fanuc系列等。

比例积分微分（PID）控制 过程控制中应用最广泛的一种控制规律。 计算机控制系统中首先采用的控制算式。 实际运行经验及理论分析充分证明，这种控制规律在对相当多的工业对象（一阶、二阶）进行控制时能够得到较满意的结果。

模拟的PID算式 u：输出 Kp：比例系数 e：偏差 Ti：积分时间常数 Td：微分时间常数

比例带（度） 反映比例控制器的比例控制作用强弱的一个参数。 数值上比例度等于输入偏差变化相对值与相应的输出变化相对值之比的百分数

比例带（度） 可以理解为使控制器的输出变化满刻度（也就是使控制阀从全关到全开或相反）时，相应所需的输入偏差变化量占仪表测量范围的百分数。 比例度δ越大，表示比例控制作用越弱。 (δ =1/Kp ）减小比例度，会使系统的稳定性和动态性能变差，但可相应地减小余差，提高静态精度。

例题 一台DDZ-Ⅲ型温度比例控制器，测温范围为200～1200℃。当温度给定值由800℃变动到850℃，其输出由12mA变化到16mA。试求该控制器的比例度及放大系数。

例题 根据比例度的定义： =20%

差分的PID算式 （位置式） ek ：第k次采样所获得的偏差信号 △ ek ：本次和上次测量值偏差的差

差分的PID算式 （增量式） 积分系数 微分系数

增量式控制算法特点 计算机只输出增量，把累计工作交给执行机构承担，误动作小； 手动切换到自动时冲击小； 算式中不需要累加运算，增量只与最近几次采样值有关。

改进的PID控制算法 积分分离的PID算法 在启动阶段或具有设定值大幅度变化的时刻，在短时间内将存在很大的偏差，运算式中的积分项取值很大； 在消除偏差过程中，必然导致系统出现较大的超调及长时间的振荡，而且会产生严重的积分饱和现象，甚至损坏设备。

积分分离的PID算法 N——逻辑判断系数 N= 0 E（k）＞M ； N= 1 E（k）≤M 。 M——预先设定的门限值。

只要测量值与给定值的差值在死区范围内，调节器输出无变化。 带有死区的PID控制 只要测量值与给定值的差值在死区范围内，调节器输出无变化。 Y（k）= 0 当 调节器输出不变 Y（k）= Y（k）当 调节器输出变化

微分先行的PID算法 调节器采用PI规律，而将微分作用移到反馈回路上去； 微分作用直接对被控量进行微分，对被控量的变化速度进行运算； 在给定值变化频繁的情况下，优先选择微分先行控制方案。

根据τo/To比值来选择调节器的控制规律 即当 时，选用比例或比例积分控制规律； 当 时，选用比例积分或比例积分微分控制规律； 当 时，采用单回路控制系统往往已不能满足工艺要求，应根据具体情况采用其他控制方式，如串级、前馈、采样等控制方式。

P、I、D控制规律的特点 比例控制规律（P）：能较快地克服扰动的影响，使系统稳定下来，但有余差； 比例积分控制规律（PI）：应用最广泛； 比例微分控制规律（PD）：对改善系统的动态性能指标，有显著的效果。不适用于纯滞后较大，测量信号有噪声或周期性扰动的系统； 比例积分微分控制规律（PID）：是一种理想的控制规律，但参数整定困难。

先进过程控制策略 目前配置在过程控制计算机中的先进控制策略及相应软件主要有： 多变量预测控制 自适应控制（包括自适应PID控制） 模糊控制及故障诊断 神经元网络等。 采用先进控制可以克服由于系统本身的时变性、非线性和外扰的随机性等带来的问题。

多变量模型预测控制 80年代初逐渐发展成为一项成熟的控制技术。 其基本原理是利用一个过程动态模型（脉冲响应模型或ARMA模型）和可测量的信息来预测将来的过程行为，再利用滚动优化的方法，使预测过程的响应和设计希望的响应差别为最小。 模型预测控制还能处理过程变量有不等式约束的情况，如当传感器和调节器失效时，可以通过改变相应的不等式约束来解决。 近年来一些商品化软件产品已大量应用于石化和化工过程。

自适应控制 70年代初，已在热工、化工对象上应用成功。 利用在线最小二乘辨识律和最小方差控制律的自校正调节器，自校正PID调节器在国外都有商品化软件。 一种更简单实用的自整定器（Auto-tuner）已配置在DCS中。它根据对象的特性自动给出PID参数，这种自整定在正常工作过程中仍以固定参数PID调节器的形式工作，不进行在线参数辨识和修改控制。

模糊控制 仿照人工操作思维程序工作。 首先把测量输出的精确量模糊化，变为模糊语言变量，由模糊规则进行模糊决策，再把模糊决策量清晰化转变成精确量进行控制。 与传统控制方法相比，模糊控制无需建立数学模型，被控对象的特性和参数变化对控制质量的影响较小，对于非线性和大时滞对象采用模糊控制的效果要比PID效果好。 目前国内外已有商品化软件。

人工神经元网络 模仿人类脑神经活动的一种人工智能技术。 由于反向传递学习算法BP网络和Hopfield网络的出现，使人工神经元网络技术大为改观，发展很快。 目前已在过程控制的许多领域，如非线性系统的辨识和控制，基于模型的软测量、质量预报、故障诊断等方面获得应用。