设计或者升级过程中通常会面临的一个挑战就是如何降低成本。需要考虑的因素很多，包括开发、投建和维护费用。虽然有很多方法可以使用，但是得益于计算机的强大功能以及新策略实施的便捷性，使用先进过程控制（APC）更具可行性，能够减少控制变量的数量。变量越少www.cechina.cn，所需的硬件也就越少，过程也可以越简单，培训的过程就越容易。所以，用户如何才能减少控制循环的数量呢？
　　通常，过程控制系统由一定数量的相互耦合的变量组成，不仅需要付出努力对变量进行控制，还需要“虚假”的控制器对变量进行退耦，使单输入单输出算法能够顺利实施，例如常见的PID。现在，APC增加了新的策略，可以同时控制多个变量，所以无需退耦了。虽然PID是工业控制算法中的主力，但是它仍旧具有局限性。首先，它是一种单输入单输出系统，所以控制工程师不得不想办法从多个测量设备采集信息并将这些信息整合成控制器可以理解的单一值。逆向过程同样是一个挑战：控制器如何基于整合单一值对多个控制变量进行决策。最常用的方法就是设计多个并行PID控制器，但是这种方法本身也有难处。由于一些变量之间相互耦合，必须使用更多的控制器对这些变量进行退耦合操作，这样一来就面临着对工厂中出现的大量控制器进行调整的挑战。虽然PID控制器算法的调整有一套规则可以遵循，但那并不是精密科学。对于多变量控制器的情形，挑战更大，因为一个增益的改变不仅会导致受调整的PID循环行为受到影响，所有耦合的其他控制器和变量也会受到影响。
　　看一个Tyco ElectroNIcs公司同轴电缆生产过程的例子。此过程包括生成电解质、保护层以及在中央导线外围生成套层。电解质层是最为关键的变量，因为它会影响后续层的直径和一致性。它还决定了同轴电缆的质量，例如阻抗、电容和每英尺时间延迟。此过程包含了多个输入变量的整合，以通过输出变量控制电缆直径和同轴性，所以，多变量控制器是必须使用的。生产线可以以不同速率工作，以满足产品要求，不超过设备的极限。执行器和传感器之间的距离也多种多样，这进一步增加了挑战，因为随着线速度和距离的改变，输入和输出之间的时间延迟也会发生改变。Tyco Electronics公司发现多变量模型预测控制（MPC）是此项目的最佳选择，因为它能够控制具有不同时间延迟的进程，还能够最优化多个输出设定点和多个输入约束条件。

图1  Tyco Electronics公司的多变量模型预测控制系统体系结构

　　Tyco Electronics公司的控制系统首席工程师Kimberly Wang博士使用日志数据和LabVIEW建模工具完成了此过程的建模。一旦找到了模型，她和她的同事就可以在实际的项目中使用这些成果www.cechina.cn，完成进一步的控制器调整。Wang博士在十多个具有6 Sigma过程控制等级的生产线上安装了MPC系统。此控制系统不仅仅控制产品质量以满足要求，还能在产品质量不符和要求的时候自动停止流水线。Tyco Electronics公司实现了无人看管的夜班生产，因此提升了产量，减少了关机时间。而且，National Instruments公司帮助搭建了多种功能，使控制系统可以跟踪产品的质量，并打印标签提示产品是否通过测试CONTROL ENGINEERING China版权所有，因此同轴产品最终测试时间大大缩短。
　　复杂变量的可视化
　　上一段中我们讨论了使用一个控制器进行多变量控制的计算方法，每一个控制循环都依赖于测量结果。如果控制变量无法使用标准传感器测量又会如何？可视化也许能够解决这个问题。
　　Iggesund Workington Mill公司的纸板匀度分析面临着挑战。工厂需要为纸板机和纸浆机操作人员提供当前匀度图像及其匀度指数。匀度指数是从图像的灰度级分布计算而来，由于匀度是一种主观科学，所以找到视觉相关性很重要。当前匀度图像为操作人员提供了大多数的当前状态信息以及测量纸板机和纸浆机运行状态的百分比。纸板机和纸浆机变量的差异可以帮助控制纸板质量、区分问题区域、并对在特定区域分配多少原料进行辅助管理。
　　测量探头包括光控单元、闪光灯系统和照明光学器件。照明器件和探测头摄像机同步，接在上部探头和下部探头之间的电源干线上。图像控制单元对照明参数和摄像头参数进行持续调整，在持续变化的过程条件下，例如速度和重量变化，保证最优图像质量。这使得整个纸板构造的系数计算极为困难，这样一来CONTROL ENGINEERING China版权所有，就有必要使用预测性多变量模型，基于过程变量，利用在线测量数据计算弯曲刚度。通过LabVIEW系统辨识工具包进行动态模型开发，可使用实时比例积分（PI）控制器对关键聚合物化学原料配比进行控制。
　　基于成像技术的匀度测量方案已经投放市场，但是所能提供的信息仅限于独立的质量指标数据，用以指示所有的匀度变化。不过，使用单一的指标来推论匀度变化如何流程优化仍旧很困难。这是因为匀度是多种因素的综合结果，包括原材料、加工设备和加工操作点。将不影响匀度的因素列出来很容易。Iggesund公司引入了一种进行匀度优化的新方法：将匀度相关的图像信息分成互不相关的几部分，这使匀度的实际差异变得更加显而易见，采取后续的补救措施就更加容易。这种升级的系统取代了传统的匀度分析方法，为操作人员提供了实时的纸板质量信息。
 多变量监视器
　　即使使用非传统传感器www.cechina.cn，例如摄像头，也不一定足以支持闭环控制，因为不是所有需要控制的变量都能够测量得到，而且也不是所有能够测量得到的变量都需要控制。此处，我们可以使用“虚拟变量”，它由其他需要考量的变量构成。虚拟变量得以使用的原因在于如果你无法测量到它，你就无法控制它。所以，如果无法使用标准的或者先进的传感器进行测量，那么你如何能够触及问题的实质呢？控制理论学院派已经就此问题研究了多年，现在，由于采用了APC，这些解决方案可以在现代生产系统中应用了。在传统工业中，例如炼钢业，遍布着无法轻易测量的变量。在生产钢材或者其他重质材料时，通常生产条件都很恶劣，测量系统无法良好工作，例如，测量从辊轧机中出来的钢板的厚度。为了应对虚拟变量的挑战，一种可能的方法就是使用监视器。使用监视器，用户可以控制那些测量过于困难或者无法测量的变量。这些被“监视”的变量可以由其他测量变量和/或过程模型软件得到。这种类型的控制系统帮助Iggesund公司将其产量提升了25%。
　　常见的pH值过程控制中的一个问题是：变量都是分别监视的，只能分别显示每个变量的状态，而忽视了变量之间的相互影响。获得最理想的pH值，可以提升纸张质量和生产过程效率，所以Iggesund公司使用具有多变量技术的APC来考虑各种变量之间的相互影响。因此，只要分别检测每个变量的变化，就能获悉过程模型全貌。随后，与整合变量对比，以表征实际的过程性能，从而发现过程的不稳定状态。

图2  多变量检测监视

　　使用LabVIEW、人工神经网络技术和用于实现闭环自适应性精益控制的先进自适应控制算法，Iggesund公司设计并开发了模型预测控制体系。此模型内置于纸浆机的常规作业条件中。一旦超出了常规作业条件，不仅会有声音报警提示操作人员有问题发生，还会指示具体何种变量发生了问题，以及最佳的解决方案。
　　National Instruments公司使用LabVIEW开发了pH值模型，证明对非线性复杂过程进行建模是可行的。它能够确认pH值计的读数，并为操作人员提供基础的在线诊断工具。由于此模型仅考虑了对pH值有影响的关键变量，所以一旦这些关键变量的输入发生变化，模型中就会高亮显示。由于过程停留时间很短，所以这些变化能够比平时更快地显示出来。此模型可以帮助监视并最优化药剂投放量，以通过显示实时信息，实现对pH值的平滑控制。由于过程关键变量的控制效果提升了，所以过程稳定性也有了提高。
　　计算机的强大性能、基于对象的过程控制和软件技术的发展，让工程师能够使用台式电脑的处理能力对具有很多新技术（传感器、算法等等）的大型工厂进行控制，这些新技术提升了产量，降低了成本，并优化了过程。(翻译：辛磊夫)