Appearance
先进控制
先进控制软件介绍
概述
先进过程控制（Advanced Process Control, APC）是基于模型的高阶自动化技术，通过整合模型预测控制（MPC）、系统辨识、自适应算法及智能优化策略，解决传统控制方法（如PID）在复杂工业过程中面临的多变量耦合、大时滞、强非线性等挑战。其核心目标是实现生产过程的精准平稳控制、能耗优化及质量提升，广泛应用于石油化工、锂电、制药、环保等流程工业领域。
标准
根据国际自动化协会（ISA）定义，APC通过实时数据采集与动态模型预测，在满足工艺约束条件下，实现生产指标的动态优化。
核心功能
子空间辨识法：子空间辨识法（Subspace Identification）是一种从输入输出数据中直接估计线性系统状态空间模型的先进方法，核心思想是通过子空间分解提取系统的可观测性和可控性子空间，无需预设模型结构或迭代优化。其数学基础包括：Hankel矩阵构造：将时序数据排列为块 Hankel 矩阵，反映系统过去与未来的动态关联。奇异值分解（SVD）：对数据矩阵进行 SVD，通过奇异值截断分离信号与噪声子空间，估计系统阶次。状态空间实现：从子空间基向量中提取系统矩阵（A, B, C, D），常用方法包括 N4SID、MOESP、FIR 等。
关键优势：多变量处理能力：天然支持MIMO系统，无需解耦。数值稳定性：基于线性代数运算（QR分解、SVD），鲁棒性强。噪声适应性：随机子空间法（SSI）可处理环境激励或未知输入场景。
模型预测控制（MPC）：MPC的核心思想体现在三个关键要素：预测模型、滚动优化和反馈校正。预测模型通过构建过程的数学模型（如状态空间模型或传递函数模型）预测未来一段时间内的系统行为，例如多步预测过程变量和输出趋势。滚动优化则是在设定的有限时域内，通过求解二次规划（QP）等优化问题，实时调整控制输入以最小化输出误差和控制量，实现动态性能与优化目标的平衡。反馈校正机制则根据实时数据持续修正模型预测偏差，确保控制策略对扰动（如设备参数波动、物料变化）的适应性，形成“预测-优化-反馈”的闭环循环。
操作说明
一、任务要求
选用动态模拟中的三级闪蒸罐项目，其组分为苯、甲苯，热力学方法：汽相用理想气体方程,液相用NRTL，控制点选择V003、V005、V007控制T001、T002、T003液位，项目运行后使用在线/离线辨识再使用控制算法将百分比液位稳定到55、55、55。
图 设备流程图
二、操作说明
1.登录
打开网址https://cslab.oberyun.com/login ，输入用户名和密码，点击登录即可进入软件。
图 登录界面
进入系统后，点击"先进控制"模块，即可开始设计任务。
图 先进控制入口
2. 新建工程项目
(1)首先进入动态模拟模块，选择被控的动态项目。
图 查看动态项目
(2)点击项目右侧编辑，查看工程id并复制，复制完成退出动态模拟。
图 复制工程id
(3)进入"基础设置-项目信息"，点击"新建工程"，填写工程名称和描述后保存。
图 新建控制项目
(4)在数据源中点击(+cslab)，将动态模拟中复制的项目id粘贴，添加被控的动态项目，添加完成后点击保存完成APC项目创建。
图 绑定动态项目
动态项目将流程图的控制系统是否允许被控制打开。
图 控制系统
3. 选择控制器
项目创建完毕，双击项目，点击进入控制器信息界面。
图 新建控制器
点击新建控制器，选择填写名称、描述，添加输入输出数据维度后点击确定按钮即可创建控制器，其中干扰变量指的是可观测但是不能控制的变量。
图 创建控制器
4. 在线辨识
在线辨识，需要在变量对照表绑定相应变量。变量包括：系统输入输出数据，上下限信息，控制器启停控制变量，计算结果绘图变量等。根据被控对象存在的变量与控制器变量相互绑定形成对照关系，其中不存在的变量可忽略绑定。
图 查看变量信息
点击变量对照表选择in_values [0]点击右侧蓝色按钮，选择对应的源模块与源属性信息点击确定按钮完成in_values [0]的绑定。
图 绑定变量信息
接着一一绑定其他变量即可完成变量对照。
图 输入输出变量绑定
5. 控制器设置
(1)变量设置
变量绑定完毕，点击控制器信息双击新建的控制器，然后进入控制器设置-变量设置。
图 变量设置
首先点击变量设置，需要填写变量名称、上限与下限。
图 设置变量约束
(2)模型设置-在线辨识
点击模型设置，支持在线辨识，离线辨识两种种模式，点击在线辨识可进入在线辨识操作界面。界面左侧为输入输出数据变量，左下为参数选择面板，右侧为效果显示部分。
图 选择辨识方程
激励信号开关：启用系统激励信号可自动改变操纵变量获得相应数据用于辨识算法
辨识算法：辨识使用的方法，提供五种算法模型
系统激励信号：STEP：阶跃（改变后保持）；PULSE:脉冲（改变后恢复）
自动控制切换按钮：在线辨识后自动切换到控制
采样时间：数据收集间隔时间
辨识间隔：算法迭代数据长度
激励保持步数上\下限：激励信号保持周期
激励幅度系数：激励信号大小（0-1对应满量程）
状态维度：系统阶次
(3)模型设置-离线辨识
根据模板放入数据，导入数据可进行离线辨识，可查看输入输出数据趋势，点击下拉框可查看不同变量趋势。离线辨识支持模型阶次自辨识，点击阶次判定可得到模型阶次推荐。
图 离线辨识
接着点击辨识可查看辨识模型效果图，点击阶跃脉冲按钮可查看模型单位阶跃或脉冲响应。
图 辨识效果图
参数设置完毕启用在线辨识点击外部运行按钮可进行在线系统辨识，辨识结束后会在右上角输出真实数据与模型仿真数据对比曲线可查看辨识模型精度。
6. 控制策略
预测时域：控制器从当前时刻 k 起，向前预测未来 Np 步的系统状态 / 输出轨迹（步数 = 时间长度 / 采样周期），决定 “能看多远”。
控制时域：控制器优化求解未来 Nc 步的控制输入序列，且 Nc≤Np；Nc 步后控制量保持不变，决定 “能控几步”。
进入控制策略面板设置控制参数。
设定值：被控变量目标值
高\低限约束：超过范围加大控制力度
误差惩罚权重：对被控变量误差的惩罚系数
动作惩罚权重：对操纵变量动作的惩罚系数
死区：偏差在一定范围内变化时，控制器输出完全不动作、不调整的区间
输出上下限：操纵变量（例如阀门）的上下限制
MV步长上限：操纵变量（例如阀门）单步最大的增减量
回路投切开关：能够单独控制每个操纵变量的投切开关<
图 控制策略
操纵变量惩罚权重上限/下限：动作惩罚权重的最大\小值
评估窗口大小：评估模型的时间
震荡抑制敏感度：操纵变量低于该值不收集辨识数据，例如量程100的阀门，0.005代表阀门动作小于0.5不收集数据。
候选模型替换系数： 旧模型的误差<新模型*候选模型替换系数时，更新模型
模型平滑融合率：模型平滑更新的系数
预测误差惩罚系数\跟踪误差惩罚系数\基础阻尼系数：权重参数自适应的计算变量
图 设置控制参数
7.运行
在线辨识运行
图 查看辨识结果
（需要在线辨识或者离线辨识好模型后运行）控制运行，查看趋势图：
图 查看趋势图