一種用于先進過程控制研究的半實物仿真系統

高 強，李 航，高 翔，趙洪業，吳 楠

（天津市復雜系統控制理論及應用重點實驗室 天津理工大學 自動化學院，天津300384）

伴隨著流程工業綜合自動化技術要求以及被控過程復雜程度的不斷提升，先進過程控制的研究、開發、應用與推廣成為當今過程控制領域的重要發展方向。然而受到真實工業生產過程規模龐大，生產過程中含有高溫、高壓等危險信號存在的不利影響使得許多研究機構與高校針對先進過程控制僅僅停留在理論與仿真的研究階段。

本文提出的一種用于先進過程控制研究的半實物仿真系統將真實硬件控制系統與虛擬計算機生產仿真模型相結合。利用PCS7開發的集散控制系統（DCS）作為過程控制實施環境；采用Profit Design Studio（PDS）作為先進過程控制研究實驗室；UniSim流程模擬開發平臺與計算機模擬系統作為底層被控對象。該半實物仿真系統具有從常規工業過程控制到先進過程控制的多方面研究功能，為模型預測控制、控制系統性能評價以及故障診斷等方面的先進過程控制研究提供實施環境與驗證平臺。

1 半實物仿真技術

對于控制工程領域，半實物仿真技術作為一項重要的研究方法而使用。利用真實硬件控制系統與虛擬計算機仿真模型相結合，將控制器參與到仿真回路的控制中，從而達到各類控制算法的研究。

文獻[2]中提出半實物仿真系統在過程控制中的實施過程。文獻[3]作為本文的前期研究工作，重點介紹用于常規過程控制的半實物仿真系統。本文在此基礎上闡述針對流程工業先進過程控制研究的半實物仿真系統組成結構與功能[4]。

2 半實物仿真系統功能

用于先進過程控制研究的半實物仿真系統，通過不同功能站點實現DCS系統開發、常規過程控制研究以及先進過程控制研究工作。該系統全部控制功能主要由PCS7與PDS實現，PCS7承擔半實物仿真系統DCS系統開發，具體包括：系統硬件結構、工業控制網絡通訊、監控系統組態、常規過程控制策略編程、過程報警管理等任務。PDS在該半實物仿真系統中主要作為先進過程控制研究實驗室，用于提供系統辨識、魯棒多變量模型預測控制（RMPCT）、經濟優化、控制回路優化等先進過程控制研究。此外，其他功能站點可實現先進過程控制中控制系統性能評價與故障診斷研究[1-2]。

2.1 半實物仿真系統功能站點

利用半實物仿真系統進行先進過程控制的研究與操作都是通過該系統的各個功能站點而實現的。各功能站分別是：工程師站、操作員站、先進控制站、故障診斷分析平臺、控制系統性能評價分析室以及用于存儲、管理計算機模擬系統中過程數據的關系數據庫SQL-Server與實時數據庫PHD。

2.1.1 工程師站

半實物仿真系統工程師站主要負責集散控制系統的開發與管理工作，其中包括：硬件組態、監控系統組態、常規過程控制算法編程、過程數據地址分配、工業控制網絡通訊、故障報警、數據歸檔管理以及后期系統擴展等工作。

2.1.2 操作員站

半實物仿真系統操作員站可以作為初級實驗人員的功能站點使用，其主要包括：過程控制操作、過程數據采集、上位機監控管理、報警記錄歸檔等操作。

2.1.3 先進控制站

半實物仿真系統提供先進控制站的主要目的就是進行工業過程先進控制技術研究、開發與實施工作。先進控制站作為該半實物仿真系統的核心站點，既可直接利用UniSim參與工業過程工藝設計與研究，同時也可直接利用PDS進行先進過程控制算法研究，通過UniSim與PDS的配合，可對DCS層中的常規過程控制回路進行優化、指導，從而達到先進過程控制研究、開發與實施的目的。

2.1.4 故障診斷分析平臺

半實物仿真系統為實驗人員提供了故障診斷分析平臺，該平臺可直接從數據庫中獲取計算機模擬系統中各被控回路的實時過程數據用于故障診斷分析研究，監控計算機模擬系統過程運行的安全性。

2.1.5 控制系統性能評價室

半實物仿真系統還提供了用于控制系統性能評價的研究環境，其數據獲取方面與故障診斷分析平臺類似，對控制系統性能進行量化分析。

2.1.6 數據服務器

半實物仿真系統采用功能強大的SQL-Server與PHD用于存儲、管理DCS控制器的控制數據與計算機模擬系統中各被控回路的過程數據。為先進控制站、故障診斷分析平臺以及控制系統性能評價室的研究提供強大的數據來源。

2.2 工業流程研究平臺

現代化流程工業，無論是從控制過程還是生產裝置角度來講，對自動化控制系統的要求越來越高。隨著DCS、先進過程控制與過程優化技術的不斷發展與應用，針對生產裝置與工藝過程實施有效的控制與操作，在施加的控制策略和操作步驟時需要全面考慮被控過程的工藝原理、動態特性以及被控變量之間的耦合程度等復雜情況。此外，對于復雜的先進控制策略，先進控制器的投用，并不能直接應用于被控系統中。為此，一套功能完整的工藝流程研究平臺，對先進過程控制的研究、開發與實施是首要前提。

用于先進過程控制研究的半實物仿真系統采用Honeywell公司的UniSim工業流程模擬系統作為研究平臺使用。工業流程研究平臺集流程設計、靜態模擬、動態仿真、過程優化于一體，可獲得精確的熱動力學方程和傳質動力學模型，幫助實驗人員對工藝過程、工況研究、工藝瓶頸分析、需找最佳操作點、先進過程控制策略研究、故障分析與控制系統性能評價等多方面過程控制研究提供重要幫助。

2.3 先進過程控制研究平臺

作為半實物仿真系統的一大核心功能，先進控制站的引入為先進過程控制的研究提供重要的環境基礎。先進控制站采用Honeywell公司的PDS作為先進過程控制研究、開發與實施環境?？衫貌煌瑧贸绦驅崿F過程建模與先進控制策略設計。

2.4 DCS層

半實物仿真系統的DCS層主要采用西門子PCS7系統開發的，其中包括DCS的硬件組態、網絡配置、過程控制算法開發、報警管理等多種功能。DCS層負責計算機模擬系統全部常規控制回路定值控制任務。先進控制站的模型預測控制策略可指導DCS層常規控制算法，實現對計算機模擬系統的先進過程控制策略實施。此外，操作員站可利用DCS層數據采集系統實時獲取計算機模擬系統被控回路的過程數據，將此數據用于故障診斷與控制系統性能評價的研究工作中。

2.5 計算機模擬系統

計算機模擬系統作為半實物仿真平臺中的被控對象，起到至關重要的作用。無論是常規控制算法還是先進控制算法，最終的算法實施與驗證的對象都是由計算機模擬系統提供的。半實物仿真系統中的計算機模擬系統分別以甲醇生產工藝與浮式儲油卸油裝置（FPSO）的生產工藝為背景，采用PISP過程工業仿真平臺，利用數據擬合技術開發。

3 半實物仿真系統結構

3.1 系統結構

用于先進過程控制研究的半實物仿真系統將真實硬件系統與虛擬計算機模擬系統相結合，并在其中通過不同功能站點實現整體運行與實驗研究。其結構如圖1所示。

圖1 半實物仿真系統結構Fig.1 Structure of hardware-in-the-loop simulation system

DCS系統開發與組態應用程序、先進控制研究應用程序、故障診斷及控制系統性能評價分析軟件全部植入到各個功能站點的目標計算機中，用于分析研究使用。DCS系統控制層、網絡層全部采用真實硬件控制系統組成，西門子S7-400控制器作為DCS系統核心控制器，下一級的子控制器分別采用S7-300來負責相應計算機模型的回路控制任務。

3.2 數據交換

數據交換作為半實物仿真系統能否正常運行的一項關鍵問題，然而該半實物仿真系統在數據傳輸方面勢必與真實的自動化控制系統存在差別。這主要表現在，半實物仿真系統的整體被控對象采用虛擬計算機仿真模型，其中的過程數據全部是計算機提供的數字信號，而控制器在采集計算機模型中的過程數據過程中，可一方面通過物理信號采集，另一方面可直接將計算機模型中的過程數據傳輸到控制器的數據寄存器中[2]。

為此，在硬件控制器與計算機模型之間的數據交換方面，用于先進過程控制研究的半實物仿真系統提供了上述兩種數據交換方式，其示意圖如圖2所示。

圖2 數據交換示意圖Fig.2 Schematic diagram of data exchange

半實物仿真系統功能站點通過工業以太網實現與自動化站之間數據交換；DCS層各控制器之間通過PROFIBUS現場總線完成數據間的互通；硬件控制器與計算機模擬系統之間的數據交換則通過以下兩種不同方式實現。

（1）OPCDA+MPI通訊方式

計算機模擬系統本身作為OPC客戶端使用，所有過程變量遵循OPC協議中的OPCDA規范，可同時將全部過程變量傳入OPC服務器中，OPC服務器利用MPI通訊方式連接硬件控制器，從而間接將計算機模型中的虛擬過程數據傳送至真實硬件控制器中。反之亦然，硬件控制器通過計算而得到的控制增量同樣通過OPC+MPI兩層通訊方式將數據傳送至虛擬計算機模型中參與控制。因此，計算機模型中的過程值與控制器中的控制量通過上述手段實現數據在回路中的傳輸。

（2）物理信號通訊方式

在真實的自動化控制系統中，控制器參與過程控制任務，需要實時了解被控變量的過程值，從而計算出相應的控制增量使被控變量保持穩定。因此需要將控制裝置中的檢測儀表、執行結構與硬件控制器通過硬點接線的方式實現數據通訊。然而半實物仿真系統中被控對象采用計算機模型，并不存在真實的檢測儀表與執行機構。為此，一方面為最大程度模擬實際自動化控制系統，另一方面讓實驗人員能夠得到關于控制器物理信號接線的認識。針對FPSO的模擬控制系統，將計算機數字信號通過信號轉換裝置轉換為電信號參與通訊[3]。

4 應用實例

按照前面的闡述，該半實物仿真系統可以實現模型預測控制、故障診斷與控制系統性能評價等方面先進過程控制研究，開發與實施工作。

4.1 模型預測控制研究

本文以動態矩陣控制算法（DMC）為例，闡述利用該半實物仿真系統實現模型預測控制工作。

操作員站可通過DCS層采集計算機模型中被控回路的過程數據，先進控制站利用過程數據進行系統辨識，得到其數據模型參與動態矩陣控制算法研究。工程師站利用開發后的動態矩陣控制算法用于指導常規控制層，實現模型預測控制實施工作[5-6]。

先進控制站可針對模型預測控制研究進行前期仿真，并與傳統PID控制算法進行比較，給出性能指標。如圖3所示。其性能指標比較如表1所示。

圖3 動態矩陣控制與PID控制仿真效果Fig.3 DMC and PID simulation results

表1 DMC與PID控制效果對比分析Tab.1 Analysis and comparison between DMC and PID

先進控制站提出的動態矩陣控制算法，通過工程師站進行CFC編程，下載至DCS層硬件控制器中實現動態矩陣控制，其中實際控制效果如圖4所示。

圖4 動態矩陣控制實際控制效果Fig.4 Actual control effect of DMC

4.2 控制系統性能評價研究

本文以最小方差（MVC）為例，闡述半實物仿真系統中控制系統性能評價研究過程?？刂葡到y性能評價最主要思想是提供控制系統性能是否達標的信息。以MVC算法的控制系統性能評價方法利用過程實施數據與少量先驗知識來估計控制系統性能，無需對控制系統進行擾動實驗，不影響系統正常運行。

利用操作員站監測被控回路中的過程數據，利用得到的數據模型進行性能評價研究，最終得到當前性能定量值?？刂葡到y性能評價室可選擇、設計性能評價基準，指定當前控制對象性能基準，測試當前控制系統性能與被選基準之間偏差，能夠確定從當前控制性能增強到基準的提升可能性。通過分析表明系統性能偏離最優的程度。工程師站可根據分析結構提出相應改進措施，并使之通過重新整定、調節等方法來提高控制系統性能[7]。

控制系統性能評價室中提取被控回路的輸出數據進行統計分析，如圖5所示。

圖5 被控回路輸出數據統計分析Fig.5 Statistical analysis of controlled loop

對上述正在運行的DMC算法進行分析與性能評價，分析結果如圖6所示。評價指標趨近于1，證明控制效果良好。

圖6 動態矩陣控制系統性能評價指標Fig.6 Control system performance evaluation of DMC

4.3 故障診斷研究

利用半實物仿真系統，故障診斷研究平臺結合多元統計分析理論對流程工業故障檢測及辨識進行研究。

操作員站通過DCS系統采集計算機模擬系統過程數據并生成樣本，通過KPCA方法建立系統的正常工況模型，計算出相應的SPE和T2統計限值。

計算機模擬系統運行過程中，故障診斷研究平臺通過OPC技術實時獲取過程數據，計算出過程數據樣本的SPE統計量和T2統計量，并將之與統計限值進行比對，從而實現故障檢測。研究人員在第180個采樣點到第300個采樣點人為設定一個故障發生，圖7為其檢測效果。

檢測到系統發生故障之后，故障診斷研究平臺將對故障數據進行進一步的分析，進而對該故障進行進一步的辨識。

圖7 故障檢測效果圖Fig.7 Effect of fault detection

通過較為合理的算法（圖8以貢獻圖法為例），故障診斷研究平臺可以分析出各變量對該故障所造成的影響，從而鎖定故障源，實現對系統故障的辨識和診斷[8]。

圖8 基于貢獻圖法的故障辨識效果圖Fig.8 Effect of fault identification based on the contribution figure method

5 結語

用于先進過程控制研究的半實物仿真系統，無論在功能結構還是研究范圍上都存在巨大的使用價值。針對流程工業，采用半實物仿真技術為先進過程控制的研究帶來新的思路。從模型預測控制、控制系統性能評價與故障診斷等方面實驗研究表明，該半實物仿真系統在開展先進過程控制研究中提供重要的實施與驗證環境。此外，利用該半實物仿真系統對流程工業一體化先進控制解決方案設計與先進控制軟件包的開發提供強大的支持。

[1] 高強，張亮，李月鳳.基于OPC技術的虛擬DCS監測系統的設計與實現[J].自動化與儀表，2009，24（12）：30-32.

[2] Wojciech Grega.Hardware-in-the-loop simulation and its application in control education[C]//29th ASEE/IEEE Frontiers in Education Conference，1999.

[3] 張金山，高強，李航，等.新型的應用于過程控制的半實物仿真系統[J].計算機工程與設計，2013，34（4）：1356-1360.

[4] 劉延斌，金光.半實物仿真技術的發展現狀[J].光機電信息，2003（1）：27-32.

[5] Qin S J，Badgwell T A.A survey of industrial model predictive control technology[J].Control Engineering Practice，2003，11（7）：733-764.

[6] 秦輝，席裕庚.基于Matlab GUI的預測控制仿真平臺設計[J].系統仿真學報，2006，18（10）：2778-2781.

[7] Huang B，Kadeli R.Dynamic Modeling，Predictive Control Performance Monitorin[M].Springer Verlag，2008.

[8] Qin S J，Weihua Li.Detection and identification of faulty sensors in dynamic processes[J].AIChE Journal，2001，47（7）：1581-1593. ■