MATLAB控制回路性能监测
来自NAPCON的Mehmet Yagci
现代过程工业的运行是建立在使用大量控制回路实现各种控制结构的基础上的。工业大多喜欢PID控制器,因为它们实现简单;然而,即使是完美调优的控制循环也会随着时间的推移而恶化,因为不同的原因可能导致过程操作退化。此外,监管层的问题可能会抵消APC系统和实时优化的好处。在某些情况下,操作人员或过程专家可以观察到性能下降;然而,通过目测手动监控控制回路是很困难的。
实现工业4.0需要在不良控制回路导致更大的问题之前对其进行诊断。诊断这些问题需要强大的控制基础知识、过程理解和计算技能。对于不同的操作级别,还必须以一种容易理解的方式来表示结果。本视频解释了如何结合这些技能来创建一个自动化的控制循环监控系统,并为组织产生显著的经济效益。
早上好,下午好,晚上好,无论你们在哪里参加这次网络研讨会。大家好,我来自芬兰。正如Joris介绍的,我的名字是Mehmet Yagci,今天,我将谈论和分享我关于控制性能监视的经验。在我的演讲之前,我想感谢MathWorks团队的所有成员。正是他们让这次网络研讨会成为可能。在开始演讲之前,我想感谢大家。
所以今天,我们将讨论一个应用项目,这也是我在硕士论文中研究的,并在几年前应用于一个炼油厂。但为了阐明这背后的故事,首先,我想简短地再次介绍一下我自己。目前,我在NAPCON担任首席过程控制工程师,NAPCON实际上是Neste Engineering Solutions的一部分。我加入NAPCON已经差不多七个月了。
在此之前,我在土耳其炼油厂担任了近7年的建模和过程控制研发团队负责人。在那里,我也完成了我的硕士论文。论文项目是今天的主题控制绩效评估。我们为我以前的公司开发了一个应用程序。因此,今天的网络研讨会将涵盖我在硕士论文项目期间的经历,这也与我以前的雇主有重叠。
你们中的一些人可能已经意识到我在社交媒体平台上有两个不同的名字。这基本上是因为我同时拥有土耳其和保加利亚的双重国籍。事实上,我出生在保加利亚。但实际上直到现在,我的一生都是在土耳其度过的。总之,我把我的领英信息放在了左下角。所以如果你想讨论更多的问题,请随时通过LinkedIn与我联系。
在进一步介绍之前,我还想简单介绍一下我现在的公司NAPCON。NAPCON实际上是Neste工程解决方案公司的一个业务部门。Neste工程解决方案也是Neste的一部分,Neste是全球可再生燃料的领导者之一。在NAPCON,我们有超过95名专业人员从事不同的产品系列。到目前为止,170个应用程序已经交付给11个国家的不同行业。所以我应该说NAPCON是一个重要的组织,因为它从1986年开始行动。
因此,NAPCON业务领域可以分为三个子类别。改进是我们提供先进过程控制和不同优化解决方案的产品系列。Train是我们为过程和操作员培训开发模拟器的产品系列。最后,在理解产品系列中,我们有高级的分析解决方案,它能够分析过程数据,并将它们作为可视化的形式交付给领域专家检查。因此,每个类别实际上都带来了一些软件解决方案和一些咨询服务。
所以今天,我们的议程是这样的。所以我喜欢这种表达想法的方式,我们先问自己一些问题,然后尝试着同时回答它们。但由于时间有限,实际上,我们没有机会触及控制绩效评估理念或应用的所有内容。但是今天,我们将尝试给出一些大致的概念。我们会试着在这个过程中分享一些技巧和技巧——你能,或者说在这种应用中你有什么技巧和技巧。
我们先来问一个最重要的问题。那么为什么需要控制性能评估呢?我想今天网络研讨会的大多数与会者都对过程控制很有经验。但实际上,我想从过程控制的基础开始。
所以如果你有一个工艺,你希望你的工艺是安全的,可持续的,可靠的,低成本的,能够生产出符合规格的产品并且高度灵活的,你当然必须有一个工艺控制系统来确保你能满足这些需求。2022世界杯八强谁会赢?如果你有一个过程控制系统,这意味着你的控制系统中有很多组件,比如发射器,传感器,执行器,控制器,等等。但这是一个很自然的现象,您拥有的组件越多,维护这些组件所需的努力就越多。
但是,好的,如果我们谈论过程控制,我还想展示这个著名的控制层次图。实际上,这展示了我们在一个典型的控制系统中有什么样的控制层,以及它们之间是如何交流的,这样我们就可以更好地理解为什么控制性能实际上是需要的。
正如你所看到的,实际上,它从现场设备开始,像阀门,发射机,在最底层,上升到管理层。所以在管理层,你有一些商业目标。当你在不同的层中移动时,这些目标就转化为控制目标。
这意味着在每个层面上,你都必须有一个完美的系统来翻译即将到来的目标。通常,过程工业更关注复杂的系统,如高级过程控制和其他高强度和有回报的控制系统,如实时优化器或其他。
然而,我们大多忘记了控制系统,实际上,将这些系统的结果直接转化为现场,是底层控制或调节控制,正如你在图的底部所看到的。在今天的世界中,我们知道几乎95%的控制器都是基本的PID控制器。这是和这个领域有直接联系的。
因此,如果我们正在讨论优化过程,我们需要确保我们有一个相当良好的基础层控制。说到底层控制,我想展示这个简单的反馈控制回路它展示了典型反馈控制回路中的组件。但我们会在接下来的幻灯片中回到这个问题。
这时,你可能会问,好的控制和坏的控制之间的区别是什么?所以答案其实很简单。左边的趋势显示了一个高变化的过程。把极限看作是生产能力。你利用你的能力越多,你得到的吞吐量就越多。
如果您的控制不好,这意味着在大多数情况下,您离最大吞吐量很远。甚至有时候,你超出了限制,这可能会在你的过程控制循环中或在你的单元中造成一些可靠性问题。
另一方面,如果你提高控制系统的性能,你就会有更少的变化。然后你可以把你的过程转向极限这样你就可以得到更多的吞吐量,或者你可以增加更多,从中获益更多。换句话说,如果您提高了控制性能,那么在所有这些方面——控制错误、过程输出、控制动作以及所需的维护操作——的变化就会减少。
当然,这些好处都是用数字来表示的。因此,我想与大家分享一些一般的和平均的统计数据,以更好地理解绩效考核的好处。调查显示,每个控制工程师,顺便说一下,这是平均数字。但是一个工厂的每个控制工程师负责450个控制回路,这是一个非常高的数字。
当然,还有更多的问题,但是在控制循环中主要有7种类型的问题。它们基本上是一些硬件问题,比如控制阀的问题,需要在现场进行维护,还有一些软问题,比如说,你可以通过坐在控制系统前面来解决问题,比如这些调谐问题。
而且,观察到每个控制循环需要一个小时的调查,以找出它是否有问题。目前大多数行业在监管层之上都有不同的高级过程控制层。因此,我们需要记住,APC 25%的收益来自监管控制方面。
当然,这取决于流程和你所在的行业。但这还是一个平均值。所以如果你提高了控制器的性能,你便能够节省1万美元。顺便说一下,这是一个平均值。根据条件的不同,你可能会有更多或更少的时间。
我还想展示另一个图,它展示了高效维护的好处。在没有维护的情况下,假设只有基本的监控,你就会在一段时间内失去控制器的好处因为在控制器开始退化的时间内,它们就会失去性能。
好了,到目前为止,我想我们已经讨论了足够多的好处和需求关于我们如何评估控制性能。这是下一个问题。通常情况下,性能监控过程主要有五个步骤。所以我想简单地讲一下每一个。
第一步也是最重要的一步是收集数据。因此,你需要存储尽可能多的数据。但也有一些必需品和必需品。因此,传感器读数、设定值和控制器输出对于性能监控是必不可少的。但如果你收集更多的变量,如控制模式,或调优参数,和操作人员的动作,你可能有更多关于控制器性能的信息。
第二步是度量步骤,您需要选择或定义一个基准来比较您的性能。所以在这个步骤中,您可能需要收集一些先验信息,比如流程列表。但我们将在接下来的幻灯片中回到这个问题。
第三步是识别步骤。在这一步中,你根据它们的性能对控制器进行排名。您应该突出显示性能较差的组件,以优先考虑维护工作。在那里,您还可以根据您计算的kpi创建一些告警,创建一些通知,或创建一些定期报告,以查看顶级性能,这样您就可以在那里有效地分配维护资源。
第四步是诊断步骤。在这一步中,您只需找出性能不佳背后的原因。实际上,在这里,你需要选择正确的识别方法,或者说方法,针对每个问题。但如果在文献中没有可用的方法,或者说,在其他地方,你可以开发自己的识别方法来诊断根本原因。
第五步也是最后一步是建议和维护步骤。因此,在这一步中,您只是给过程控制工程师提供了一些建议,以简化他们的决策过程。在那里,你还可以——我的意思是,你甚至可以自动化一些维护操作,比如把一些优化参数的最优值直接推到你的控制系统。这也是可能的。
所以现在,你可能会说,好吧,绩效评估的过程似乎很乏味。事实上,在某种程度上这是对的。但是有一些非常基本和非常简单的统计指标可以避免一些复杂的计算。最基本的是均值和标准差。
通常情况下,控制器会尽量减少控制误差。但在理想情况下,均值和标准差应该是0。但在理想情况下,这是不可能的,因为一些测量噪声或一些干扰直接影响你的控制回路。
我们可以看一些例子。左边的过程比右边的过程有更高的均值和标准差,这意味着它的性能比右边的差因为它的控制误差控制器误差的均值和标准差比右边的高。
但这里有一点要注意的是,你不应该只看单一的指标,你应该得到它们的趋势,这样你就可以识别可能随时间变化的退化。有时候,只有一个指标是没有意义的,比如说,控制误差或者控制器的标准差。因此,您需要查看随时间变化的值,以确定控制性能是否在下降。
您可能还记得在数据收集步骤中有一些不错的内容。所以控制模式是其中之一。计算起来很简单,但信息量很大。所以在这里,你可以看到左边的性能进程,实际上,左边的进程在控制器的生命周期中几乎有30%的手动时间,而右边的进程完全处于自动模式。我的意思是,通过简单的数据收集,也可以看到控制器的性能。
但实际上,它也有可能驱动一些,更先进的技术。事实上,它们并不是高级的,而是一些基本统计指标的衍生。一个例子是控制误差和控制输出的标准差之比,实际上,它显示了控制器误差的变化有多少是由控制输出引起的。
所以这个值越低,控制阀出现问题的可能性就越大。这又是一个工业例子。左边的工艺标准偏差比较低,我们可以怀疑那里有控制阀的问题。
如果你想要研究更多的性能,实际上,最好的选择是使用基准测试。在文献中,有不同的基准,如完美控制,最小方差控制,最佳PID,最佳可能PID,或开环控制。所以这取决于你的系统中有什么样的控制目标。
但简单地说,你需要做的是,计算控制器的性能,只是计算——为基准计算的指数和为实际控制器计算的指数的划分。
在这些基准中,最常用的是最小方差控制。1970年,Astrom第一次提出了它作为一种控制器它试图尽可能地减少过程的变化。但在1989年,哈里斯提出了用最小方差控制作为控制器基准的想法。
就像我们几秒钟前讨论的那样,你需要做的是比较理论基准控制器和实际控制器的索引。在这种情况下,对于最小方差控制,它是方差,这个指标。这意味着比率越小,你的控制者就越糟糕。因为索引实际上是在0和1之间,所以这也让你更容易比较不同的控制器。
但你可以说,实际控制器的方差很容易计算。但是MVC控制器和MVC控制器的变化呢?实际上,如果你知道如何用自回归模型来估计你的过程,这也很容易。这背后有更多的理论,但简单地说,MVC控制器,你能达到的最小方差是你的过程的噪声在你建立AR模型后,自回归模型。
然后用AR模型对过程建模,残差的方差就变成了控制器可达到的最小方差。还有,你们记得在数据收集中在识别和基准选择步骤中,我说过你们可能需要收集一些关于过程的先验数据,关于过程的先验信息。在这种情况下,你需要考虑的是过程延迟。
这在MATLAB中是什么意思呢?好的,你可以使用arima或ar的函数来建立你的模型。这很简单。这些函数估计或推断出模型的残差。所以你不需要担心写,比方说,几百行代码。你需要做的就是将这些函数应用到数据集。
这又是一个工业数据的例子。我的意思是,你可能会说右边的过程在大小上的变化比左边的过程要小。但是性能指标,控制器性能指标,反之亦然。所以右边的过程实际上比左边的过程差这是用最小方差基准原理计算出来的。
有时候,如果你在这个领域工作,你可能会从专家或操作员那里听到一些陈述,比如,好吧,让我展示一下过程趋势。我会告诉你它表现得好不好。我的意思是,这可能是有效的对于一些控制者和你的一些同事来说是广泛的经验。但是记住每个工程师的控制器数量。这是一项乏味的工作。这就是为什么我们需要应用一些控制性能评估技术。
现在你知道如何计算性能了。但是性能问题的原因是什么呢?这是下一个问题。你们会想起控制器面临的七个主要问题。幸运的是,几乎所有的问题都会在时域趋势或频域趋势中留下一些信号或印记。
此外,我们还幸运地将大多数问题转化为两个基本的信号性质,即振荡和非线性。因此,控制调谐和干扰传播在我们观察到的趋势中表现为振荡,而传感器故障和控制阀问题在那里表现为振荡和一些非线性。
首先,我想谈谈振荡。这些是,我们观察到的最常见的问题,或者说,我们在数据中观察到的最常见的指纹。你们看到的图显示了控制系统中不同的振荡模式。所以记住你有经验的同事所说的,通过目测检查,他/她就能发现问题所在。
在这种情况下,它变得更加困难,因为在这个图中,每个趋势都有自己的问题,像这样。这可能是调谐问题,传感器故障问题,或阻力问题,或其他问题。所以它们都是指纹,数据中的振荡指纹。但是,仅仅通过目视检查来查看数据并试图找出控制回路的问题已经不是一件容易的事情了。
因此,在控制回路中检测振荡最简单的方法是观察信号的周期图。所以周期图实际上是基于傅里叶变换的,它把信号分解成它的频率分量。在MATLAB中,我们可以用周期图函数来实现这个目的。
让我们看一个工业例子。所以你们可以看到,振荡在时域中几乎是不可能看到的。但是如果你画出这个信号的周期图,我们会看到在877秒的一个分量刚好以3.7%的功率支配着这个信号。也许你会说,就振荡而言,这个振幅并不是很大。
我们以后再讨论。我的意思是,我有一个工业用例,这个案例研究,你可以看到一个很小的波动,你不能仅仅通过视觉或数据观察到,可能会导致很大的问题。
另一种分析振荡的方法实际上是自相关函数。基本上,它计算了一个信号与自身在不同滞后条件下的相关系数。在MATLAB中,你也有一个函数,这个自corr函数可以帮你做这个分析。
对于我在上一张幻灯片中展示的相同过程,你可以在自相关图中看到振荡模式。我的意思是,也可以通过观察图来描述振荡的特征。但我就不细讲了。所以在文献中有一些方法可以用自相关函数来描述和创建一些kpi,这也是可能的。
在时域趋势中分析振荡的模式也是可能的。例如,你可以应用一种模式识别方法来计算控制器中正区域和负区域的相似度。实际上,你可以确定某种相似度的阈值。如果你的KPI——计算的指标超过了比率阈值,你可能会说你的系统有振荡。
但如果你有这样一个过程,你可以很容易地识别振荡。但是当然,你需要记住那种时域方法你只比较那里的区域,你只比较那里的相似之处,容易产生测量噪声因为如果系统中有很高的测量噪声,你不可能有那种,我们说,完美的模式你可以很容易地观察并发现并说那里有振荡。如果应用的是时域,这可能是不可能的。这有点类似于基于模式识别的方法。
另一个重要的点是检测非线性。你记得在本节开始的时候。最常见的非线性之一实际上是二次相位耦合。这个例子来自文献,实际上是这个方法的发明者乔杜里和他的朋友。所以如果过程中有一个相位耦合,就有两个频率控制信号,同时也有一个耦合,系统中另一个频率是f3。
为了澄清这个问题,我想给你们看一个例子。所以我们有两个生成的信号,它们在时间趋势和频率分析上看起来几乎一样。然而,这些信号之间的主要区别是底部的信号具有相位耦合效应。所以你可以在双谱分析中看到这些峰值,而顶部的信号没有。这意味着底部的信号具有某种相位耦合效应。我的意思是,我会解释为什么我们要研究相位耦合效应。
所以在这里,你能做的就是应用这个由乔杜里和他的朋友发明的双谱分析。在这里,你可以分离信号中的这些分量。如果有相位耦合,你应该在频率对分析中观察到那种峰或者山的形状,在这个双谱分析中。这也是基于信号的傅里叶变换。你可能已经意识到这一点了因为它仍然在分离频率并将时间序列数据分解为它的频率分量。
我们为什么要识别非线性?你可能在听这个网络研讨会的时候问过这个问题。所以主要要识别控制阀的问题。这里,你可以看到控制阀的问题有四种不同的指纹。所以这些雕像的形状非常独特。
实际上,在图c中看到的问题是最常见的一个,这个迟滞。顺便说一下,它也被称为滞回和死带。它也被称为粘滞问题,它描述的是控制阀中发生的静摩擦。这是控制阀中最常见的问题。
对于这个问题,控制器发送信号给阀门打开它。但是由于静摩擦,阀门卡住了。过了一段时间,静摩擦就消失了因为你只是把一些控制输出信号推到阀门上。阀门就立刻打开了。然后你的瓣膜信号在某个点上显示出峰值。
然后你的控制器意识到,好的,我需要减少设定值和控制器之间的误差设定值和过程值之间的误差,然后试图关闭阀门,但静摩擦实际上又在舞台上。这样就形成了一种循环行为。所以这种行为在控制输出中显示为锯齿形,从这个工业例子中可以再次看到。
所以如果你的控制阀有黏滞问题,很有可能,你会在过程趋势中观察到这种情况。这又是一个锯齿形,当你观察控制输出信号时。
观察信号的周期图,你也会发现有两个频率支配着信号。然后是双谱分析。你可以看到,有一些相位耦合,频率耦合效应,所以峰值和这个山的形状很明显。
但是如果你把这个简单的控制输出和过程测量画出来,你会看到一个几乎完美的椭圆如果你有那种黏滞的问题。所以只要看看形状的完美。所以它不是——我的意思是,我应该说它不是100%的椭圆,但你可以用一个椭球来近似这种形状。如果你还记得几秒钟前在控制中遇到的问题的印记,那么黏滞问题实际上是非常清楚的。
然而,你可能不是每次都那么幸运。观察过程趋势,人们可以怀疑这个图中的阻力。这也是一个工业例子。但是当然,控制输出的简单图,控制输出与过程测量的对比给出了一些关于约束的概念。但是看起来很乱。我的意思是,它有一个椭圆的形状。但要像左边的过程那样得出结论并不容易。
然而,这些变量的简单图很好地说明了黏滞问题。所以在这里,一个想法可能是应用一个过滤器来分离你刚刚从双谱分析中得到的确切频率,然后绘制你的过程测量和控制输出信号。所以在这种情况下,你可能会有一个更清晰的粘性信号。
如果你想描述你的粘着问题,这也是个好主意。所以很简单,如果你在控制器输出与可变过程测量数据之间固定一个椭圆,x轴将量化你在特定控制阀中有多少阻力,而y轴将量化你有多少滞回。
但不幸的是,将椭圆拟合到这样的数据集中,比如说x-y数据,并不是一项简单的任务。但在文献中也有一些可用的方法。所以如果你想在阻力分析上创建一些kpi,在文献中有一些可用的方法,你可以用椭圆来拟合你的数据,看看你的控制阀有多少滞回或阻力。
由于时间有限,我就不能详细介绍检测问题的更高级技术了。因此,在结束这节课之前,我想谈谈控制维护,我们如何控制维护,抱歉。
当然,诊断是控制性能评估的一个重要部分。然而,更重要的总是绩效评估。这就是你需要做的基本分析,得出一些关于控制系统的结论。
但是在控制性能评估中有一个问题。所以在大多数情况下,性能下降的原因不仅仅是一个单一的控制循环。相反,这是一种控制循环链的问题它们相互影响,一些问题通过控制器传播。但你可能会说,好吧,那怎么做呢?这可能是个问题。
假设你有这样的过程,顺便说一下,这又是一个工业例子。比方说,这里有一些热交换器,一个分离柱,还有一些过程,那边有一个反应堆。假设你刚刚计算了这些控制器的性能指标。
所以看起来温度控制器TC1和压力控制器PC1和PC5有一些问题。但是你可能会问,在这个过程中会不会有一个主要的参与者影响其他人?因为有一些循环流在那里发生。在流之间有一些上游和下游的连接。通常,答案是肯定的。但你可能会问,我们如何识别这种问题。
就像这样。实际上,我想在那里展示一些繁殖。这又是一个工业例子。首先,看起来TC1有问题,那边的温度控制器。在这个特殊的例子中,温度控制器中只有0.5度的振荡,你不能简单地通过观察数据通过基于频率分析的方法和基于时域分析的方法来识别。所以是0.5。你可以想象它并不比标称温度大多少。
但是那个问题,那个振荡,实际上传播到下一个控制器TC3。这实际上改变了C1柱入口的蒸气分数。这对柱中的蒸汽流量有直接的影响并导致顶部压力控制器的一些变化,在那里的PC1。这就导致了顶鼓的变化,这个C4,导致了回流流速的变化,那里的FC1。
这会再次导致柱内液体流量的变化,并影响底层LC3。LC3是那边FC3的从控制器,反之亦然,LC3是那边的主控制器。FC3为从控制器。所以主控制器影响-通过从控制器传播振荡。你会发现这是一个问题。
所以振荡会传播并导致系统的性能下降。即使这是一个非常小的单位你有20个控制回路,振荡会传播。如果你有一些,比方说,下游单元连接到这些单元的出口线,振荡可能会通过其他单元传播,导致一些后续问题。因此,在这些控制器和连接的其他控制器中,你可以观察到性能问题。
所以有可能用不同的方法来识别这个传播链,比如你可以利用因果分析或者某种常见的振荡分析你可以利用这些周期图或者一些基于频域的分析。甚至可以利用信息论来检测这些传播。这也是可能的。
实际上,如果你使用不同的算法,或者我们说不同的方法,它最终会有不同的指标或kpi。你可以计算的可能的指标是这些,但实际上,它并不局限于这些。但还有比这多得多的事情。甚至可以创建自己的KPI或指标来计算系统的某些性能指标。
然而,到最后,您将意识到一些度量标准将帮助您纠正领域中的问题。例如,控制阀的问题,而有些会帮助你纠正问题,我的意思是,如果你只是坐在电脑前做一些调整,比如控制器调整。所以这取决于你能付出多少努力。这取决于那一个。
所以在最后一部分,我想简要谈谈一些收获和注意事项。但如果在讲要点之前,我想简单讲一下在这种应用中你可以在哪里利用MATLAB。首先,MATLAB有广泛的库用于不同的目的,并有编写良好的文档。所以它背后也有一个很大的社区,你可以世界杯预选赛小组名单在那里问你的问题或搜索不同的例子。我的意思是,假设有大量的信息你可以利用在你的情况下。
其次,MATLAB为您带来了在上线之前创建原型的便利。因此,您可以用相对低的工作量构建原型应用程序,并在不同的场景中进行测试。你不需要向IT专家寻求帮助。当然,您可以通过使用MATLAB工具箱来部署您的应用程序,例如,热电联产,但我不会详细介绍它。但如果你愿意,这也是可能的。
第三个,实际上MATLAB有能力处理流数据。因此,如果在那里有所需的工具箱,就可以直接连接到历史记录并获取一些数据,然后运行应用程序,查看应用程序在那里计算的kpi。因此,它还能够同时在边缘和云端运行应用程序。这样就有了灵活性。
此外,您还可以将代码或应用程序与不同的平台或语言集成。如果你已经开发了一些应用程序,你可以从这些应用程序中插入或取出一些数据。或者您可以将已经用不同语言开发的不同代码集成到MATLAB环境中。这给你的工作带来了很大的灵活性。
在结束演讲之前,我要讲一些要点——数据是第一位的。您应该有一个良好的数据库以进一步进行评估。正如您在前面几节中所看到的,控制性能的估计非常简单。但例如,如果你想利用最小方差,它很容易使用。但诊断实际上需要一些额外的指标来量化那里的问题。因此,您还可以根据这些指标创建一些警报,并使控制工程师更容易根据这些kpi得出一些结论。
但实际上在这种情况下,为度量选择正确的参数是至关重要的,因为如果您为所使用的识别方法选择了适当的参数,就可能会导致一些错误的决策。这可能会在维护任务的资源分配上造成一些问题。
过程交互或传播应该一直被考虑,因为,通常情况下,如果你有一些,我的意思是,如果你有这么多性能不佳的控制循环,很有可能,有一个控制循环会引起一些问题并通过其他控制器传播。它可以被确定为根本原因。所以你需要考虑过程的相互作用。
最后一点是,如果您的系统中有高级过程控制层,那么您应该始终保持尽可能高的底层性能,以充分利用它。否则,你可能会损失20%到25%的APC收益。
到此为止,我想结束我的演讲。当然,除了我们今天在这届会议上讨论的主题之外,还有许多其他的问题。但我试图涵盖控制性能评估应用程序中的要点。我希望它能给你们一些关于控制绩效评估的技术和哲学的见解,可以说是一个旅程。
我要感谢大家参加这次网络研讨会。我想,在剩下的部分,我将尝试回答任何问题,如果有张贴在那里的问答框。是的,谢谢。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。