CN101533273A - 过程控制系统的过程模型库的动态管理 - Google Patents

Abstract

本发明提供了一种过程控制系统的过程模型库的动态管理。一种对存储有过程模型的过程模型历史进行管理的方法，包括根据第一优先级标准和第二优先级标准来组织过程模型，其中根据与第一优先级标准和第二优先级标准有关的值的合成来表示各个过程模型。该表示可以是多维空间中的坐标值，该多维空间具有对应于第一优先级标准和第二优先级标准的维度。针对各个过程模型来计算到公共基准点的分离程度或关系，其中基准点是与第一优先级标准和第二优先级标准有关的值。可以遵从针对同一控制例程所识别的过程模型的总数和针对同一操作区域所识别的模型的总数，基于涉及基准点的分离程度或接近度，来移除过程模型或选择用于删除的过程模型。

Description

过程控制系统的过程模型库的动态管理

相关申请

本申请为基于2007年9月28日递交的、题为“过程控制系统的过程模型库的动态管理”的美国临时专利申请60/976,346的正式递交申请，本申请要求该临时专利的优先权。在此，通过参考将其全部公开合并。

技术领域

本申请总体涉及过程控制系统，具体地，涉及过程控制系统中的过程模型的管理、维护和存储。

背景技术

诸如化学，石油或者其他工业中所使用的分布式的或可扩展的过程控制系统，一般包括一个或多个过程控制器，这些过程控制器经由模拟，数字或模拟/数字混合总线，彼此通信相连，或者与至少一个主机或操作员工作站以及一个或多个现场设备通过通信联络的方式连接。现场设备可以是阀、阀门定位器、开关、变送器(例如温度、压力和流量传感器)等，它们在过程中执行诸如开启或关闭阀以及测量过程参数等功能。过程控制器接收用于表示由现场设备产生的过程测量的信号，和/或关于现场设备的其他信息，并利用这些信息执行控制例程，并随后产生通过总线发送到现场设备以控制过程操作的控制信号。来自现场设备和控制器的信息典型地用于一个或多个由操作员工作站执行的应用程序中，以使操作员执行其想要的并与过程相关的功能，例如查看过程的当前状态、修正过程操作等等。

某些过程控制系统，例如总部设在德克萨斯州奥斯汀市的费舍-柔斯芒特系统股份有限公司销售的DeltaV系统，使用设置在控制器或不同的现场设备中的功能块或称作模块的功能块组来进行控制操作。在这些情况下，控制器或其它设备能够包括并执行一个或多个功能块或模块，每个功能块或模块都接收来自其它功能块(在同一或不同的设备内)的输入和/或向这些功能块提供输出，并进行一些过程操作，例如测量或检测过程参数、控制设备、或进行诸如实现比例-积分-微分(PID)控制例程的控制操作。过程控制系统内的不同的功能块和模块通常被配置来彼此通信(例如通过总线)以形成一个或多个过程控制环路。

过程控制器一般程序化为对过程所限定的或所包含的多个不同环路中的每个，执行不同的算法、子程序或者控制环路(所有这些都是控制例程)，这些环路例如流控制环路、温度控制环路、压力控制环路等。一般来说，上述每个控制环路都包括一个或者多个输入块，比如模拟输入功能块；也包括单输出控制块，比如比例-积分-微分(PID)控制功能模块或者模糊逻辑控制功能块；并且还包括输出块，比如模拟输出(AO)功能块。

控制例程和执行这些例程的功能块已经被根据许多控制技术配置，这些控制技术包括PID控制、模糊逻辑控制和诸如史密斯预测器(SmithPredictor)或模型预测控制(MPC)的基于模型的技术。在基于模型的控制技术中，在例程中用来确定闭环控制响应的参数基于动态过程，所述动态过程响应于充当过程输入的操纵或测量扰动中的变化。这种过程对过程输入变化的响应的表示可以被描述为过程模型。例如，第一阶参数化过程模型可以确定增益、死时间和过程时间常量的值。

一种基于模型的技术，模型预测控制(MPC)，包括许多被设计来捕获过程输入和输出之间的动态关系的步骤模型或脉冲响应模型。利用MPC技术，直接使用过程模型来产生控制器。当用于会经历较大的过程死时间和过程延时等变化的过程时，MPC控制器必须被自动地利用模型重新产生，以与当前的过程状况匹配。在这样的情况下，在许多运行状况中的每一个状况下相应地确定过程模型。多个过程模型的引入以及与当前过程状况进行匹配所必需的控制器的自动产生，增加了过程控制系统的复杂度，这不是想要的。

还使用过程模型来设置PID和采用自适应控制技术的其它控制方案的调整参数，此时，PID(或其它)控制器的调整通常会被更新作过程模型的变化结果和用户选择的调整规则。例如，参见题为“基于状态的自适应反馈前馈PID控制器”的美国专利公开2003/0195641和题为“自适应反馈/前馈PID控制器”的美国专利6,577,908。在此，通过参考将其全部公开据此明确地合并进来。

不管改进控制性能的预示，在加工产业中使用自适应控制技术已经受到限制，这是由于在实践中经常很难实现这些技术。作为一件实际的事物，通常，模型识别已经成为特别为自适应控制设计的特定功能块的一部分。不幸的是，经常难以确定哪些过程控制环路将因实现自适应控制而受益，即应该选择哪些环路来具备自适应控制能力。一个原因是，在典型的工厂中的控制环路的绝对数量(例如，几百个)和被监控的仪器(例如，几千个)。但是不管过程的规模和复杂度，传统的过程控制系统通常不支持创建工厂中所有控制环路的过程模型。使事情变得更糟的是，实践中，可能不能进行确定所有控制环路的新过程模型所必需的手动测试。例如，测试可能需要应用一个或多个与在线过程不兼容的过程摄动。

一个利用模型来控制具有多个控制环路的过程控制系统的例子包括实现分别控制所述多个控制环路的多个控制例程。这些控制例程包括非自适应的控制例程。连同每个控制环路的运行一起收集运行状况数据，根据分别的运行状况数据来确定各个控制环路的分别的过程模型。参见题为“过程控制系统中的过程模型识别”的美国专利公开2007/0078533。在此，将其全部公开据此明确地合并进来。

这些智能控制系统中的一些系统包括嵌入的观测每个过程环路和系统中的每个设备的学习技术。这些技术包括学习和记忆过程模型，以及当系统中的状况发生变化时，重新学习过程从而自动地使能智能监控、诊断和高级调整等。学习到的过程信息通常存储在非易失知识数据库中以供分析和检索。在实时系统中，在没有界限的情况下，该库可能不停地增长，不过其增长速度可能随过程而变。例如，对一个响应时间为几分钟的快速变化的流程环路来说，一天中可能会几次确定出新模型。另一方面，也可能有响应缓慢的温度环路，其发生变化非常罕见。然而，正入可能只有很少信息对分析是有害的，也可能有太多的信息对分析是有害的。另外，如果不确定地执行学习算法，那么对数据库的存储器要求存在约束。

发明内容

根据本发明的一个方面，提供一种方法，该方法用于在平衡每个过程模型的相对相关性和可用性的同时，通过删除或移除那些不再相关或有用的过程模型，来管理过程模型历史或任何其它形式的过程模型库。该方法包括根据诸如模型质量和模型寿命的优先级标准的组合来组织每一个过程模型。利用该优先级标准的组合，把每个模型与所有过程模型公共的基准点比较。该基准点可以表示所述优先级标准的优化最少值或最优值。然后，利用每个过程模型与该基准点分开的程度或距离来确定是否应该从该过程模型历史中移除该过程模型。

该过程模型的删除或移除可以取决于多个决策标准。例如，可以仅当该过程模型历史中存储了与特定控制例程有关的最大数量的过程模型时，才触发该过程模型管理技术。在另一个实例中，如果保留了与控制例程的特定操作区域有关的最小数量的过程模型，才可以删除过程模型。

根据本发明的另一方面，可以通过定义多维空间来实现该过程模型管理技术，该多维空间的每一维都由优先级标准定义。在一个实例中，模型质量对应于一维，而模型寿命对应于另一维。根据对应于诸如过程模型的寿命和质量的与过程模型有关的优先级值的坐标值，在该多维空间内组织所述过程模型。可以在该多维空间中相对于公共基准点来表示每个过程模型。根据过程模型与该基准点的接近度，该过程模型管理技术可以删除或保留该过程模型。

关于上述两方面中的任一方面，都可以根据所述优先级标准的相对重要性，来加权所述优先级标准。该过程模型管理技术还可以以各种决策标准或阀值作为条件，例如保留最后识别的过程模型。在另一实例中，通过建立阀值的函数来保持所述各个优先级标准之间的平衡，过程模型被保留在该阀值之上。该阀值函数可以为以所述优先级标准为变量的线性函数，该函数的输出值确定保留还是删除该过程模型。可替代地，该阀值函数可以为径向函数，该径向函数以该基准点与将被删除的该最后模型之间的距离为函数半径。

附图说明

为了更全面地理解本发明，应该参考下面的详细说明和附图，附图中相似的标记表示图中相似的元件。附图中：

图1为示意性表示包括配置了根据本发明的一个方面的一个或多个控制例程的控制器的过程控制系统的图；

图2为示意性表示根据一个实施例的、具有与许多功能块通信的模型识别例程的、图1中的控制器的图；

图3为示意性表示根据一个实施例的图1中的控制器的图，其中控制器与工作站通信以利用趋势或其它历史数据进行模型识别；

图4为示意性表示根据一个实施例的图1中的控制器的自适应控制功能块的图，其中自适应控制功能块根据存储的模型和运行状态信息修正调整；

图5为示意性表示根据一个实施例的图1中的控制器的自适应MPC功能块的图，其中该MPC功能块进行模型识别所需的测试；

图6为示意性表示根据一个实施例的图1中的控制器的图，其中在与历史事件信息关联的数据库中存储识别的模型；

图7为示意性表示图1中的过程控制系统的一个可替代的实施例的图，其中工作站执行通过OPC或其它界面与控制器通信的模型识别例程；

图8为示意性表示图1中的过程控制系统的一个实施例的图，其中工作站执行示例应用程序包，该应用程序包提供控制性能监控和具有环路和模型分析、诊断、调整和MPC和自适应控制等关联的功能的管理环境。；

图9为具有用来提供控制性能概览信息的性能监控应用程序的、图8中的工作站的一个实施例产生的示例显示界面的简化表示的图；

图10为具有用来提供选择的系统、区域或其它控制环路组的控制环路性能信息的性能监控应用程序的、图8中的工作站的一个实施例产生的示例显示界面的简化表示的图；

图11为具有用来提供选择的控制环路的性能信息的性能监控应用程序的、图8中的工作站的一个实施例产生的示例显示界面的简化表示的图；

图12为具有用来监控和管理与控制环路有关的控制环路性能、自适应模型质量和其它诊断参数的诊断或其它分析应用程序的、图8中的工作站的一个实施例产生的示例显示界面的简化表示的图；

图13为具有用来配置、定制和管理控制环路的模型识别进程的应用程序的、图8中的工作站的一个实施例产生的示例显示界面的简化表示的图；

图14为用来可视化识别的状态参数输入表示的不同运行状况的过程模型的、图8中的工作站的一个实施例产生的示例显示界面的简化表示的图；

图15和16为具有用来支持和管理过程模型的使用以调整执行诸如模糊逻辑或MPC控制方案的控制功能块的调整应用程序的、图8中的工作站的一个实施例产生的各个示例显示界面的简化表示的图；

图17为用来管理过程模型历史纪录器的示例过程模型管理技术的简化表示的图。

具体实施方式

本发明公开一种过程控制系统和方法，所述方法和系统实现在当前不必利用过程模型进行自适应控制的过程控制系统中，自动地识别(identify)控制环路的过程模型的技术。由于不同于实现自适应控制(或除了实现自适应控制之外)的理由，建立过程模型。例如，通过评价所公开的技术识别的过程模型，使得哪些控制环路应该应用自适应控制的决策变得容易了。

在一些情况下，把过程模型的识别扩展到过程控制系统中的所有控制环路上。通过这一方式，可以产生过程控制系统的每一个节点的过程模型。但是不管是否正在确定所公开的系统的具体实施例中的每个控制环路或节点的过程模型，过程模型识别向非自适应控制环路的扩展具有许多益处，包括点播(on-demand)控制器调整以及异常状况监控和诊断等。

在一些情况下，收集过程控制数据来确定控制环路的多个过程模型，从而产生过程模型的历史。产生过程模型历史的过程控制数据可以在过程的日常运行期间、连同过程的日常运行并作为过程的日常运行的结果而产生。在这些情况下，获得的过程模型历史提供控制环路的近来的在线性能的表示。于是，不再需要特别的测试或测试进程。

在控制环路正在执行自适应控制方案(例如自适应PID控制)的情况下，过程模型历史可以指示自适应控制对当前运行状况是否适宜，或更一般的，自适应控制对控制环路自身，是否适宜。相反，非自适应控制环路的过程模型历史也可以指示，自适应控制方案可能是有益的。

在一些情况下，可以由嵌入到执行控制例程的过程控制器中的例程来识别过程模型。为此，控制器可以被过程的变化触发来存储过程控制数据，以支持产生过程模型(或多个过程模型)。充当触发器的过程变化或其它事件可以包括设置点变化、被自动地加入到控制器输出中的扰动(perturbation)、或任何其它开放或封闭控制环路的变化。通过这些方式或其它方式，可以由控制器(或系统的其它元件(多个元件))来连续地执行过程模型识别例程，以获取贯串日常运行的过程控制数据。此外，如此可以在过程仍然在线，在后台进行所有计算的情况下，在检测到过程变化(或其它触发事件)后，自动地识别过程模型。

一旦被识别和/或存储，过程模型(或多个过程模型)就可以被分析、处理、应用或以其它方式使用，以支持许多连同管理过程控制系统执行的许多过程控制任务，包括性能监控、点播调整、控制算法推荐、环路响应仿真、过程监控、控制诊断和自适应控制。例如，如下面所述，可以利用过程模型来计算控制环路的基于模型的性能指标，该过程模型就是为该控制环路识别的。

尽管通过所公开的技术识别的过程模型也可能依赖基于模型的控制方案(例如自适应控制)的执行，但是所公开的技术的实现不限于任何特定的控制环路、过程控制器、过程控制系统或过程控制网络结构的类型。此外，可由过程控制系统的许多元件来单独地或以分布式的方式、在一个或多个级别(例如过程控制器级别或控制环路级别等)上实现所公开的技术，更进一步地，所公开的技术不限于任何特定的过程模型类型。例如，可以使用过程的任何参数化的动态模型。

参见图1，过程控制系统10包括与数据历史库(historian)12和一个或多个主机工作站或计算机13(可为个人计算机、工作站等中的任一类型)相连的过程控制器11，每个主机工作站或计算机13都有显示屏14。控制器11还被通过输入/输出(I/O)卡26和28连接到现场设备15-22上。数据历史库12可为任何想要类型的具有任何想要的类型的存储器和任何想要的或已知的存储数据的软件、硬件或固件的数据收集单元。数据历史库12可与工作站13中的一个分离(如图1中所示)，也可以是工作站13中的一个的一部分。控制器11被通过例如以太网连接或任何其它想要的通信网络以通信的方式连接到主机计算机13和数据历史库12上，控制器11例如可以是费舍-柔斯芒特系统股份有限公司销售的DeltaV控制器。控制器11还通过任何想要的硬件和诸如与标准的4-20ma设备相关的软件，和/或任何通信协议，比如

现场总线协议、HART协议等，与现场设备15-22以通信的方式相连。

现场设备15-22可以是任何类型的设备，例如传感器、阀、变送器等。I/O卡26和28可以是符合任何想要的、通信或者控制器协议的任何类型的I/O设备。在如图1所示的实施例中，现场设备15-18可以是通过模拟线与I/O卡26相连的标准的4-20ma设备。而现场设备19-22是智能设备，比如Fieldbus现场设备，其利用Fieldbus协议通信，以通信的方式与I/O卡28通过数字总线相连。当然，现场设备15-22均可以遵从任何其他想要的标准或者协议，包括在未来研发出来的标准或者协议。

控制器11包括执行或监视一个或多个可以包括控制环路的、存储在控制器11中或与控制器11相关的过程控制例程(存储在存储器24中)的处理器23，并与设备15-22、主机计算机13和数据历史库12通信来以任何想要的方式控制过程。值得注意的是，如果需要的话，任何在此描述的控制例程或者模块都可以包括被不同控制器或者设备执行的部分。同样地，这里描述的、在过程控制系统10中实现的控制例程或者模块可以采用软件、固件程序和硬件等形式。为了实现本发明，过程控制模块可以是过程控制系统的任意零件或者部件。其中，过程控制系统示意性地包括存储在任何计算机可读介质的例程、块或其元件。控制例程可以是控制进程的模块或者其任何部分，比如子例程和部分子例程(比如几行代码)等。它可以通过任何想要的软件形式实现，比如使用面向对象编程、使用阶梯逻辑、顺序功能图、功能块图或者任何其他软件编程语言或设计范例。同样地，控制例程可以在例如一个或多个EPROM、EEPROM、专用集成电路或者其他软件器件或者固件器件中进行硬编码。可以用设计工具，比如图形设计工具或者其他类型的软件/硬件/固件编程或设计工具，设计控制例程。这样，控制器11可以被设置为能够以任意想要的方式执行控制策略或者控制例程。

在一些实施例中，控制器11利用通常所称的功能块来执行控制策略，每个功能块是整个控制例程的对象或其它部分(例如子例程)并且与其它功能块协同运行(通过称作链路的通信)来实现过程控制系统10内的过程控制环路。功能块通常执行输入功能、控制功能或输出功能中的一项功能，其中输入功能例如与变送器、传感器或其它过程参数测量设备有关的功能，控制功能例如与执行PID、模糊逻辑等控制的控制例程有关的功能，输出功能控制某些设备，例如阀的操作，以便在过程控制系统10中执行某些物理功能。当然，也存在混合功能块以及其它类型的功能块。可以把功能块存储在控制器11中并由其执行，在这些功能块用于标准4-20ma设备和诸如HART设备的一些类型的智能现场设备或与这些设备相关的情况下，通常是这样；或者也可以把功能块存储到现场设备中并由其执行，在与Fieldbus设备一起时，可以这样。尽管这里采用功能块控制策略来说明控制系统，但是也可以采用诸如阶梯逻辑和顺序功能图等的其它规范或采用任何其它想要的编程语言或范例，来实现所公开的技术和系统。

如图1中的表示分解状态的块30所示，控制器11可以包括多个单环路控制例程，图中示出为例程32和34，如果想要的话，控制器11可以实现一个或多个高级控制环路，图中示出为控制环路36。每个这样的环路通常称作控制模块。示出单环路控制例程32和34的分别利用单输入/单输出模糊逻辑控制块和单输入/单输出PID控制块实现单环路控制，并且与合适的模拟输入(AI)和模拟输出(AO)功能块相连，AI和AO功能块可以与诸如阀的过程控制设备、诸如温度和压力变送器的测量设备或过程控制系统10内的任何其它设备有关。尽管高级控制块38的输入和输出可以与任何其它想要的功能块或控制元件连接来接收其它类型的输入并提供其它类型的控制输出，不过图中示出的高级控制环路36包括具有以通信方式与一个或多个AI功能块相连的输入和以通信方式与一个或多个AO功能块相连的输出的高级控制块38。高级控制块38可以为模型预测控制(MPC)块、神经网络建模或控制块、多变量模糊逻辑控制块、实时优化器块等中的任何类型。将会理解，可以由控制器11来执行图1中示出的功能块，包括高级控制块38，或者，可替代地，也可以把这些功能块设置在任何其它处理设备中，诸如设置在一个工作站13或甚至现场设备19-22中的一个中，并由其执行。

参见图2，控制器11可以具有任意数量的控制模块50、52和54，这些控制模块定义和实现对应的过程控制例程来控制在线过程。这样，可以连同模块56控制的运行环境或模式来实现控制模块50、52和54，这些模块通常可与过程的正常的预定控制有关。如上所述，每个控制模块50、52和54都可以具有任意数量的功能块，包括控制功能块。

根据所公开的技术的一些实施例，参数值和其它运行状况数据从控制模块50、52和54传递给模型识别例程或模块60的数据收集功能58。一般来说，在控制模块50、52和54及其功能块执行期间，可获得(或发送)参数值和其它运行状况数据。因为在预定过程控制行动期间，这样的执行是相当连续的，因此参数值和其它运行状况数据的发送也是连续的。

象功能块一样，数据收集功能58可以，但是不需要，以面向对象的方式被实现为对象(多个对象)(或对象实体)。不管数据收集功能58的结构如何，其可以包括一个或多个例程，这些例程定义要在数据收集中执行的进程，包括任何数据处理进程。如此，数据收集功能58的例程可以协作、支持或实现所收集到的数据在例如一个或多个寄存器62或其它存储器中的存储。数据收集功能58执行的进程可以包括如下所述的确定何时收集来自控制模块50、52和54的数据的进程。

更一般地，数据收集功能58可以包括支持参数和其它运行状况数据的自动收集、聚集或其它处理的一个或多个例程。就由数据收集功能58来实现参数和数据的自动收集或其它处理来说，对模块56、控制模块50、52和54、以及其任何控制模块的计算需求较少。由于模型识别进程与控制功能块的这种分离，功能块存储器和执行需求不管模型识别是否被激活都是相同的。此外，还最小化了为支持自适应(即，自适应控制)而向控制块增加的参数数量和相关存储器的需求。

模块56和模块60的分离还允许在一些实施例中，提供一个选项来禁止模型识别模块60，从而禁止数据收集功能58。例如，如果确定控制器11没有足够的存储器或时间来进行计算和其它处理，禁止模型识别是有用的。一个有关的注意事项是，也可以基于环路、区域、系统或控制器来激活或禁止提供自适应控制的被确定的模型的使用。

分离的模型识别功能还支持过程输入变化的协调。由于控制器内的模型识别被集中到一个过程中，因而使这样的协调成为可能。例如，当没有正在改变设置点时，模型识别模块60(或其它元件或例程)可以自动地把变化加入到控制器输出中。可以以最小化对过程运行的影响的方式来协调这些变化。如此，可以随时间而分散这些变化。

分离的模型识别还意味着可在控制器11的自由时间或停机时间，或所判断的控制器11的任何其它合适时间内，进行模型识别的数据处理。结果，避免了执行模型识别处理对诸如由模块56提供的预定控制功能的不利影响，从而，在一些实施例中，当过程在线时，模型识别模块60可以由控制器11在后台执行，并且是在控制器11的其它模块或部分进行的预定控制和其它行动期间内的策略上有益的时间执行。

在可替代的实施例中，可以把模型识别功能进程进控制功能块自身。

在一些实施例中，只要控制块执行，参数和其它数据就被从控制模块50、52和54自动地传递给数据收集功能58。在这一意义上，可以连续地执行数据收集功能58来支持在过程运行期间内的任何时间进行数据收集进程。在那些控制没有被调度来执行的时间内，数据收集功能58可以检查收集的数据来确定是否应产生过程模型(例如创建或识别)。在可替代的实施例中，控制器11可以定时地或以一些其它的预定方式，来检查或处理收集的数据。当然，在另外一些可替代的实施例中，例如为了最小化计算需求或任何其它想要的原因，可以由控制器11来实现数据收集功能58或把数据收集功能58实现为控制器11的一部分。下面连同一些实施例来给出可以不把这样的处理嵌入到控制器11中的实例的有关进一步细节，在这些实施例中，所公开的技术被加到先存在的过程控制系统的上层(或与之集成)。

数据收集功能58收集的数据通常可以包括过程输入和输出的值或控制器11(或，更一般的，过程控制系统10)实现的特定控制环路的运行设置点的值。对这些参数中的每一个，都在从触发事件前开始、持续到达到稳定状态的这一段时间内收集和存储其值。在一些情况下，触发事件可以包括例如由数据收集功能58检测到的过程输入或设置点的变化。

在一些情况下，由什么来构成触发事件可以由控制环路的运行模式来确定。当控制环路处于“自动”运行模式时，环路自动地调整控制器输出(即，被操纵的过程输入)以把过程输出(即，环路的被控制参数)保持在操作员指定的设置点。这样，在自动模式下，设置点的变化将构成触发，以分析过程输入和输出的变化，从而开发模型。如果操作员从不(或很少)改变设置点，并且环路停留在自动模式下，那么可以把小的改变加入到控制器输出中，以便存在一个触发器，以创建模型。

当环路停留在“手动”模式下时，控制器输出由操作员设置，即控制算法不调整输出。这样，在手动模式下，操作员引入的输出变化构成用来分析过程输入和输出以获取模型的触发。

可以利用上述3种触发事件来开发反馈模型。对于前向模型识别，触发事件可为前向输入值变化。

一旦检测到触发事件，模块56和58以任何想要的方式通信，以支持数据收集。在一些实施例中，模块56推动数据收集，并且模块56还可以指示检测到触发事件。更具体地，控制模块50、52和54实现的控制环路可以连续地提供对数据的访问或使得数据可用。结果，也可以分析触发事件之前的一段时间内收集的数据来确定过程模型。例如，PID控制环路可以提供对块执行中使用的过程变量(例如PV)的当前数据值、块输出值(例如OUT)、前向反馈控制输入值(例如FF_VAL)、设置点、和指示环路运行模式的任何一个或多个参数的访问，数据就是为该PID控制环路收集的。在一些情况下，数据收集功能58可以方便参数或其它数据值的选择。可替代地或另外地，模型识别模块60可以包括确定需要收集哪些参数的配置列表块(多个块)64。为此，配置列表块64可以包括用于列表数据的存储器或其它存储机构。可以把控制块或模块的列表或其它标识与被确定的参数一起存储，模型就是要为这些控制块或模块产生的。

在与触发事件相关的数据收集之后的某个点处，模型识别模块60可以执行模型识别算法或计算例程66。模型计算例程66除了只是进行计算外，还可以分析计算的模型。这样的分析可以包括用来确定模型质量等的处理和/或控制诊断。然后，可以把计算的模型传递给保存每个控制环路的最后识别的模型(多个模型)的存储或其它块68。在一些情况下，控制环路可以具有被存储来支持例如反馈和前向控制的两个模型。如图2中所示，取决于由例程66的模型诊断确定的模型的质量，在确定之后，把计算的模型传递给块68。

模型的质量也可以是该模型是否被传递到控制模块50，52和54的控制功能块的决定性因素。在图2的示例性实施例中，控制模块50，52和54中的每个控制模块合并具有自适应的控制的至少一个控制环路，并且相应地，从所示出的模型识别例程60接收过程模型。然而，计算出或者由已公开的技术识别出的模型可以基于上述由块66确定的模型质量被处理和提供，在某些情况下，基于接收新模型的控制功能块的操作状态被处理和提供。

现在参见图3，工作站13中的一个的用户可以通过选择在工作站13上执行的调整或其他应用程序70提供的实时或历史数据发起过程模型的建立。这种用户发起的过程模型建立可以附加在结合图2所述的处理中。实际上，在图3所示的示例性实施例中，由调整应用程序70建立的模型被传递到的控制器11也包括模型指示例程60及其构造部分，即，数据收集功能58，模块计算例程66等。

除了用于建立过程模型的参数值和其他操作条件数据的源外，工作站13可以执行与过程模型的建立相同或相似的步骤。例如，工作站13可以包括模型计算和诊断模块或与控制器11的块66相似的块72。如已示出的，模型计算块72可以在将块传递到控制器11之前或同时，相应地确定建立的块的质量或其他方面。

在某些实施例中，工作站13可以由其他或替换的应用程序来提供类似的功能。一种情况中，其他应用程序可以提供支持由已公开的技术所识别的过程模型的分析或检查的一个或多个显示界面。有关这种应用程序的进一步的信息在以下给出。然而，同其他过程模型的产生一起，这些工作站应用程序可以产生提供选择模型建立所用过程数据的机会的趋势窗口或显示界面。使用这些趋势窗口或其他界面，用户可以选择数据，包括时间窗口。在这些情况下，达到稳定状态的时间可以相应地通过由用户选择的时间窗口确定。可替换实施例可以提供其他机制，以人工或自动选择时间窗口。

已公开的技术的实践不限于位于控制器11或过程控制系统10的工作站13中的模型识别例程。更一般地，这里描述的模型识别进程可以在其他装置或系统内中独立地或以分布式方式执行，并且与从其中收集潜在的参数或数据的环路以变化的程度协作和/或通信。例如，在某些情况下，模型识别进程可以以远程方式执行，和/或由通过OPC或其他界面在过程控制系统上分层的系统来执行。

如上所述，已公开的技术的实践不限于执行自适应控制例程的系统。而是在需要时，通过已公开的技术的过程模型的识别可以用于支持这些例程。

如4所示，与已公开的技术相关的自适应控制功能块74也可以包括一个或多个内存或其他存储机构76以保存或存储预定数目(如5)的如上所述的已被识别出的过程模型。在操作中，存储在内存76中的处理模型中的一个可以通过逻辑块78响应于一个或多个参数被随之选择以使用。在图4的示例性实施例中，块78基于选择的或者由输入80提供的确定的过程状态参数选择过程模型。也可以基于两个其他参数82和84进行确定，也可以符合反馈和/或前馈准则或允许操作状态适应改变的条件的设置。

针对功能块74的过程模型可以，但不是必须的，与可操作区域(例如，如所示出的区域1、区域2等)相关联。过程模型也可以根据功能模块的控制方案被成对地识别。在本示例性情况中，每个区域均是同时支持反馈和前馈过程的过程模型的决定性因素。选择区域后，反馈和前馈模型对可以被块78使用，以分别计算反馈和前馈调整参数。在图4示出的示例性情况中，前馈调整参数被提供给自动补偿块88，该自动补偿块88也响应前馈控制输入值(如，FF_VAL)，用于，例如，死时间(dead time)和超前/延后自动补偿。自动补偿的结果连同反馈调整参数一起，可以被传送到负责功能块的控制算法的执行的块或例程88。在这种情况下，反馈或前馈参数修正PID和模糊(fuzzy)逻辑算法，但任何控制方案，或控制方案的结合，可以被使用。

功能块74也包括块或例程90以支持控制环路调整的点播修正。到此，块90可以响应于通过控制器11、工作站13或过程控制系统10的任何其他元件或与过程控制系统10通信的装置输入的用户命令。通常，已被自动为环路识别的模型可以在需要时与选择出的调整规则一起使用以设置环路调整。如果模型没有被预先识别，则用户命令可以发起继电振荡(relayoscillation)或其他技术以将改变注入到控制输出中。响应于控制输出的改变而发展的结果的过程模型可以随之与所选择的调整规则一起用以设置环路调整或提供调整建议。

在某些情况下，由块90生成或作为触发事件(如，设置点或其他参数值改变)的结果的过程模型可以首先被保持以用于在下载到控制器11或功能块74前查看。例如，这种模型可以被归类为“未经批准的模型”，直到通过用户界面的分析后被提供批准执行。在某些实施例中，这种批准可以可替换地或另外地通过控制器11或工作站13中的诊断或其他功能被自动提供。

图5示出了自适应MPC控制块92中的环境的自适应块构架，其中，多个不同的可操作区域也被支持。在该上下文中，多个通过模型识别例程60识别的过程模型可以仍然被传送到所示出的内存或存储器94(与图4的内存76类似)，但模型参数可以先于在功能块92中的执行而被MPC控制器产生例程96处理。更具体地，例程96可以基于识别出的模型产生在内存98中存储的相应的MPC控制器。如所示出的，逻辑块100可以随之基于由输入或内存102、104和106提供的状态参数或其他参数的改变在用于产生MPC控制器的模型之间选择或切换。

然后，与所选择的过程模型相关联的MPC控制器可以被提供给MPC控制器108，用于在线处理中的实现。MPC控制块108可以支持所选择的MPC控制器的自动点播测试，其可以根据需要通过扰动输入110或其他的引入而被发起。

在某些情况下，图4和图5示出的示例性自适应控制功能块(及其他在已公开的技术中使用的块)通常支持三种操作模式：学习模式、调度模式和自适应模式。在学习模式中，过程模型可以被收集但不被自动用于确定环路调整。在调度模式中，新的过程模型可以被收集，而且被批准的那些模型将被自动用于确定环路调整参数。在自适应MPC块的情况下，这种被批准和应用的模型将随之被用在与当前可操作区域对应的控制产生中，因为，控制器将被与当前可操作区域自动切换。在自适应模式中，过程模型被收集、自动批准，并随之被自动用于确定环路调整参数。虽然每个功能块的默认设置可以为学习模式，但通过如工作站13执行的应用程序中的一个提供的显示界面可以在需要时提供改变设置的机会。

现在参见图6，工作站13执行的一个或多个应用程序为利用已公开的技术识别的控制环路和过程模型提供性能监控、分析、管理及相关功能。例如，性能监控功能可以包括过程模型历史的产生，指示已识别的过程模型的数据被输入到该过程模型历史中以用于后续使用或分析。关于过程模型历史的产生和使用的进一步的细节将在以下给出。在一种等级中，历史数据可以指定完全定义由已公开的技术识别出的每个过程模型的过程模型参数(如，死时间、时间常量和增益)。在历史数据的协助下，可以执行关于控制环路、其调整、控制方案(如自适应或非自适应)的多种分析。

在某些实施例中，过程模型历史的一方面被指向为所识别出的过程模型的事件编史(chronicle)。更具体地，每当过程模型在控制器11(图2)中被自动识别出，或被从实时或历史数据(图3)中被点播，模型识别例程60可以发送警报(或其他消息)给事件编史或跟踪模块112。事件编史模块112通过产生指定模型标识的时间和日期的数据，连同任何其他数据以方便该模型与特定控制环路、装置、工厂区域等的关联，来响应由该警报。在图6所示的示例性实施例中，为每个事件存储的数据包括与节点或控制环路相关联的装置的标签名、日期/时间戳、模型类型(如，通过识别诸如死时间、时间常量和增益之类的参数)、控制环路类型(如，功能块)、工厂区域号、调整准则和控制性能的诊断指示。前述(或其他)数据可以作为过程模型历史的一部分，经过应用程序116的处理后存储在数据库114中，应用程序116可以例如增加一个或多个元素到数据组中。应用程序116可以对应于指向每个控制环路的调整的监控和/或管理的一个或多个例程。

数据库114可以存储位于系统10中的多个控制器11中的控制环路的这种历史数据，且不限于使用控制器的任何特定类型。例如，数据库14可以存储诸如第三方控制器的数据。

更一般地，且如图7的示例性实施例所示，所公开的系统、方法和技术的实现可以被应用于遗赠(legacy)或第三方过程控制系统。换句话说，已公开的系统和技术可以在遗赠或其他过程控制系统“之上”实现。

在这些情况(及其他替换的实施例)中，工作站13通常包括或以其它方式在控制器11中实现的上述的模型识别功能。例如，工作站13可以包括具有数据收集功能120、配置列表模块122、模型计算程序124及用于为每个控制环路存储最后识别出的模型的内存126的模型识别模块118。除了与上述控制器11的模型识别模块60的元件对应的那些元件外，工作站13也可以为控制系统维持过程模型被识别时使用的虚拟控制器128。虚拟控制器128可以包括和存储，例如，反映每个控制环路的当前配置及其相应参数的标识的模型。也就是，由已公开的技术产生的模型和诊断信息被保存在为那个节点自动建立的模块中。这样，虚拟控制器128可以用与以与控制器11中实现的环路同时执行的方式完全相同的方式，通过调整、诊断等呈现信息。在控制系统的命名惯例不同于工作站13的命名惯例的事件中，与参数有关的定义可以由界面配置块134或工作站13的其他元件进行。

为支持已公开的技术的广泛应用，工作站13可以包括由块134配置的OPC(开放过程控制)或其他客户端界面132，以访问环路动态参数。一般来说，工作站13和遗赠或第三方控制系统之间的通信链路可以通过识别其OPC服务器及，在某些情况下，识别其他通信设置，如模型识别过程中涉及的一个或多个控制器138的标识建立。为避免开放过多(例如不需要的)通信端口，这种OPC连接可以使用隧道挖掘机(tunneler)软件制作。

现在提供由工作站13(遗赠的或标准、一体化环境)提供的应用程序以控制和管理已公开的技术的实现的进一步的细节。该应用程序通常支持过程模型的识别，如上所述，也提供与识别出的模型的使用相关联的功能。如上所述，在仅与自适应控制方案一起使用时，过程模型不需要被产生。不管控制例程是否为自适应控制程序，根据已公开的技术的过程模型的识别被实现。针对所有的控制环路——自适应的和非自适应的控制环路——识别过程模型通常提供对处理、过程控制系统和其特定元件的多种不同的分析的能力。也就是说，在某些情况下，已公开的系统可以由会话框、窗口、面板或其他显示界面提供选项以禁止其在逐节点(或逐环路)的基础上的模型识别。显示界面可以是由在工作站13上运行的应用程序的实现所产生的多个显示界面中的一个。这种显示界面的例子由图9-16提供。

再次参见图1，作为一般内容，工作站13包括(独立、分布式或任何其他方式)一组操作员界面应用程序和其他数据结构140，其可以被任何已授权的用户(例如配置工程师、操作员等)访问以查看并提供与连接在过程工厂10中的装置、单元等有关的功能。该组操作员界面应用程序140存储在工作站13的存储器142中，且该组应用程序140中的每个应用程序或实体被适于在与每个工作站13相关联的相应处理器144上被执行。虽然整个该组应用程序140示出为存储在工作站13中，但这些应用程序中的某些应用程序或其他实体可以在其他与系统10相关的或通信的工作站或计算机装置上存储和执行。而且，该组应用程序140可以提供显示输出到与工作站13相关联的显示屏146或任何其他需要的显示屏或显示装置，包括手持装置、膝上型电脑、其他工作站、打印机等。类似地，该组应用程序140中的应用程序可以被分解，并在两个或更多计算机或机器上执行，并可以被配置为互相关联操作。

图8示出了更详细的示例性工作站13以及已公开的系统、方法和模型识别技术的实现。具体地，该组应用程序140可以包括多个应用程序、例程、模块、及其他，如这里所述的，指向基于模型的控制系统10的监控和管理的实现的程序(procedural)元件。应用程序、例程、模块和元件可以由软件、固件和硬件的任意组合来实现，且不限于图8所示的示例性排列。例如，一个或多个应用程序可以以任何需要的程度被结合。

应用程序组可以包括历史应用程序148，其专用于当模型被通过上述技术被识别时支持对过程模型数据(如，参数)进行记录。到此，历史应用程序148可以与历史数据库12、模型数据库114或任何其他内存或存储机构通信。如上所述，过程模型数据可以与将过程模型的识别编史(或data leadingthereto的收集)的数据一起或关联被存储。历史应用程序148也可以提供分析功能，如选择的模型参数的总值、平均值或其他值的计算。历史应用程序148也可以方便通过一个或多个显示界面查看这种计算出的值及潜在的存储的数据。

第三方界面应用程序150可以被提供以支持和维持与第三方或遗赠过程控制系统的通信链路，如结合图7的描述。到此，应用程序150可以产生多个显示界面以方便通信链路的配置、维持和虚拟控制器128的使用，并以别的方式支持该界面。

进一步的显示界面可以由指向支持与控制器11的通信的应用程序152提供。这种通信可以涉及或包括在控制器11中执行的自适应控制例程的配置和维护。在贯穿应用程序组的情况下，显示界面可以采取任何形式，包括但不限于发电机、面板、细节显示、会话框及窗口，且可以配置为以不同的显示类型显示。

应用程序组可以包括应用程序154，其专用于与调整相关的过程模型信息一起使用。作为上述识别技术的结果，调整应用程序154指向通过自动计算调整参数提高过程控制性能，该参数来自自动计算工厂中正常的逐天变化，或来自点播调整测试。调整结果可以用于“开环”调整建议和“闭环”自适应控制。

更具体地，调整应用程序154可以产生多个显示界面以支持为无论是开环还是闭环操作中的所有环路的连续调整计算的性能。调整计算支持PID、模糊逻辑及MPC控制器的标准和自适应控制，因此，为反馈和前馈控制提供调整建议。调整应用程序154也可以使用继电振荡或其他程序提供如上所述的点播调整。

调整应用程序154已访问存储在历史数据库12和/或模型数据库114(或所需要的其他地方)中的过程模型历史数据，包括过程模型参数和过程值，因此，可以使用历史过程模型数据计算最优调整。到此，显示界面可以提供或包括容易的精读历史以定位和选择适合这种调整计算的数据的工具。由调整应用程序154产生的显示界面的这方面一般允许用户改变模型参数(如稳定状态的时间、事件触发阈值)，重新识别模型或者识别之前没有被激活用于自动模型识别的环路的模型。

调整应用程序也可以提供界面以支持调整计算结果的历史的分析。这种能力可以方便自适应控制机会的分析及自适应控制配置的改进。

如上所述，调整应用程序154可以提供界面以支持当对过程进行少量的手动改变(如控制器输出上的自动注入)时，帮助识别控制器调整的控制“扰动”的引入。可以通过界面提供选项以在一旦好的调整被计算出时将扰动禁止。如果多个控制环路被扰动，移动可以被同步以分散和最小化过程干扰。

调整应用程序154可以响应于过程状态和其他状态指示，以便任何计算结果被相应地识别出。这样，已公开的系统避免了在错误状态或存在坏的过程数据时计算出的信息的使用。到此，模型相关的计算，可以根据在适当地方进行解释来指示结果是好、是坏还是可用。

调整应用程序154也可以产生概要报告以传送除其它以外的调整建议信息和文件调整改变的用户日志和任何自适应控制调整分析。

关于由调整应用程序154(无论是单独还是与其他应用程序一起)产生的进一步的细节将结合图12-16进行呈现，图12-16一般性的描述了提供给用于以方便上述功能的过程模型和控制环路的视图。

继续参考图8，应用程序156被一般性的指向使用由已公开的技术识别出的过程模型的自动控制性能监控。应用程序156更具体的指向提高过程控制性能，其是通过方便或自动执行(i)控制改进的时机的识别，(ii)控制问题源的分析和诊断，和(iii)对操作、控制和维护人员有意义的性能报告的产生。到此，应用程序156可以基于过程模型产生控制性能指标。该“基于模型的”指标提供更好的基准以识别需要重新调整的控制环路。新的指标基于诸如过程可变性、识别出的过程模型及现有的控制器调整来衡量改进控制的机会。如果适用，当环路处于不适当的单元状态，或当其他状态指示(如Fieldbus状态)或I/O通信差，这种性能监控可以考虑单元状态并排除性能计算。也可以为所有的阀提供阀接触面阻力、反撞力和其他阀诊断指标。

前述特征和下述特征通过使用由所公开的技术自动建立的过程模型所作的控制性能的比较被一般性的提供。通过该过程模型的使用，被较差调整的控制环路和影响控制性能的过程中的改变可以被识别。过程模型中从历史值的偏离可以作为潜在的过程问题用于标记控制环路。

此外，使用过程模型，振荡指标也可以由应用程序156产生以标识振荡的环路。更具体地，振荡分析工具可以标识具有相同的振荡周期的其他环路，且可以与主环路交互。该信息可以随之被用于标识过程交互和可能的设计建议。

应用程序156提供的诊断信息可以伴随有较差控制性能的期望原因的指示。例如，诊断可以指示较差控制性能是否由使用仪器误差、阀接触面助力或后冲、过程交互或控制器调整引起的。

一般来说，控制性能监控信息可以以任何需要的形式被提供，需要的形式包括多个用户化的显示界面和报告。历史性能报告可以被提供以显示控制环路是如何在用户指定的时间周期内执行的。每个报告的默认时间周期包括最后小时、最后轮班(8小时)、最后天、最后周、最后月。用户可以被提供选项以从概要报告中“drill down(向下钻取)”以访问具体环路信息。针对管理概要，报告或界面可以利用具有工厂宽度和各个处理单元的总体加权的性能指标，趋势和/或包括将当前周期与先前周期比较的表，和具有相应性能测量的最高优先权环路被用户化。维护报告可以呈现控制环路性能指标并基于其对工厂操作的相关重要程度对工作项目区分优先次序。其他报告可以提供包括控制性能指标的数据、标准偏差、振荡指标、过程模型(如果可用)、自动和交叉相关、柱状图、功率谱等统计。

应用程序156提供的信息相关的进一步细节通过图9-12描述的示例性显示界面被提供。

应用程序组也可以包括独立的控制环路分析应用程序158。在某些实施例中，应用程序158通过由显示界面应用程序156产生的显示界面被设为可用。在任何事件中，应用程序158支持历史库或与上述模型识别技术有关的收集的实时数据的分析。数据可以通过方便从未测量的干扰和测量噪音中检查控制中的变化的界面。例如，由应用程序154和156识别的问题可以使用分析应用程序158进一步检查以进行诊断。到此，由此产生的显示界面可以为计算功率谱、自相关和柱状图数据提供选项。

咨询器应用程序160一般可以提供使用所识别的与诊断有关的模型的功能，以检测异常状况或机会，从而通过调整或算法修正来改进控制方案。由咨询器应用程序160提供的信息可以提供在任意类型的显示界面中，包括通过工作站13、控制器11或与系统10进行通信的任意其它元件所生成的面板。在一个具体的例子中，显示界面可以具有用于指示诸如“Check Tuning”之类的新咨询消息的显示的标志。

更一般地说，咨询器应用程序160可以提供由程序组中的任意一个应用程序所实现的分析或诊断的结果而生成的推荐。此外，该推荐不一定由该咨询器应用程序生成的显示界面来提供，而是可以发送给程序组中的任意一个或多个应用程序来显示。这样，诸如“New Tuning Available(新调谐可用)”、“Examine Process-significant change in process has been detected(检查过程-已经检测到过程中的显著变化)”、“Check Valve-dead band/hysteresis large(核对阀-死区/滞后大)、“Check Tuning-loop unstable(检查调谐-环路不稳定)”以及“Control could be improved using MPC/Adapt(可利用MPC/适应改进控制)”之类的推荐和消息一般可以通过工作站13或与过程控制系统10进行通信的其它设备来提供。除了消息或推荐的显示之外，关于潜在状况的细节也可以针对控制环路被存储为历史或其它参数。然后，随后对针对控制环路所存储的数据的访问和使用可以将细节或相关消息显示给程序组中的咨询应用程序或其它应用程序的用户。

同样支持所公开的技术的实施的其它应用程序包括便于在过程控制系统10中巡弋的控制工作室应用程序162和用于生成前述报告的报告生成应用程序164。最后，也可以提供一个以上的存储器或数据库166作为应用程序组的部件。

图9描绘了示例性显示界面168，该显示界面可以由性能监控应用程序156(或可替换地，由其它应用程序的任意一个或多个)来生成，以呈现根据过程模型检查分析得到的概览信息。在该具体的例子中，显示界面168呈现指示整个过程控制系统10中控制例程或模块的状况或通过分级树面板170所选择的过程控制系统10任意区域的状况的信息。控制性能可以通过包括“Incorrect Mode(错误模式)”、“Limited Control(有限控制)”、“UncertainInput(不确定输入)”以及“Large Variability(大的可变性)”的类别在图表面板172中详细说明或概述。将控制模块、功能块或例程的指派或分类成这些种类中的一种一般可以由通过公开的技术所识别的过程模型来实现，或可以使用公开的技术所识别的过程模型来自动实施。显示界面168还包括资产告警图表面板174，以呈现关于被认为失败的、不久需要维护的、具有咨询告警的或经历通信失败的资产的数目的统计信息。

图10描绘了同样可以由性能监控应用程序156生成的示例性显示界面176。显示界面176一般也可以呈现控制性能信息，但是以更详细的级别来呈现。在该例子中，性能信息是针对分级树面板中被选中的区域中的各个控制环路或模块来呈现的。针对特定的控制环路所检测的各个异常状况可以记录在表格中，该表格在异常模式、受限的控制、输入状态、高可变性或停用(inactive)的有关设备所关联的问题之间有所不同。还可以连同关于是否已生成对异常状况进行描述的报告的指示一起来显示优先等级。

图11描绘了同样可以由性能监控应用程序156生成的示例性显示界面178。显示界面178类似于图10的界面176，不同的是呈现性能信息的控制等级。在这种情况下，通过面板170来选择模块或环路，并且针对其各个功能块来呈现性能信息。然后，特定块的诊断信息可以通过选择(例如右击)表格中所显示的块名称来访问。

图12描绘了可以由包括调整应用程序154和性能监控应用程序156的一个以上应用程序来生成的示例性显示界面180。一般而言，显示界面180便于对所选择的控制元件(例如PID1)的诊断计算结果进行审查。在需要时还可以显示通过计算得到的统计学的极限值，用于进行比较和用户修正。当超出极限值时，告警可以指示相关的状况。更一般地，呈现在显示界面180中的信息以及潜在的计算指示作为这里公开的过程模型识别技术的结果如何对控制环路的稳定性进行连续监控。

图13描绘了便于建立针对自动过程模型识别以及点播(on-demand)模型识别的控制环路的示例性显示界面182。通过界面182提供多个面板，以指明触发事件类型、触发事件等级、参数改变最大值等。以此方式，显示界面182能够使用户在逐个节点或逐个环路的基础上定制过程模型识别程序。

图14一般性地描绘用户可以对所保存的过程模型进行形象化的方式，以便除了其它目的之外确定需要多少个区域。更具体地，显示界面184包括面板186和模型图表面板188，其中面板186列出过程模型历史信息，模型图表面板188通过各水平线示出经批准的模型值，并通过点示出所识别的并且存储在历史数据库中的过程模型的参数。如上所述，各模型可以针对多个区域(例如五个)被批准，并且模型参数的变量可以便于区域的识别，或者另外有助于调整推荐。

图15和16分别描绘了最近识别的与模糊逻辑控制块和MPC块有关的模型的过程模型信息。到此，显示界面190和192提供过程模型的各自的图形表示以及多个面板192、194、196和198，以支持测试、调整计算、控制器参数设置、调整仿真和调整选择。

图17指向本公开的与对过程模型存储器(例如数据库114、控制器存储器等)或其它过程模型历史仓库进行动态管理有关的另一方面。假设每次检测到过程中的变化时都可以更新或识别过程模型，则随着连续地识别出过程的新模型，数据库114中的过程模型就可以持续地增加。在一些实施例中，针对一个以上不同控制例程的不同操作区域，一天可以多次识别出过程模型。例如，针对过程功能块的控制例程的不同操作区域的过程模型可以存储在控制器11的存储器中。在连接到多个控制器的工作站中，不同控制例程的过程模型可以存储在存储器或数据库中多个控制例程的不同操作区域的多个过程模型的顶端。为了减少多余的或假的过程模型信息，同时保留有用的过程模型信息，以下描述提供了对存储在存储器、数据库或其它这类知识仓库中的过程模型历史进行管理的技术的例子，包括硬件和软件。例如，在一些实施例中，可以对多个过程模型的数量和相应的存储器需求进行管理来与维护具有高置信(例如质量)因子相关的过程模型进行平衡。

这里描述的过程模型管理技术可以在过程正在运行的同时实时操作，并且可以由工作站13、控制器11或将过程模型历史保持为后台进程的任意其它设备来执行。换句话说，过程模型管理技术可以以较其它应用程序低的优先级来执行，从而使其它应用程序具有高于系统资源的优先级。例如，过程模型管理技术可以作为仅在可获得系统资源时从过程模型历史中移除过程模型的批处理来执行。也就是说，无论何时执行过程模型管理技术，都可以从模型数据库中移除一个以上过程模型。在一些实施例中，过程模型管理技术在过程环路的基础上自动发生，从而随着新的过程模型被识别而对过程模型历史进行管理。例如，使用在过程环路的基础上执行的批处理，如果过程模型历史存储了200个过程模型，并且一次将移除/删除10个过程模型，则当识别出第201个过程模型时，过程模型管理技术的执行在过程模型历史中导致190个过程模型加上第191个过程模型(对应于第201个过程模型)。应该注意的是，一次将移除/删除10个过程模型的以上例子仅仅为了示例的目的，实际数目可以根据需要来配置或实施。过程模型可以通过从过程模型历史的存储器或数据库中删除过程模型来移除，这可以包括将删除的过程模型复制到大容量储存数据系统中，该大容量储存数据系统提供可能对分析、趋势确定等有用的过程模型的长期储存。

这里所描述的过程模型管理技术可能在智能控制系统中尤其有用，其中智能控制系统包括以上所述的可以在控制器中实现模型识别的那些系统。一般来说，过程模型管理技术删节与至少控制器11和/或工作站13不再相关或对至少控制器11和/或工作站13不再有用的过程模型的过程模型历史。该技术一般使用预先确定的优先级标准来确定过程模型的相对优先级。例如，优先级标准可以包括但不限于模型质量的测量和模型寿命(例如时间)的测量。这种优先级标准可以例如将高于旧过程模型的重要性给予最近的过程模型，并且将比具有较低质量指标的过程模型更高的重要性给予具有较高质量指标的过程模型。

模型寿命可以根据各种规格来测量，例如第一次识别出该过程模型的时间、识别进程开始识别该模型的时间、在控制过程中首先使用该模型的时间、在控制过程中最后使用该模型的时间、该过程模型被识别或使用的顺序等。模型质量的测量也可以基于各种规格。例如，当对过程模型进行识别时，可以对新识别出的过程模型进行检查，检查的结果将质量指标或其它质量因子作为过程模型的属性。

一般地，模型质量是过程模型的置信度的指示器，并且可以基于各个操作区域的模型的历史。例如，可以考虑质量因子和模型随时间产生的偏离。在一些实施例中，模型质量因子可以是该过程模型各个参数的最后三个误差与直观推断(heuristics)的合成。并且，在一些实施例中，各个参数的质量因子可以在几个步骤中确定。首先，确定三个误差的最小值(min3error)和最大值(max3error)。然后，确定中间的误差(error_middle)是否是最小的一个。进一步确定最大与最小误差的比率(error_min_max)针对自调节过程是否高于1.75，针对集成过程是否高于1.25。然后，可以根据以下公式来计算模型参数的模型质量因子：

$\mathrm{quality}\_\mathrm{factor}=\mathrm{quality}\_\mathrm{bias}+\mathrm{quality}\_\mathrm{mod}\mathrm{ifier}*(1-\frac{\min 3\mathrm{error}}{\max 3\mathrm{error}})$

其中，quality_factor和quality_modifier可以根据下面的单个模型参数质量因子计算常数来计算：

 

条件	quality_bias	quality_modifier
			error_middle & error_min_max为真	0.4	0.6
error_middle & error_min_max之一为真	0.2	0.5
			error_middle & error_min_max为假	0.1	0.2

模型识别的最终质量因子总体上是根据以上所述的模型识别技术所识别的各个模型参数的质量因子的合成。作为一个例子，假设模型参数包括增益、死时间和/或时间常数，则分别针对自调节过程和集成过程的质量因子的合成可以确定为：

final_quality_factor_sr＝a*gain_qf+b*tc_qf+c*dt_qf

final_quality_factor_int＝a*int_gain_qf+c*dt_qf

其中，gain_qf是针对自调节过程的增益质量因子，int_gain_qf是针对集成过程的增益质量因子，tc_qf是时间常数质量因子，并且dt_qf是死时间的质量因子。常数a、b和c可以根据下表中的质量因子计算常数来定义：

 

过程类型	a	b	c
				自调节	0.6	0.2	0.2
集成	0.7		0.3

最终模型结果可以提供为在所识别的操作区域中先前识别的模型与新识别的模型的混合。例如，模型识别结果可以是由下限与上限之间的范围与配置值(例如0.1...0.5)的乘积所限制(例如，被钳位)的速率。另外，依赖于过程的类型(自调节的或集成的)，新的过程模型可以由根据以上公式7或8的最终质量因子进行加权。例如，新的过程过程模型可以根据以下公式进行加权：

new_mod el＝previous_mod el*(1-final_quality_factor)+

          rate_limited_model*final_quality_factor

作为控制功能74中的模型计算的一部分，新的模型可以存储在执行模型识别时所针对的操作区域76中。在一个例子中，可以针对各个操作区域来存储五个模型增益的过程模型历史和质量因子的运行(running)平均值。为了更新根据以上所述的技术所识别的模型的质量，可以使用以下公式来更新质量因子的运行平均值：

new_qf_avg＝old_qf_avg*0.7+identification_qf*0.3

可以计算最后五个模型增益的平均值、最小值和最大值，同样可以计算偏离与平均值的比率。在一个例子中，偏离与平均值的比率可以计算为：

$\mathrm{dev}\_\mathrm{to}\_\mathrm{avg}=\frac{(\max \_\mathrm{gain}-\min \_\mathrm{gain})}{\frac{2.0}{\mathrm{avg}\_\mathrm{gain}}-0.25}$

并且被限制在0.0与1.0之间。然后最终模型质量可以计算为：

new_final_model_quality＝old_final_model_quality*0.5+

         new_qfavg*0.5*(1-dev_to_avg)

以上模型质量因子仅为了示例的目的而提供，本领域普通技术人员应该理解，可以针对各个过程模型使用各种质量测量。然而，还应该理解的是，寿命、质量或任意其它优先级标准应该在各种过程模型中相一致，从而使得过程模型的优先级区分基于相同的标准集合。

在以下进一步描述的一个实施例中，过程模型管理技术呈现为解决找出多维空间中的最小距离点的问题，其中优先级标准是多维空间的轴(例如，维度)，而单个过程模型被表示为多维空间中根据轴的坐标所定义的点。一般参见图17，根据两个以上优先级标准来定义多维空间。在多维空间中根据优先级标准来组织过程模型，仅为了示例的目的，该优先级标准公开为模型寿命(模型号)和模型质量(质量)。然而，应该认识到，可以使用两个以上的优先级来定义多维空间，并在多维空间中组织过程模型。

如图17中所示，根据特定的值对模型寿命和模型质量优先级标准中的每一个进行定量。例如，优先级标准之一基于模型寿命时，模型寿命可以呈现为模型号，以标准化各种类型的快或慢的过程环路，其中较大的模型号对应于较新的过程模型。同样，模型质量因子可以呈现为例如模型质量指标(在图17中表示为“质量”)的值，其中较高的指标值表示与具有较低指标值的过程模型相比具有的较高质量或置信度的过程模型。

优先级标准中的任一个或所有优先级标准都可以根据与其它优先级标准的比较进行加权。加权，更具体地说是加权值，可以对应于一些优先级标准与其它优先级标准相比的相对重要性。例如，较高的权重可以与相比于模型寿命的模型质量优先级标准相符合。也就是说，为了区分模型质量与模型寿命的优先顺序，最大的模型质量(Max Q)可以被设置为最大模型寿命(例如，如果使用模型号来表示模型寿命，则最大模型寿命是最大模型号)的两倍。参见图17和以上所提供的例子，如果一旦过程模型的总数超过200个(例如，第201个过程模型被识别出)则将要从过程模型历史中一次删除/移除10个模型，那么由此在过程模型历史中留下最大值190个过程模型，则最大模型质量为380。然后，各个过程模型的模型质量标准值可以由该指标进行标准化：

$\mathrm{normalized}\_\mathrm{mode}l\_\mathrm{quality}=\frac{\mathrm{mode}l\_\mathrm{quality}}{\mathrm{MaxQ}~380}$

应该认识到，针对此的模型质量或任意其它优先级标准可以由任意实施的值(例如，Max Q＝1.0)进行标准化。

过程模型历史中的每个过程模型或至少是那些针对特定控制例程和/或操作区域而存储的过程模型都可以根据优先级标准进行组织。具体来说，可以根据与优先级标准轴有关的坐标值在多维空间中组织各个过程模型。参见图17，‘+’表示对应于模型寿命和模型质量(模型号、质量)根据坐标值而组织的单个过程模型。

通过根据多维空间中的坐标来组织各个过程模型，可以计算从基准点的距离或分离程度，其中基准点对多维空间中所组织的所有过程模型是公共的。也就是说，参见图17，可以基于过程模型与基准点的接近度来确定所选择的用来移除/删除的过程模型。例如，如果基准点对应于表示模型寿命的优化最少值(least optimal value)(例如，最老的可能寿命或最小的模型号)和模型质量的最差优值(例如，最小的可能质量)的优先级标准值，则可以在多维空间中计算基准点与各个过程模型之间的距离。然后，对应于较短距离的过程模型可以是从过程模型历史中移除的候选。在另一例子中，基准点可以对应于表示模型寿命和模型质量的最优值的优先级标准值，在这种情况下，对应于最远距离的过程模型(例如，与基准点具有最大分离程度)可以是用于移除的候选。

参见图17，从坐标(1，0)开始的线表示模型离开原点的距离，如针对模型A、B、C和D所示。其中基准点对应于多维空间的原点，各个过程模型与基准点之间的距离或分离程度的计算可以简化为过程模型各坐标值的平方和：

(degree_separation)²＝(priority_criterion_1)²+(priority_criterion_2)²+...

可以在该公式中使用优先级标准的标准化值。不考虑针对优先级标准所使用的特定值，因此分离程度或距离可以表示为从基准点到过程模型的分离程度或距离的平方。然后，可以根据该分离程度来区分过程模型的优先级，其中如果基准值是最差标准值，则从过程模型历史中选择最低值(例如最低的10个值)用于移除，或者如果基准点是最优标准值，则选择最高值用于移除。在计算中，可以使用标准化后的距离或分离程度。

选择用于移除并且接下来被移除/删除的过程模型的数目可以遵从判断标准或参数的数目。在一些实施例中，可以假设过程模型历史中过程模型的数目的上限或阈值，超过该上限或阈值，则执行过程模型管理技术。例如，当已经针对特定的控制功能块在过程模型历史中存储了超过200个过程模型，则执行过程模型管理技术来从过程模型历史中移除超量的过程模型。这些参数可以由附加参数来约束，其中附加参数例如针对给定的操作区域待保留的过程模型的数目的极限值(例如每个操作区域20个过程模型的最小阈值)。同样地，每个控制功能块的过程模型的总数可以被限制为小于或等于200，并且在控制功能块中每个操作区域的模型数目可以建立为大于或等于20。给定这些参数，任何时候当第一参数条件不满足从而使第二参数条件满足时，就根据过程模型管理技术移除过程模型历史中的过程模型。

在从过程模型历史中移除过程模型时可以使用的附加判断标准或参数的例子可以包括，不管过程模型在多维空间中如何组织都保留最后识别出的过程模型、对具有较高质量数的过程模型的偏爱、对较新的过程模型的偏爱和/或区域、状态变量等的当前设置。作为最后判断标准的例子，可以接受的是即使用户接下来会改变区域边界使得在该操作区域中没有模型，也根据过程模型管理技术来移除/删除当前操作区域中的过程模型。

更进一步地，选择用于移除/删除的模型可以受到平衡优先级标准的函数的约束，以便于保留仍然有用和/或相关的过程模型，而移除/删除那些具有较小用处和/或相关的过程模型。例如，过程模型管理技术可以通过保留具有高质量指标的旧的过程模型并保留具有低质量指标的较新的过程模型来平衡模型质量和模型寿命。该平衡可以由优先级标准的线性或径向函数来表示。参见图17，针对过程模型管理技术的概念化，虚线表示作为第一等级(the first cut)的线性边界，在该线性边界下面的模型将被选择从过程模型历史中移除/删除。该线性边界可以提供为模型质量和模型寿命的函数：

2(model_age)+model_quality＝400

以上的示例性线性函数基于由最大指标380标准化的模型质量和在触发过程模型管理技术之前最大的模型寿命200。如果使用以上公式过程模型的坐标值(例如优先级标准值)得到一个小于400的值，则该过程模型是用于移除/删除的候选。如果基于以上公式，坐标值得出一个等于或大于400的值，则该过程模型可以排除在移除/删除之外。因此，可以对过程模型的寿命和质量或其它优先级标准进行平衡，从而使仍然有用且相关的较旧的模型由于关联的高质量因子而被保留，并且使仍然有用且相关的低质量模型由于关联的合适时间性因子也被保留。以上线性公式可以基于多个不同优先级标准中任意一个的期望的或实施的最大值或其它阈值而变化。

尽管以上阈值函数被给定为线性函数，但在实际应用中，实际的阈值可以提供为径向函数，如图17中所示的四分之一圆，其中半径是到待删除的最末过程模型的距离。也就是说，如果每次执行过程模型管理技术，会删除10个过程模型，则具有第10最低分离程度或距离的过程模型(再次假设基准点对应于最差标准值)用作阈值的基础。也就是说，具有比第10最低分离程度和距离小的分离程度或距离的任意过程模型将被移除/删除。换种方式说，第10最低过程模型的分离程度或距离用作径向函数的半径，该径向函数使用原点作为基准点，并且所有落入该半径的过程模型都是供移除/删除的候选。

已经根据各种标准组织了各个过程模型，例如通过根据由作为多维空间维度的优先级标准所定义的多维空间中的坐标来组织各个过程模型，因此可以从公共基准点计算得到分离程度或距离。使用分离程度或距离，可以遵从于若干判断标准、参数或阈值，来选择移除/删除并随后从过程模型历史中移除/删除的过程模型。例如，过程模型可以遵从根据优先级标准的函数(例如，线性函数或径向函数)来平衡相关性和有用性的阈值。为此，可以对优先级标准进行加权，以给一个优先级标准提供比另一优先级标准更高的重要性。可以仅基于特定的判断标准或阈值，针对特定过程历史、控制例程或操作区域来执行过程模型管理技术和/或移除/删除过程模型，其中特定的判断标准或阈值例如针对同一控制例程所识别的过程模型的总数和/或针对同一操作区域所识别的过程模型的总数。

基于以上过程模型管理技术，技术特征可以包括：维持模型数据库中的信息的有效性、自动处理不同的过程和操作状况(例如，慢/快响应、稳定的/变化的状况等)、传送用于分析的一致的信息、得到系统存储器需求的合理范围并排除用于执行管理性或“清除”任务的干扰。该技术可以在多种过程类型中实现，这些过程模型包括但不限于SISO、MIMO等。该技术还可以针对多种过程信息来实现，这些过程信息包括但不限于模型、统计、专家系统等。该技术可以自动确定最相关的信息，从而可以是自学习的。该技术可以进一步针对自调整控制器来自动确定最相关过程模型，并基于模型寿命和质量来自动确定丢弃的模型。

这里在与过程模型的使用有关的广义上使用术语“识别”及其任意派生词，以包括整个过程模型、用于定义模型的任意一个或多个参数、或其特征的任意其它定义的创建、生成，并且包括得到整个过程模型、用于定义模型的任意一个或多个参数、或其特征的任意其它定义的其它处理。

任意以上所述的应用程序和技术可以实现为例程、模块或一个以上集成应用程序的其它组件，并且可以分布并实现在一个以上连接至网络(或在其它情况下以可通信方式互连)的工作站、主机或具有存储器和处理器的其它计算设备中。所公开的应用程序功能的布置仅为了易于图示的目的而提供，并不表示可以将该功能提供给操作员或其它用户的宽范围的方式。此外，以上所述的应用程序可以根据需要依赖于用户偏好、上下文和其它参数而变化的形式来提供。例如，针对一种用户类型(例如工程师)所生成的显示界面视图可以在内容上或其它方式上不同于针对不同用户类型(例如维护人员)所生成的视图。

当实现时，这里所述的任意软件可以存储在计算机或处理器等的RAM或ROM中的任意计算机可读存储器上，例如存储在磁盘、光盘或其它储存介质上。同样地，可以使用任意已知的或期望的传送方法，包括例如在计算机可读盘或其它可传输计算机储存机构上或通过诸如电话线、因特网、万维网、任意其它局域网或广域网等，将该软件传送给用户、过程工厂或操作员工作站(其中该传送可以视为与通过可传输储存介质提供这类软件相同，或可与通过可传输储存介质提供这类软件进行交换)。此外，可以在没有调制或加密的情况下提供该软件，也可以在通过通信通道传输之前使用任意合适的调制载波和/或加密技术对该软件进行调制和/或加密。

尽管参考具体的例子对本发明进行了描述，其中具体的例子仅是示例性的，而并不在于限制本发明，但是对于本领域普通技术人员来说，可以在不超出本发明的精神和范围的情况下对所公开的实施例进行改变、增加或删减。

Claims (21)

1、一种管理过程模型历史的方法，所述过程模型历史中存储有多个过程模型，所述方法包括：

根据第一优先级标准和第二优先级标准的组合来组织多个过程模型，其中各个过程模型根据与所述第一优先级标准有关的值和与所述第二优先级标准有关的值的组合来表示；

计算各个所组织的过程模型之间的分离程度和各个所组织的过程模型的公共的基准点，其中所述基准点包括与所述第一优先级标准有关的值和与所述第二优先级标准有关的值；以及

如果在从所述模型历史中移除过程模型之前，针对与待移除的过程模型相同的控制例程所识别的过程模型的总数超过与针对控制例程所识别的过程模型的总数有关的阈值，则基于所述分离程度从所述模型历史中移除所述过程模型。

2、根据权利要求1所述的方法，其中针对过程控制系统中的控制例程的操作区域来识别各个过程模型，并且其中移除所述过程模型包括：如果在移除所述过程模型之后，针对与移除的过程模型相同的操作区域所识别的过程模型的总数超过与针对操作区域所识别的过程模型的总数有关的阈值，则基于所述分离程度移除所述过程模型。

3、根据权利要求1所述的方法，其中所述基准点包括与所述第一优先级标准有关的优化最少值以及与所述第二优先级标准有关的优化最少值。

4、根据权利要求1所述的方法，其中所述第一优先级标准和所述第二优先级标准中的至少一个优先级标准包括加权标准。

5、根据权利要求1所述的方法，其中所述第一优先级标准和所述第二优先级标准中的至少一个优先级标准包括由模型质量的测量和模型寿命的测量组成的组中的一个以上。

6、根据权利要求5所述的方法，其中针对过程控制系统中的控制例程的操作区域来识别各个过程模型，并且其中针对所述控制例程的所述操作区域最后识别的过程模型不从所述过程历史中移除。

7、根据权利要求1所述的方法，其中从所述模型历史中移除过程模型包括：基于在移除的时刻变化的操作区域设置和控制例程状态，从所述模型历史中移除过程模型。

8、根据权利要求1所述的方法，其中从所述模型历史中移除过程模型包括：如果与所述第一优先级标准和所述第二优先级标准有关的过程模型值小于基于所述第一优先级标准和所述第二优先级标准的最大阈值，则基于所述分离程度从所述模型历史中移除过程模型。

9、根据权利要求8所述的方法，其中所述最大阈值包括基于所述第一优先级标准和所述第二优先级标准的线性函数。

10、根据权利要求1所述的方法，其中所述最大阈值包括基于从所述模型历史中移除的且具有与所述基准点具有最大分离程度的过程模型的第一优先级标准和所述第二优先级标准的过程模型值的径向函数。

11、根据权利要求1所述的方法，其中从所述过程历史中移除过程模型包括从所述过程历史中移除多个过程模型的批处理。

12、一种从存储多个过程模型的存储器中选择用于移除的过程模型的方法，所述方法包括：

定义多维空间，所述多维空间具有作为所述多维空间的第一坐标轴的第一优先级标准，并且具有作为所述多维空间的第二坐标轴的第二优先级标准；

根据与所述第一优先级标准有关的第一坐标值和与所述第二优先级标准有关的第二坐标值，在所述多维空间中组织存储在存储器中的过程模型；

相对于所述多维空间中所组织的过程模型公共的基准点来计算各个过程模型的位置，其中所述基准点包括与所述第一优先级标准和所述第二优先级标准的优化最少值有关的坐标值；以及

基于所述过程模型到所述多维空间中所述基准点的接近度来选择用于删除的一个以上的过程模型。

13、根据权利要求12所述的方法，其中所述基准点包括所述多维空间的原点，并且其中选择用于删除的一个以上的过程模型包括：基于从所述原点的最小距离来选择用于删除的一个以上的过程模型。

14、根据权利要求12所述的方法，其中所述第一优先级标准和所述第二优先级标准中的至少一个优先级标准包括加权的标准。

15、根据权利要求12所述的方法，其中所述第一优先级标准和所述第二优先级标准中的至少一个优先级标准包括由模型质量的测量和模型寿命的测量组成的组中的一个以上。

16、根据权利要求12所述的方法，其中针对过程控制系统中的控制例程的操作区域来识别各个过程模型，并且其中针对所述控制例程的所述操作区域最后识别的过程模型不被选择用于移除。

17、根据权利要求12所述的方法，其中选择用于删除的过程模型包括：基于在移除的时刻变化的操作区域设置和控制例程状态，来选择用于删除的过程模型。

18、根据权利要求12所述的方法，其中选择用于删除的过程模型包括：如果与所述过程模型的所述第一优先级标准和所述第二优先级标准有关的坐标值低于基于所述第一优先级标准和所述第二优先级标准的最大阈值，则基于所述过程模型到所述多维空间中所述基准点的接近度来选择用于删除的过程模型。

19、根据权利要求18所述的方法，其中所述最大阈值包括基于所述第一优先级标准和所述第二优先级标准的线性函数。

20、根据权利要求18所述的方法，其中所述最大阈值包括基于从所述模型历史中移除的且具有与所述基准点具有最远接近度的过程模型的第一优先级标准和第二优先级标准的坐标值的径向函数。

21、根据权利要求12所述的方法，其中针对过程控制系统中的控制例程的操作区域来识别各个过程模型，并且其中选择用于删除的一个以上过程模型包括：如果在删除选择的过程模型之前，针对与该选择的过程模型相同的控制例程所识别的过程模型的总数超出与针对控制例程所识别的过程模型的总数有关的阈值，并且如果在删除选择的过程模型之后，针对与该选择的过程模型相同的操作区域所识别的过程模型的总数超出与针对操作区域所识别的过程模型的总数有关的阈值，则基于所述过程模型到所述多维空间中所述基准点的接近度来选择用于删除的一个以上过程模型。

Images