CN104020728B - 预测器在具有无线或间歇性过程测量的过程控制系统中的使用 - Google Patents

预测器在具有无线或间歇性过程测量的过程控制系统中的使用 Download PDF

Info

Publication number
CN104020728B
CN104020728B CN201410075848.0A CN201410075848A CN104020728B CN 104020728 B CN104020728 B CN 104020728B CN 201410075848 A CN201410075848 A CN 201410075848A CN 104020728 B CN104020728 B CN 104020728B
Authority
CN
China
Prior art keywords
process variable
measurement signal
value
during
execution cycle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410075848.0A
Other languages
English (en)
Other versions
CN104020728A (zh
Inventor
T·L·布莱文斯
W·K·沃杰斯泽尼斯
M·J·尼克松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fisher Rosemount Systems Inc
Original Assignee
Fisher Rosemount Systems Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fisher Rosemount Systems Inc filed Critical Fisher Rosemount Systems Inc
Publication of CN104020728A publication Critical patent/CN104020728A/zh
Application granted granted Critical
Publication of CN104020728B publication Critical patent/CN104020728B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/058—Safety, monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24075—Predict control element state changes, event changes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/41—Servomotor, servo controller till figures
    • G05B2219/41146—Kalman filter
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42058—General predictive controller GPC

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及预测器在具有无线或间歇性过程测量的过程控制系统中的使用。公开了一种控制技术，该控制技术允许在基于预测器的控制方案中使用缓慢或间歇性地接收的过程变量值，而无需改变控制算法，该控制技术包括控制器(如PID控制器)和预测器(如基于模型的预测器)，所述预测器被耦接为接收例如形式为来自过程的过程变量测量信号的间歇性反馈。该预测器可以是诸如卡尔曼滤波器的观察器或者可以是史密斯预测器，该预测器被配置为在每个控制器执行循环期间根据间歇性的或缓慢的过程反馈信号产生过程变量值的估计值，同时将新过程变量估计值提供给控制器，以使得控制器能够产生用于控制过程的控制信号。

Description

预测器在具有无线或间歇性过程测量的过程控制系统中的 使用
技术领域
本文概括而言涉及过程监视和控制系统并且更具体而言涉及在具有使用预测器(如卡尔曼滤波器和史密斯预测器)的控制器的过程控制系统中的无线和／或间歇性控制通信的传输和处理。
背景技术
过程控制系统(如用于化学、石油或其他过程中的分布式或可扩展过程控制系统)一般包括经由模拟的、数字的或组合的模拟／数字总线而彼此可通信地耦接、可通信地耦接到操作员工作站以及可通信地耦接到一个或多个现场设备的一个或多个过程控制器。现场设备可以是例如阀、阀定位器、开关和发射器(例如温度、压力和流速传感器)，其执行过程中的功能，如打开或关闭阀以及测量过程参数。过程控制器接收用于指示由现场设备作出的过程测量的信号和／或与现场设备相关的其他信息，并且使用该信息来实现控制例程以生成控制信号，该控制信号通过总线被发送到现场设备以控制过程的操作。一般使得来自现场设备和控制器的信息可用于一个或多个由操作员工作站执行的应用，以使得操作员能够执行关于过程的任意希望的功能，如查看过程的当前状态，修改过程的操作等等。
一些过程控制系统，如爱默生过程管理公司销售的DeltaVTM系统，使用位于控制器或不同现场设备中的被称为模块的功能块或功能块组来执行控制和／或监视操作。在这些情况中，控制器或其他设备能够包括并执行一个或多个功能块或模块，每个该功能块或模块从(在同一设备内部或在不同设备内部的)其他功能块接收输入并且／或者向其他功能块提供输出，并且执行一些过程操作，如测量或 检测过程参数、监视设备、控制设备或执行控制操作，如比例积分微分(PID)控制例程的实现。过程控制系统内部的不同的功能块和模块通常被配置为(例如通过总线)彼此通信以形成一个或多个过程控制环路。
过程控制器一般被编程为对针对过程定义的或者包括在过程中的多个不同的环路(如过程控制环路、温度控制环路、压力控制环路等等)中的每个环路执行不同的算法、子例程或控制环路(这些都是控制例程)。更一般性而言，每个这种控制环路包括一个或多个输入块，如模拟输入(AI)功能块、单输出控制块(如比例积分微分(PID)或模糊逻辑控制功能块)和输出块(如模拟输出(AO)功能块)。已经根据包括PID控制、模糊逻辑控制和基于模型的技术(如Smith预测器或模型预测控制(MPC))在内的多个控制技术配置了控制例程和实现这些例程的功能块。
为了支持例程的执行，典型的工业和过程工厂具有与一个或多个过程控制器和过程I／O子系统可通信地连接的集中式控制器或室，该过程控制器和过程I／O子系统进而连接到一个或多个现场设备。通常，模拟现场设备已经被用于信号传输和电力供应的双线或四线电流环路连接到控制器。用于将信号发射到控制室的模拟现场设备(例如传感器或发射器)对经过电流环路行进的电流进行调整，使得该电流与感测的过程变量成比例。另一方面，在控制室的控制之下执行动作的模拟现场设备受到经过该环路的电流的幅度的控制。
最近，现场设备被设计为进行操作以将数字数据叠加到用于发射模拟信号的电流环路上。例如，可寻址远程传感器高速通道(HART)协议使用环路电流幅度来发送和接收模拟信号，但是还将数字载波信号叠加到电流环路信号上，以使得能够与智能现场仪器进行双向现场通信。通常被称为现场总线协议的另一种协议是全数字协议，其实际上定义了两个子协议，一个子协议支持高达31.25千比特每秒速率的数据传递同时对耦接到网络的现场设备供电，另一个子协议支持高达2.5兆比特每秒速率的数据传递而不向现场设备提供任何电力。利用这些类型的通信协议，智能现场设备(其本质上可能是全数字的)支持旧控制系统不提供的多个维护模式和增强功能。
随着数据传递的数量提高，过程控制系统设计的一个特别重要的方面涉及将现场设备可通信地耦接到彼此、到控制器以及到过程控制系统或过程工厂中的其他系统或设备的方式。大体上，用于使得现场设备能够在过程控制系统内部运作的各种通信信道、链路和路径通常被统称为输入／输出(I／O)通信网络。
用于实现I／O通信网络的通信网络拓扑和物理连接或路径可能对于现场设备通信的健壮性或完整性具有实质性的影响，特别是当网络遭受不利环境因素或严酷条件时。这些因素和条件可能危及一个或多个现场设备、控制器等等之间的通信的完整性。控制器与现场设备之间的通信对于任意这种中断特别敏感，因为对于控制例程或环路的每次重复，监视应用或控制例程一般需要过程变量的周期性更新。受危及的控制通信因此可能导致过程控制系统效率和／或收益率的降低、对设备的过度的磨损或损坏，以及任意数量的潜在有害故障。
为了确保健壮的通信，用于过程控制系统中的I／O通信网络历来是硬线连接的。不幸的是，硬线连接的网络带来大量的复杂性、挑战和限制。例如，硬线连接的网络的质量可能随时间降级。此外，硬线连接的I／O通信网络通常安装昂贵，尤其是在I／O通信网络与大型工业工厂或分布在大区域(例如占地数英亩的炼油厂或化工厂)上的设施相关的情况下。必需的长的配线延伸通常需要相当大数量的劳力、材料和花销并且可能带来由于配线阻抗和电磁干扰造成的信号降级。由于这些以及其他原因，硬线连接的I／O通信网络通常难以重配置、修改或更新。
最近，无线I／O通信网络已经被引入过程控制环境以减轻与硬线连接的I／O网络相关的困难。例如，通过参考的方式整体明确并入本文的标题为“Distributed ControlSystem for Controlling Material Flow Having Wireless Transceiver Connected toIndustrial Process Control Field Device to Provide Redundant Wireless Access”的美国专利号No.7,519,012公开了利用控制器和现场设备之间的无线通信来例如加强或补充硬线连接的通信的使用。过程控制网络内部的设备之间(如控制器与现场设备之间)的无线通信的使用已经得到快速推动。响应于该趋势，已经建立了各种无线通信协议来支持过程工厂环境内部的无线通信，包括无线协议。
然而，由于可靠性关注以及其他原因，与控制相关的传输的无线通信的完全可信赖性受到限制。如上所述，现代的过程控制监视和控制应用假设控制器与现场设备之间具有可靠的数据通信，以实现最佳控制水平。此外，典型的过程控制器以快速的速率执行控制算法以迅速纠正过程中的不希望的偏差，并且这些控制算法依赖于每个控制器执行循环期间的新的过程测量数据的可用性。不希望的环境因素或其他不利的条件可能引起间歇性的干扰，该干扰妨碍或阻止支持监视和控制算法的该执行所必要的快速通信。
此外，对于过程控制环境中的无线通信的实现，功耗有时候是并发的因素。当从硬线连接的I／O网络断开连接时，现场设备可能需要提供它们自己的电源。因此，无线现场设备一般是电池供电的，汲取太阳能的或者窃取周围能源的如振动、热、压力等等。但是，对于这些类型的设备，在经由无线网络执行数据传输时消耗的能量可能构成总能量消耗的相当大的部分。事实上，在努力建立并且维持无线通信连接期间比在由现场设备执行的其他重要操作(如感测或检测正在被测量的过程变量)期间可能消耗更多功率。
因此，当无线发射的测量值要用于闭环控制时，近来在过程控制工厂中引入无线发射器造成了许多挑战，因为在这种系统中提供的过程变量测量值通常是在比由电线连接的发射器一般提供的基准慢得多的基准上(例如15秒的更新速率)报告的。并且，可以在非周期性的基准上传送由无线设备提供的测量值。例如，受一些无线 设备支持的加窗的通信可以在非周期性的基准上发送新的测 量值。此外，在任意无线实现中，通信损失能够由控制器以不引入过程中断的方式自动地处理是非常重要的。
响应于这些问题，已经开发了使得一些过程控制器(如比例积分微分(PID)过程控制器)能够以缓慢的测量更新、非周期性的测量更新和间歇性的通信损失(即与无线通信网络更频繁地关联的情况)来有效地工作的方法。大体上，这些控制方法接收并且处理不可靠的或者非周期性地接收的反馈信号(例如间歇性地接收的过程变量测量值)，同时仍然充分地控制过程环路。这些系统因此例如使得PID控制器能够正确地操作而无需对过程控制例程的每个执行循环接收新的过程变量测量值。具体而言，通过参考的方式明确并入本文的美国专利号No.7,620,460、7,587,252、7,945,339和美国专利申请公开号No.2008／0082180公开了例如可以如何修改PID控制例程以使用用于执行间歇性通信的无线发射器来执行闭环控制，从而使得仅当过程变量改变特定量时过程变量测量值才经由无线通信链路被发送到控制器。
虽然这些新的控制技术是有效的，但是它们通常修改了PID控制例程或PID控制块在控制器或控制例程的输入处处理间歇性地接收的过程变量测量值的方式。然而，存在许多类型的控制技术，包括一些基于PID的控制方案，该方案使用过程变量的估计值作为到控制器的输入以代替使用测量的过程变量值和控制信号作为到控制器的输入。例如，使用预测器(如仅举少数实例而言卡尔曼滤波器和史密斯预测器)的过程控制技术一般对测量的过程变量值进行操作，以产生过程变量值的估计值，然后将该估计值提供给控制例程以生成控制信号。在这些情况中，间歇性地接收的过程变量测量信号未被直接提供给控制例程。
发明内容
一种控制技术，该控制技术允许在基于预测器的控制方案中使用缓慢或间歇性地接收的过程变量值，而无需改变控制算法，该控 制技术包括控制器(如PID控制器)和预测器(如基于模型的预测器)，所述预测器被耦接为接收例如形式为来自过程的过程变量测量信号的间歇性反馈。在该情况中，该预测器被配置为在每个控制器执行循环期间根据间歇性的或缓慢接收的过程反馈信号产生过程变量值的估计值，同时将新过程变量估计值提供给控制器，以使得控制器能够产生用于控制过程的控制信号。
根据需要，该预测器可以是观察器，如卡尔曼滤波器，或者是另一种类型的预测器，如史密斯预测器，该预测器使用一个或多个过程模型来生成过程变量的估计值，以在控制器的输入端处提供该估计值以用于产生用于控制过程的控制信号，如用于控制被估计的过程变量的控制信号。缓慢的或间歇性地接收的过程变量测量值可以经由无线通信网络，但是根据需要也可以经由硬线连接的或其他类型的通信网络，发送给预测器。此外，虽然控制器可以例如包括并且执行PID控制算法，但是控制器可以实现或执行其他希望类型的控制器算法，如MPC、神经网络或其他基于模型或非模型的控制算法。
预测器可以包括用于产生初始过程变量估计值的过程模型、用于产生纠错信号的纠错单元以及组合器，该组合器将纠错信号与初始过程变量估计值进行组合以产生过程变量估计值以提供给控制器的控制器输入端用于过程控制。预测器还可以包括接口，该接口设置标志或其他标记以指示缓慢的、间歇性地接收的或者其他非周期性的过程测量信号(如从现场设备(如传感器或发射器)发送的过程变量测量值)的新值的接收。当设置了新值标志时，预测器可以计算新增益值(如新卡尔曼增益值)和／或新残差值，或者可以使用新接收的过程测量信号来创建用于生成纠错信号的残差。这些新增益和／或残差值其后可以被设置为或者被用于产生在控制器的每个新执行循环期间在组合器中使用的纠错信号。另一方面，当未设置新值标志时，指示过程变量或过程信号的新值在预测器输入端处不可用，则预测器单元继续使用先前生成的增益或残差值或继续使用最 近接收的过程变量值来生成用于创建纠错信号的残差值。
在一个实施方式中，一种用于控制过程的控制系统包括控制单元，该控制单元具有过程变量输入端和可通信地耦接到该过程变量输入端的控制例程单元，其中，该控制例程单元基于在该过程变量输入端处接收的过程变量值，生成用于控制该过程的控制信号。该控制系统还包括耦接到该控制单元的预测器单元，该预测器单元在多个执行循环中的每个执行循环期间操作一次，以产生过程变量估计值。在该情况中，该预测器单元包括：被耦接为接收由该控制例程单元产生的该控制信号的控制信号输入端；包括过程变量反馈输入端的接口，该过程变量反馈输入端以低于预测单元的每个执行循环时间一次的频率接收过程变量测量信号，以及被耦接为在该控制信号输入端处接收该控制信号以产生初始过程变量估计值的过程模型。该预测器单元还包括：被耦接为使用经由该过程变量反馈输入端接收的该过程变量测量信号来产生纠错信号的纠错单元；耦接到该过程模型和该纠错单元以将该初始过程变量估计值与该纠错信号进行组合以产生该过程变量估计值的组合器，以及开关单元。该开关单元在该预测器单元的在该过程变量测量信号的新值可用时的执行循环期间，使得该纠错单元使用该过程变量测量信号的新值来产生该纠错信号，并且在该预测器单元的在该过程变量测量信号的新值不可用时的执行循环期间，使得该纠错单元使用该过程变量测量信号的先前接收值来产生该纠错信号。此外，该控制单元的该过程变量输入端被耦接为接收该过程变量估计值，以从而进行操作以使用该过程变量估计值来执行该过程的控制。
根据需要，预测器单元可以是诸如卡尔曼滤波器的观察器，其中，该观察器的该纠错单元对该过程模型中的模型错误进行纠错，或者预测器单元可以是其他类型的预测器，如史密斯预测器。并且，该纠错单元可以包括另一个组合器，在每个执行循环期间该另一个组合器将该初始过程变量估计值与该过程变量测量信号的值进行组合，以产生残差。另外，在该预测器单元的在该过程变量测量信号 的新值可用时的执行循环期间，该开关单元可以进行操作以将该过程变量测量信号的新值提供给该另一个组合器以产生该残差，并且其中，在该预测器单元的在该过程变量测量信号的新值不可用时的执行循环期间，该开关单元可以进行操作以将该过程变量测量信号的先前接收值提供给该另一个组合器以产生该残差。
类似地，该纠错单元可以包括将该残差乘以增益值以产生纠错信号的增益单元，并且，在该情况中，该开关单元可以进行操作以在该预测器单元的在该过程变量测量信号的新值可用时的执行循环期间，使得该增益单元确定新增益值。可替换地，在该预测器单元的在该过程变量测量信号的新值不可用时的执行循环期间，该切换单元可以使得该增益单元使用先前计算的增益值。另外，根据需要，该过程模型可以包括用于对具有死时间的过程进行建模以产生该初始过程变量估计值的延迟单元，或者可以不具有用于解决过程死时间的延迟单元，从而可以进行操作以对不具有显著的死时间的过程进行建模。
此外，该纠错单元可以包括另一个组合器，该另一个组合器将另一个过程变量估计值与该过程变量测量信号的值进行组合以产生残差。在该情况中，在该预测器单元的在该过程变量测量信号的新值在该另一个组合器处可用时的执行循环期间，该开关单元可以进行操作以将该残差的新值提供给该组合器以产生该残差，并且其中，在该预测器单元的在该过程变量测量信号的新值在该另一个组合器处不可用时的执行循环期间，该开关单元可以进行操作以将该残差的先前计算值提供给该组合器以产生该残差。另外，该预测器单元可以包括用于对具有死时间的过程进行建模以产生该另一个过程变量估计值的另一个过程模型，并且，该过程模型可以是用于对不具有死时间的过程进行建模以产生该初始过程变量估计值的过程模型。根据需要，控制单元可以存储并且执行或使用任意希望类型的控制例程，并且可以例如存储并且实现比例积分微分控制算法来产生该控制信号。
在另一个实施方式中，一种用于控制过程的方法包括在计算机处理器设备处，在多个执行循环中的每个执行循环期间实现控制例程，以基于过程变量估计值，产生用于控制该过程的控制信号。该方法在计算机处理器设备处，以低于执行循环时间速率的频率接收过程变量测量信号，并且在计算机处理器设备处，在多个执行循环中的每个执行循环期间实现预测器例程，以产生该过程变量估计值。为了实现预测器例程所实施的方法包括：在多个执行循环中的每个执行循环期间接收由该控制例程产生的该控制信号；在多个执行循环中的每个执行循环期间，使用过程模型对该过程对该控制信号的反应进行建模以产生初始过程变量估计值；并且在多个执行循环中的每个执行循环期间确定纠错信号。预测器例程方法还在多个执行循环中的每个执行循环期间将该初始过程变量估计值与该纠错信号进行组合以产生该过程变量估计值。在该情况中，在多个执行循环中的每个执行循环期间确定该纠错信号包括：在该过程变量测量信号的新接收值可用时的执行循环期间，使用该过程变量测量信号的新接收值来产生该纠错信号，并且，在该过程变量测量信号的新接收值不可用时的执行循环期间，使用该过程变量测量信号的先前接收值来产生该纠错信号，
在另一个情况中，一种用于控制具有过程变量的过程的方法包括：在计算机处理器设备处，接收经由无线通信网络传送的过程变量测量信号，以获得该过程变量的更新；并且在多个执行循环中的每个执行循环期间，在该处理器设备上周期性地实现过程变量预测器例程，以生成该过程变量的过程变量估计值。该方法还将该过程变量估计值提供给控制例程；并且在计算机处理器设备上周期性地实现该控制例程，以基于该过程变量估计值来生成用于该过程的控制信号。在这里，该过程变量测量信号的接收以低于周期性执行循环的执行速率的速率非周期性地发生，使得该过程变量预测器例程利用该过程变量的缓慢的或非周期性的更新来产生该过程变量估计值。此外，在该方法中，实现该过程变量预测器例程以生成该过程 变量估计值可以包括：在每个执行循环期间，使用过程模型对基于该控制信号的该过程的反应进行建模以产生初始过程变量估计值，在每个执行循环期间确定纠错信号，并且在每个执行循环期间将该初始过程变量估计值与该纠错信号进行组合以产生该过程变量估计值。在这里，在每个执行循环期间确定该纠错信号可以包括：在该过程变量测量信号的新接收值在该预测器例程处可用时的执行循环期间，使用该过程变量测量信号的新接收值来产生该纠错信号，并且，在该过程变量测量信号的新接收值在该预测器例程处不可用时的执行循环期间，使用该过程变量测量信号的先前接收值来产生该纠错信号，
在另一个情况中，一种卡尔曼滤波器以执行循环速率周期性地操作，以在多个执行循环中的每个执行循环期间产生过程变量估计值，该卡尔曼滤波器包括：具有过程变量反馈输入端的接口，该过程变量反馈输入端以低于执行循环速率的频率接收过程变量测量信号。该卡尔曼滤波器还包括：接收控制信号的控制信号输入端；耦接为在每个执行循环期间在该控制信号输入端处接收该控制信号以产生初始过程变量估计值的过程模型；以及耦接为在每个执行循环期间使用经由该过程变量反馈输入端接收的过程变量测量信号来产生纠错信号的纠错单元。在该情况中，该纠错单元包括第一组合器和增益单元，该第一组合器将接收的过程变量测量信号与该初始过程变量估计值进行组合以产生残差，该增益单元将该残差与增益值进行组合以产生该纠错信号。此外，该卡尔曼滤波器包括耦接到该过程模型和该纠错单元的第二组合器，该第二组合器将该初始过程变量估计值与该纠错信号进行组合以产生该过程变量估计值。在这里，该纠错单元在该过程变量测量信号的新值可用时的执行循环期间，使用该过程变量测量信号的新值来产生该纠错信号，并且在该过程变量测量信号的新值不可用时的执行循环期间，使用该过程变量测量信号的先前接收值来产生该纠错信号。
根据需要，该卡尔曼滤波器的该纠错单元可以包括开关单元， 该开关单元可以进行操作以在该过程变量测量信号的新值可用时的执行循环期间，将该过程变量测量信号的新值提供给该第一组合器以产生该残差，并且在该过程变量测量信号的新值不可用时的执行循环期间，将该过程变量测量信号的最近接收值提供给该第一组合器以产生该残差。类似地，在该过程变量测量信号的新值在该接口处可用时的执行循环期间，该接口可以生成新值标志，并且在该情况中，在每个执行循环期间，该开关单元可以使用该新值标志将该过程变量测量信号的该新值或者该过程变量测量信号的该最近接收值提供给该第一组合器，以产生该残差。
在另一个实施方式中，一种被适配为在计算机处理器上以执行循环速率来执行以在多个执行循环中的每个执行循环期间产生过程变量估计值的卡尔曼滤波器包括接口例程，该接口例程存储在非暂态计算机可读介质中并且被适配为在该处理器上执行以接收用于控制过程的控制信号并且用低于执行循环速率的频率接收过程变量测量信号。该卡尔曼滤波器还包括过程建模例程，该过程建模例程存储在非暂态计算机可读介质中并且被适配为在该处理器上执行以在每个执行循环期间使用该控制信号产生初始过程变量估计值，并且包括纠错例程，该纠错例程存储在非暂态计算机可读介质中并且被适配为在该处理器上执行以将接收的过程变量测量信号与该初始过程变量估计值进行组合以产生残差。该纠错例程将该残差与增益值进行组合以产生纠错信号。存储在非暂态计算机可读介质中并且被适配为在该处理器上执行的组合器例程将该初始过程变量估计值与该纠错信号进行组合以产生该过程变量估计值。在这里，该纠错例程用于：在该过程变量测量信号的新值可用时的执行循环期间，将该过程变量测量信号的新接收值与该初始过程变量估计值进行组合以产生该残差，并且，在该过程变量测量信号的新值不可用时的执行循环期间，将该过程变量测量信号的先前接收值与该初始过程变量估计值进行组合以产生该残差。
在另一个情况中，一种以执行循环速率周期性地操作以在多个 执行循环中的每个执行循环期间产生过程变量估计值的史密斯预测器包括具有过程变量反馈输入端和控制信号输入端的接口，该过程变量反馈输入端以低于执行循环速率的频率接收过程变量测量信号，该控制信号输入端接收控制信号。该史密斯预测器还包括：被耦接为在一个或多个执行循环期间在该控制信号输入端处接收该控制信号以产生第一过程变量估计值的第一过程模型；以及被耦接为在每个执行循环期间在该控制信号输入端处接收该控制信号以产生第二过程变量估计值的第二过程模型。第一组合器单元耦接到该接口和该第一过程模型，并且进行操作，以在一个或多个该执行循环期间，将经由该过程变量反馈输入端接收的过程变量测量信号与该第一过程变量估计值进行组合以产生残差；并且第二组合器单元耦接到该第一组合器单元和该第二过程模型以将该残差与该第二过程变量估计值进行组合以产生该过程变量估计值。此外，开关单元被连接为在该过程变量测量信号的新值在该第一组合器单元处可用时的执行循环期间，使得将由该第一组合器单元产生的残差提供给该第二组合器单元，并且，在该过程变量测量信号的新值在该第一组合器单元处不可用时的执行循环期间，使得将该残差的先前计算值提供给该第二组合器单元。
此外，一种被适配为在计算机处理器上以执行循环速率来执行以在多个执行循环中的每个执行循环期间产生过程变量估计值的史密斯预测器包括接口例程，该接口例程存储在非暂态计算机可读介质中并且被适配为在该处理器上执行以在每个执行循环期间接收控制信号并且用低于执行循环速率的频率接收过程变量测量信号。该史密斯预测器还包括：第一过程建模例程，该第一过程建模例程存储在非暂态计算机可读介质中并且被适配为在该处理器上执行以在一个或多个执行循环期间对该过程对该控制信号的响应进行建模，以产生第一过程变量估计值；以及第二过程建模例程，该第二过程建模例程存储在非暂态计算机可读介质中并且被适配为在处理器上执行以在每个执行循环期间对该过程对该控制信号的响应进行建 模，以产生第二过程变量估计值。类似地，第一组合器例程存储在非暂态计算机可读介质中并且被适配为在处理器上执行以在一个或多个执行循环期间，将经由该接口例程接收的过程变量测量信号与该第一过程变量估计值进行组合，以产生残差；并且第二组合器例程存储在非暂态计算机可读介质中并且被适配为在处理器上执行以将该残差与第二过程变量估计值进行组合，以产生该过程变量估计值。在该情况中，在该过程变量测量信号的新值可用于该第一组合器例程时的执行循环期间，该第二组合器例程使用由该第一组合器例程产生的该残差来产生该过程变量估计值，并且，在该过程变量测量信号的新值不可用于该第一组合器例程时的执行循环期间，该第二组合器例程使用该残差的先前计算值来产生该过程变量估计值。
附图说明
为了更完整地理解本文的公开，应当参考下文的详细描述和附图，其中在附图中，相似的附图标记标识相似的元素，并且其中：
图1是具有被配置为使用预测器来实现一个或多个控制例程的控制器的过程控制系统的示意性表示，该预测器继而使用经由一个或多个缓慢或无线通信网络发送的、非周期性地或间歇性地接收的通信；
图2是已知的基于预测器的控制方案的示意性表示，该方案经由有线的通信链路接收周期性地生成的过程变量测量信号，该方案包括对被控制的过程进行建模的方式；
图3是使用过程控制器和预测器来控制过程的过程控制系统的示意性表示，其中，预测器经由无线通信链路以缓慢的、非周期性的或间歇性的方式接收过程变量测量信号；
图4是已知的控制器和卡尔曼滤波器形式的观察器的示意性表示，其中，该观察器连接到过程以经由有线通信链路接收过程变量的周期性测量值；
图5是用于控制展现显著的死时间的过程的已知的控制器和卡尔曼滤波器形式的观察器的示意性表示，其中，该观察器被配置为经由有线通信链路接收过程变量的周期性测量值；
图6是用于控制过程的控制器和卡尔曼滤波器形式的观察器的示意性表示，其中，卡尔曼滤波器被配置为经由无线通信链路接收过程变量的非周期性的、间歇性的或者缓慢的测量值；
图7是用于控制具有显著的死时间或过程延迟的过程的控制器和卡尔曼滤波器形式的观察器的示意性表示，其中，卡尔曼滤波器被配置为经由无线通信链路接收过程变量的非周期性的、间歇性的或者缓慢的测量值；
图8是用于控制展现显著的死时间的过程的已知的控制器和史密斯预测器形式的预测器的示意性表示，其中，史密斯预测器被配置为经由有线通信链路接收过程变量的周期性测量值；
图9是用于控制过程的控制器和史密斯预测器形式的预测器的示意性表示，其中，史密斯预测器被配置为经由无线通信链路接收过程变量的非周期性的、间歇性的或缓慢的测量值；
图10是用于示出具有利用改进的卡尔曼滤波器来经由无线通信链路接收非周期性的、缓慢的或间歇性的过程变量测量值的PID控制器的控制系统的建模操作与具有用于经由有线通信链路周期性地接收过程测量值的PID控制器的控制系统的建模操作的对比图；
图11是用于示出具有利用改进的史密斯预测器来经由无线通信链路接收非周期性的、缓慢的或间歇性的过程变量测量值的PID控制器的控制系统的建模操作与具有用于经由有线通信链路周期性地接收过程测量值的PID控制器的控制系统的建模操作的对比图；
图12是具有与改进的预测器块分离的控制器块的过程控制系统的示意性说明；
图13是具有设置在与控制器块相同的控制模块中的改进的预测器块的过程控制系统的示意性说明；
图14是具有与控制器中的控制算法块集成的改进的卡尔曼滤波 器形式的改进的观察器的过程控制系统的示意性说明；
图15是具有与控制器中的控制算法块集成的改进的史密斯预测器形式的改进的预测器的过程控制系统的示意性说明。
虽然所公开的系统和方法是容许有各种形式的实施方式，但是在本发明的附图中示出了(下文将描述的)具体实施方式，要理解本文的公开内容是用于说明性的而不是用于将本发明限于本文所述并且所示的具体实施方式。
具体实施方式
图1描述了可用于使用基于预测器的控制器并且基于接收到间歇性的、缓慢的或非周期性的过程变量测量值来实现控制例程同时仍然提供高度的过程控制准确性的过程控制系统10。总体而言，图1的过程控制系统10包括连接到数据历史记录12并且连接到一个或多个具有显示屏14的主机工作站或计算机13(其可以是任意类型的个人计算机、工作站等等)的过程控制器11。控制器11还经由硬线通信连接经由输入／输出(I／O)卡26和28连接到现场设备15-22。数据历史记录12可以是任意希望类型的数据收集单元，其具有用于存储数据的任意希望类型的存储器和任意希望或已知的软件、硬件或固件，并且虽然其被显示为独立的设备但是可以改为或者另外是工作站13或另一个计算设备(如服务器)中的一个的一部分。作为一个实例，控制器11可以是由爱默生过程管理公司销售的DeltaVTM控制器，其经由可以是例如以太网连接的通信网络29可通信地连接到主机计算机13并且连接到数据历史记录12。
控制器11被示出为使用硬线通信方案可通信地连接到现场设备15-22，该硬线通信方案可以包括使用任意希望的硬件、软件和／或固件以实现硬线通信，包括例如标准4-20mA通信和／或使用任意智能通信协议(如现场总线通信协议、通信协议等等)的任意通信。现场设备15-22可以是任意类型的设备，如传感器、阀、发射器、定位器等等，而I／O卡26和28可以是符合任意希 望的通信或控制器协议的任意类型的I／O设备。在图1中所示的实施方式中，现场设备15-18是通过模拟线路与I／O卡26通信的标准4-20mA设备，而现场设备19-22是使用现场总线协议通信通过数字总线与I／O卡28通信的智能设备，如现场总线现场设备。当然，现场设备15-22可以符合任意其他希望的标准或协议，包括未来开发的任意标准或协议。
另外，过程控制系统10包括设置在要受控的工厂中的多个无线现场设备60-64和71。现场设备60-64在图1中被示出为发射器(例如过程变量传感器)，而现场设备71被示出为阀。然而，这些现场设备可以是设置在过程中以实现物理控制活动或测量过程中的物理参数的任意其他希望类型的设备。可以使用包括现在已知的或以后开发的硬件、软件、固件或它们的任意组合的任意希望的无线通信设备，在控制器11与现场设备60-64和71之间建立无线通信。在图1中所示的示例性情况中，天线65被耦接为并且专用于执行发射器60的无线通信，而具有天线67的无线路由器或其他模块66被耦接为统一地处理发射器61-64的无线通信。类似地，天线72被耦接到阀71以执行阀71的无线通信。现场设备或相关硬件60-64、66和71可以实现被合适的无线通信协议用于接收、解码、路由、编码和经由天线65、67和72发送无线信号的协议栈操作，以实现控制器11与发射器60-64和阀71之间的无线通信。
根据需要，发射器60-64可以构成各个过程传感器(发射器)与控制器11之间的唯一链路，并且因而发射器60-64用来将准确的信号发送到控制器11以确保产品质量和流量不受危及。通常被称为过程变量发射器(PVT)的发射器60-64因此可能在工厂的控制中扮演重要角色。另外，阀或其他现场设备71可以将由阀17内部的传感器做出的测量或者可以将由阀71生成或计算的其他数据提供给控制器11以作为阀71的操作的一部分，包括由在阀71内部执行的功能块FB1和FB2收集、计算或者以其他方式生成的数据。当然，阀71也可以接收来自控制器11的控制信号以影响工厂中的物理参数，例 如流量。
控制器11耦接到一个或多个I／O设备73和74，I／O设备73和74中的每一个连接到各自的天线75和76，并且这些I／O设备和天线73-76作为发射器／接收器来操作，以经由一个或多个无线通信网络执行与无线现场设备61-64和71的无线通信。可以使用一个或多个已知的无线通信协议(如无线协议、Ember协议、WiFi协议、IEEE无线标准等等)来执行现场设备(例如发射器60-64和阀71)之间的无线通信。此外，I／O设备73和74可以实现协议栈操作，该协议栈操作被这些通信协议用于接收、解码、路由、编码和经由天线75和76发送无线信号，以实现控制器11与发射器60-64和阀71之间的无线通信。
如图1中所示，控制器11包括用于实现或监督存储在存储器78中的一个或多个过程控制例程(或它们的任意模块、块或子例程)的处理器77。存储在存储器78中过程控制例程可以包括在过程工厂内部正在实现的控制环路或者与该控制环路相关联。总体而言，控制器11执行一个或多个控制例程并且与现场设备15-22、60-64和71、主机计算机13以及数据历史记录12通信，以按照任意希望的方式控制过程。然而，应该注意到，本文所述的任意控制例程或模块可以在多个设备上按照分布式方式实现或执行它们的一部分。结果，根据需要，控制例程或模块可以具有由不同的控制器、现场设备(例如智能现场设备)或其他设备或其他控制元件实现的部分。
类似地，将要在过程控制系统10中实现的本文所述的控制例程或模块可以具有任意形式，包括软件、固件、硬件等等。涉及提供该功能的任意设备或元件在本文中可以被统称为“控制元件”，而不管在过程控制系统10内部的控制器、现场设备或任意其他设备(或设备集合)中是否设置了与之相关联的软件、固件或硬件。当然，控制模块可以是过程控制系统的任意部件或部分，包括例如存储在任意计算机可读介质上的例程、块或它们的元件。可以由过程控制系统10的任意元件或设备(在本文被统称为控制元件)实现或执行 这种控制模块、控制例程或它们的任意部分。此外，可以用任意希望的软件格式(如面向对象编程、梯形逻辑、顺序的功能图、功能块图，或者使用任意其他软件编程语言或设计范例)来实现控制例程，该控制例程可以是模块或控制程序的任意部分，如子例程、子例程的部分(如代码行)等。类似地，可以将控制例程硬编码到例如一个或多个EPROM、EEPROM、专用集成电路(ASIC)或任意其他硬件或固件元件中。此外，可以使用任意设计工具，包括图形设计工具或任意其他类型的软件／硬件／固件编程或设计工具来设计控制例程。结果，控制器11可以被配置为以任意希望的方式实现控制策略或控制例程。
在一些实施方式中，控制器11使用通常被称为功能块的东西来实现控制策略或方案，其中，每个功能块是(经由被称为链路的通信)与其他功能块结合地操作以实现过程控制系统10内部的过程控制环路的整个控制例程的对象或其他部分(例如子例程)。功能块一般执行(如与发射器、传感器或其他过程参数测量设备相关联的)输入功能、(如与用于执行PID、模糊逻辑等等控制的控制例程相关联的)控制功能或用于控制一些设备(如阀)的操作以执行过程控制系统10内部的一些物理功能的输出功能。当然，存在混合的或其他类型的功能块并且可以用于本文中。功能块可以存储在控制器11中并且由控制器11执行，这一般是当功能块用于或者与标准4-20mA设备和一些类型的智能设备(如设备)关联时的情况。可替换地或另外地，功能块可以存储在并且由现场设备自身、I／O设备或过程控制系统10的其他控制元件实现，这可能是当系统利用现场总线设备时的情况。虽然在本文一般使用功能块控制策略来提供控制系统10的描述，但是也可以使用其他惯例或编程范例来实现或设计所公开的技术和系统。
在任意情况中，如图1的分解方框80中所示的，控制器11可以包括多个控制模块(被示为模块82、84和86)，其中，每个控制模块实现一个或多个过程控制环路。在该情况中，控制模块82实现 基于观察器的控制方案或例程(其在本文被称为一种类型的基于预测器的控制方案)，并且控制模块84实现基于预测器的控制例程。模块82和84被示出为使用连接到合适的模拟输入(AI)和模拟输出(AO)功能块的观察器(OBS)或预测器(PRD)和基于单输入／单输出的PID控制块(PID)来执行单环控制，其中AI和AO功能块可能与过程控制设备(如阀)、与测量设备(如温度和压力发射器)或者与过程控制系统10中的任意其他设备相关联。多输入／多输出控制环86还被示出为包括先进控制块88，先进控制块88具有可通信地连接到一个或多个AI功能块的输入端和可通信地连接到一个或多个AO功能块的输出端，当然，先进控制块88的输入端和输出端可以连接到任意其他希望的功能块或控制元件以接收其他类型的输入并且提供其他类型的控制输出。先进控制块88可以实现任意类型的多输入多输出控制方案，包括基于观察器或预测器的控制，并且可以构成或包括模型预测控制(MPC)块、神经网络建模或控制块、多变量模糊逻辑控制块、实时优化器块等等。可以理解，图1中示出的功能块可以由控制器11执行或者可替换地，可以位于过程控制系统的任意其他处理设备或控制元件中(如在其中一个工作站13中或在现场设备19-22或60-64或71中的一个或多个中)并且由其执行。
在过去，图1的基于预测器／观察器的控制模块82、84和86通常被配置为通过控制例程的多次重复而周期性执行。在传统情况中，每次重复由例如发射器或其他现场设备所提供的最新的过程测量值来支持。通常在每次周期性的执行重复之间做出多个过程测量以确保在每个控制器执行循环期间的最新过程测量值。事实上，为了避免对测量值与控制的同步的限制，许多过去的控制器(或控制环路)被设计为以2-10倍的因子对测量进行过采样。这种过采样有助于确保过程测量值对于控制方案中的使用而言是最近的。并且，为了将控制变化最小化，传统的设计规定反馈控制的执行应该比过程响应时间快4-10倍。为了满足这些传统设计要求，必须比控制执行速率 快得多地采样测量值，控制执行速率远快于或高于过程响应时间。
总体而言，图1的基于预测器／观察器的控制模块(其将在本文中更详细地描述)使得过程变量测量值(包括其他值如计算或仿真值)的传输能够处于非常低的速率，处于间歇性的速率或者处于非周期性的速率，以便例如允许对仅存在间歇性的过程变量反馈通信的过程的控制或者以降低来自用于对进行过程变量测量的无线传感器或发射器(例如发射器60-64中的一个)供电的电源的功率的消耗。在该后一种情况中，即使如同许多现场总线控制方案中的情况一样将测量和控制执行同步化，比过程响应快4-10倍地调度控制重复的传统方法也仍然在数据传输期间导致太多的功耗。
如下文将更详细地讨论的，在过程控制系统10中并且更具体而言在控制器11中和在发射设备和控制系统10的其他现场设备中，当这些设备非周期性地或间歇地发射或接收新的测量值或者其他值时，例如当满足特定条件时，本文所述的基于预测器的控制技术特别有用。例如，可以基于过程变量是否改变了预先确定的阈值(例如被确定为重要的量)来发射新的测量值。例如，如果新的测量值与上次传输的测量值之间的差的量值大于指定的分辨度，则可以生成触发，使得该测量值将被更新或发送。当处理离散测量(如开／关测量、数字比特或其他状态测量(在这些测量中，一组预定的状态或离散值中的一个被预期或测量到))时，从一个状态到另一个状态的改变通常被视为超过了阈值或分辨度量值。
在其他情况中，当差超过指定分辨度(如在前一种情况中)时以及当从上次通信开始的时间超过预先确定的刷新时间时，可以发射新的测量值。这里，过程变量的改变或者默认时间的过去可能导致测量值传输。用于测量值传输的该刷新或默认时间可能随控制环路而改变，因此依赖于过程是缓慢移动的还是快速响应的(如例如过程时间常数所指示的)，更频繁或更不频繁的更新可能是合适的。在一些情况中，在控制环路的基于时间常数的调谐期间可以做出确定，并且此后根据希望来调整。例如，信号的测量或发送之间的时 间可能例如依赖于变量或值的测量状态，并且在该情况中，测量的周期可以被调整以反映正在被监视的设备、装置或过程的状态。在任意情况中，在没有测量值更新的时间段之后，默认或刷新时间作为完整性检查或覆盖。该检测可用于例如有助于将过程变量最终驱动到目标。
与此同时，发射器、传感器或负责获得测量值的其他现场设备可以仍然以希望的速率(如常规的过程响应时间的4-10倍)，周期性地对测量值进行采样。通信技术然后确定是否将采样值发送到控制器11。
然而，控制例程(如比例积分微分(PID)控制)的标准控制设计(例如使用Z变换、差分方程等等)和数字实现中的潜在假设是在周期性的基准上执行控制算法。如果在每个执行循环期间未更新该测量值，则多个步骤如例程的整数(或复位)部分或贡献可能是不合适的。例如，如果控制算法继续使用上次的过时的测量值来执行，则输出将继续基于上次测量值与设置点之间的复位调谐和误差来移动。另一方面，如果仅当发送新测量值时执行控制例程，则对于设置点改变的控制响应以及关于测量的扰动的前馈动作可能被延迟。控制例程也可以包括基于从上次重复之后消逝的时间的计算。然而，利用非周期性的和／或较不频繁的测量值传输，基于控制执行周期(即从上次重复之后的时间)计算复位贡献可能导致过程可变化性增加。
鉴于前文的挑战，并且为了在未在周期性的基准上更新测量值时提供准确的并且响应的控制，可以使用通常基于过程变量的更新是否可用来修改过程控制例程的控制技术。在一些情况中，可以基于从上次测量值更新之后的期望过程响应，根据本文所述的技术来重构基于预测器的控制例程。
虽然下文所述的控制技术可用于并且特别适用于经由无线通信网络来实现通信的控制例程，但是应该注意，这些技术同样适用于经由硬线连接实现的通信。例如，硬线设备15-22中的一个或多个也 可以依赖于有限的电源或者来自降低的数据传输速率的其他益处。另外，过程控制系统10可以包括采样分析器或其他采样系统，其被设计为经由硬线通信网络间隙性地或者以比控制执行速率更慢的速率提供测量数据。
为了说明起见，图2描述了典型的现有技术的基于预测器的控制系统100，其具有连接到过程102的控制器101并且包括连接在控制器101和过程102之间的预测器104。如图2中所示的，控制器101(其可以例如是PID控制器(其包括P、PI、PD、ID和PID型控制器中的任意一种))产生控制信号Uj，控制信号Uj在过程102中控制一些设备(如阀)的操作以实现或改变受控过程变量Xj的值。此外，发射器106测量或采样由该控制操作实现的过程变量，以产生过程变量测量值Zj。在该情况中，过程变量值Zj可以是过程变量Xj的测量值或者可以是与过程变量Xj相关联的、或以一些已知的关系随过程变量Xj改变的测量值。发射器106将测量值Zj提供给预测器104，预测器104作为一个实例可以是观察器。在该情况中，发射器106被示出为有线发射器并且因此经由有线通信网络将测量值Zj发送到预测器104。并且，如上所示，发射器106通常以比控制器101的执行速率快4-10的速率测量并且发送新的过程变量值Zj。
如图2中所示出的，预测器104使用接收的过程变量值Zj接合由控制器101产生的控制信号Uj来获取测量的过程变量的估计值 然后将该估计值作为输入提供给控制器101，以用于控制过程102并且具体而言控制过程变量Xj的值。预测器104的使用使得过程控制系统10能够解决诸如测量延迟、测量误差、过程噪声之类的事情以使得控制器101能够对过程102执行更好的或更准确的控制。应该注意，预测器104通常以与控制器101相同或比控制器101更快的执行循环操作，因而过程变量估计值的新值在控制器101的每个执行循环时在控制器101的输入端处可用。这样，一般以与预测器104的执行速率相等或更大(例如大4-10倍)的速率将新的过程变量测量值Zj提供给预测器104的输入端。
概括而言，预测器(如图2的预测器104)通过使用过程的模型提供过程变量估计值来辅助过程控制。例如，许多工业过程单元以一个操作输入U(t)和一个测量的过程输出X(t)为特征。可以用状态变量格式将具有一个操作输入和一个测量的过程输出的线性过程的模型表示为：
Xj＝aXj-1+bUj
其中：
Xj＝在时间j的过程输出；
Uj＝在时间j的过程输入；以及
a和b＝定义过程增益和动态响应的常数。
例如，可以用这样一种格式表示一阶过程的状态变量表示，其中：
其中：
K＝过程增益；
τ＝过程时间常数；
ΔT＝过程模型的执行的周期；以及
j＝当前时刻。
对于积分过程，可以用这样一种格式表示一阶过程的状态变量表示，其中：
a＝1；并且
b＝ΔT*KI。
为了助于讨论，图2中所述的过程102被示出为具有上文提供的数学形式，以示出不同的误差源以及在大部分过程中固有的其他操作，并且以允许更好的理解预测器104。具体而言，由过程增益块120、求和器122、转换块124、求和器126以及包括延迟单元132和增益单元134的反馈环路130来建模过程102。为了描述过程102的数学操作，增益单元120将由控制器101产生的控制信号Uj乘以过程增益b，并且将该值(在求和器122中)加到过程噪声Wj和由 反馈环路130所估计的或建模的动态响应中，以产生过程变量Xj。可以假设过程噪声Wj是例如高斯白噪声或者具有与输入不相关的协方差Q的零均值白噪声，当然也可以改为使用其他类型的噪声模型。因此，在数学上将过程变量值Xj建模为过程增益块120、过程噪声Wj和动态增益响应的和。在该情况中，由反馈环路130产生或建模求和器122的输入端处的动态增益响应，其中过程变量值Xj在延迟单元132中被延迟一个采样或控制器执行时间，并且过程变量值的延迟版本Xj-1乘以过程动态响应增益a。可以理解，过程增益b和动态过程响应增益a通常被建模为常数，但是可以基于过程102的实际操作来更新。
在过程102中，过程变量值Xj被示出为在转换单元124中通过乘以值h被转换，其中，h提供或建模过程变量值Xj与测量过程变量值Zj的单位之间的单位转换。求和器126然后将由块124产生的转换后的过程变量值与表示过程测量噪声的值Vj相加(例如由于测量误差或不准确而将该噪声加到过程变量值中)。根据需要，测量噪声Vj可以是具有零均值和与输入或过程噪声Wj不相关的协方差R的白噪声。求和器126的输出表示过程变量值Zj，其为包括过程噪声、过程动态、过程增益的影响并且具有由于测量噪声而导致的误差的过程变量值Xj的估计值。当然，如图2中所示的，发射器106产生或测量“有噪”过程变量值Zj并且将该值提供给预测器104。
如上所示，发射器106通常将在控制器101的每个操作循环和／或预测器104的每个操作循环多次产生过程测量值Zj，以使得预测器104能够基于由发射器106提供给它的过程变量测量值Zj来产生实际过程变量Xj的有效的并且最新的估计值
图3示出了包括用于控制过程202的过程控制器201(其可以与图2的过程控制器101相同)的新的过程控制系统200。如图3中所示的，过程控制器201包括控制器算法(如PID控制器算法230)，该算法产生控制信号Uj以控制或驱动过程202。然而，在该情况中，控制系统200包括连接到控制器201和发射器206的改进的预测器 204。改进的预测器204接收发射器206的输出，在该情况中该输出经由(如图3中的虚线所指示的)无线通信网络被无线地提供给改进的预测器204。改进的预测器204操作以基于控制信号Uj和如由发射器206所测量的过程变量信号Zj，产生过程变量的估计(预测或观察)值并且将估计的过程变量值提供给PID控制器算法230的输入端以用于产生控制信号Uj。
这里，通过无线通信网络将无线发射器206的输出(即过程变量测量信号Zj)提供给改进的预测器204，并且因而可以非周期性地、间隙性地或者以比控制器201的执行循环速率或者预测器204的执行循环速率更低的速率提供该输出。结果，在该情况中，在预测器204的每个新执行循环的开始时，在预测器204的输入端处，测量的过程变量Zj的新值可能并且通常不可用。尽管如此，改进的预测器204仍然以下文所述的方式操作以在每个控制器执行循环期间产生到控制器201或到控制例程230的输入端的新的过程变量估计值
如上文所示的，在过去，基于观察器／预测器的控制器算法(如PID算法)以观察器(如卡尔曼滤波器)或其他预测器(如史密斯预测器)的形式与预测器捆绑，假设在每个控制器执行循环的开始时过程变量测量值是最新的并且事实上是准确的。结果，向典型的观察器／预测器提供缓慢的或间歇性的过程变量测量值的无线发射器其他机制的使用可能导致问题并且导致差的控制性能。然而，改进的预测器204以下文所述的方式操作以最小化或消除与控制器处或观察器／预测器输入端处的间歇性的或缓慢的过程反馈信号的接收相关的问题。
在描述图3的改进的预测器204的细节之前，描述一种形式为观察器的已知类型的预测器将是有用的，该预测器大体上是在预测单元的操作期间对模型不正确进行纠错的预测器。一种公知类型的观察器是卡尔曼滤波器。图4示出了典型的基于观察器的控制系统400，其具有耦接到过程402的控制器401，过程402使用卡尔曼滤波器404形式的观察器，卡尔曼滤波器404接收来自有线发射器406 的周期性的过程反馈信号。为了讨论起见，假设过程402以如对图2的过程所述那样相同的方式进行操作，并且因此与图2的过程102中的对应的方框相同地对图4的过程402中所示的方框进行标号。
概括而言，卡尔曼滤波器型观察器一般用于当过程具有显著的过程或测量噪声时对该过程进行控制，因为卡尔曼滤波器可用于降低过程或测量噪声对控制应用的影响。具体而言，卡尔曼滤波器通常产生用于控制的估计的过程输出，如下文将更详细地描述的，其中：
在通常意义上，卡尔曼滤波器包括并且使用不具有过程或测量噪声的过程模型来产生先验估计的过程输出(初始过程变量估计值)。卡尔曼滤波器还包括纠错单元，其确定初始估计的过程输出和测量的过程输出之间的差作为残差，在本领域中又被称为新息(innovation)。卡尔曼滤波器的纠错单元还包括卡尔曼增益k，k被设置为确定残差的哪个部分在卡尔曼滤波器模型中被用于补偿过程模型变量a、b或h中的不准确并且用于解决过程或测量噪声。
因此，如图4中所示，典型的卡尔曼滤波器404经由硬线的或有规律地调度的通信接收由有线发射器或传感器406所测量的测量的过程变量Zj，并且产生过程变量的估计值作为输出，该输出又作为过程变量输入提供给控制器401(其在图4中被示为由控制器401实现的PID控制器算法430)。卡尔曼滤波器404包括增益块410、求和器412和414、转换块416、另一个求和器418、耦合在求和器418和求和器414之间的卡尔曼增益块422和包括延迟单元424和增益块426的动态反馈环路423。本质上，块410、412、424和426形成用于产生初始过程变量估计值的过程模型，块416、418和422形成用于产生增益块422的输出处的纠错信号的纠错单元，并且块414形成用于将初始过程变量估计值与纠错信号组合以形成过程变量估计值的组合器。结果，卡尔曼滤波器404被配置为基于过程增益b、动态响应增益a和卡尔曼滤波器增益k以及控制信号Uj和测量的过程变量信号Zj的当前值，产生过程变量的估计的无噪值(其是过程402中的过程变量Xj的估计值)。
具体而言，增益单元410将(来自控制器401的)控制信号Uj乘以过程增益b的估计值，并且在求和器412中将该值与(由反馈环路423产生的)动态响应相加，以产生过程变量的先验估计值，将其指示为求和器412的输入端处的动态增益响应由反馈环路423产生，其中，在反馈环路423中，估计的过程变量值在延迟单元424中被延迟一个采样或控制器执行时间，并且将过程变量值的延迟版本乘以动态过程响应增益a。可以理解，过程增益b和动态过程响应增益a一般被建模为常数，但是可以(周期性地或者以其他方式)基于过程402的实际操作来更新。在任意情况中，随后将先验过程变量估计值提供给求和器414，求和器414将该变量值与用于对过程模型中的噪声和模型不正确进行纠错的纠错信号进行求和，以产生过程变量估计值(又被称为观察的过程变量值)。在该情况中，块416、418和422产生该纠错信号。
为了产生求和器414的输入端处的纠错信号，在转换单元416中通过将先验估计的过程变量值乘以值h来产生估计值形式的、仍然被视为初始过程变量估计值的东西，其中值h提供或建模过程变量值与测量的过程变量值Zj的单位之间的单位转换。求和器418然后从过程变量Zj的实际测量值减去初始估计的测量过程变量值(计算它们之间的差)，以在线路440上产生残差。然后在方框422中将该残差乘以卡尔曼滤波器增益k以产生用于对过程中的噪声(例如过程测量噪声和过程噪声)进行纠错以及用于对模型不准确(如增益a、b和h中的不准确)进行纠错的纠错信号。最终，将估计的过程变量值作为输入提供给控制器401以用于控制过程402。卡尔曼增益k和卡尔曼滤波器404的其他变量通常一次性地生成或者在每个执行循环期间重新生成，以确定更好的控制并且将观 察器404调整得更准确。
更具体而言，如果过程是无噪声的并且值a、b和h都准确地已知，则可以假设卡尔曼增益k是常数。然而，如我们已知的，通过按照以下方式在卡尔曼滤波器的每个执行循环期间以递归的方式动态地计算卡尔曼增益k，可以实现最佳线性估计器。首先，可以将先前的值的初始猜想或估计建立为：
Pj-1＝后验状态协方差
然后，在预测器步骤中，可以完成以下计算，以将过程状态的先验估计和过程噪声协方差的先验估计的当前值确定为：
然后，在估计步骤中，可以执行以下计算以确定卡尔曼增益k、过程变量估计值状态协方差Pj和估计的测量过程变量Zj的新值：
其中，
Kj是卡尔曼增益；
R是测量噪声(V)的协方差；以及
Q是过程噪声(W)的协方差。
在初始运行之后，可以在每次重新计算卡尔曼增益时(例如在每个执行循环期间)重复预测器步骤和估计器步骤。
因此，可以理解，图4的卡尔曼滤波器404试图估计用于解决例如由发射器或传感器406所增加的过程噪声和测量噪声的过程变量的实际值Xj，并且将该过程变量的估计值提供给控制器401作为输入。最终，与使用如由发射器406所测量的过程变量的测量或感测值Zj相反，观察器(如卡尔曼滤波器404)的使用在控制器输入 端处提供了实际过程变量Xj的更好或者更真实的估计值，以用于控制过程402。
当存在显著的过程死时间时，则可以修改卡尔曼滤波器中使用的过程模型，以解决用于反映过程输入中的改变的过程测量的延迟。例如，可以用以下格式表示以一阶加死时间为特征的过程的状态变量模型：
Xj＝aXj-1+bUj-m
图5示出了典型的基于卡尔曼滤波器类型的观察器的控制系统500，其具有用于控制过程502的控制器501，过程502具有与之相关并且由用于将过程的求和器126的输出延迟时间T的延迟块510所指示的显著的时间延迟或死时间T。除了延迟块540设置在卡尔曼滤波器504的过程模型内，即设置在增益块410和求和器412之间之外，图5的卡尔曼滤波器504与图4的卡尔曼滤波器基本上相同(并且相同的元件被相同地标号)。延迟块540将增益块410的输出延迟所估计或测量的过程延迟时间或死时间Tm。通过这种方式，图5的卡尔曼滤波器504的过程模型还解决了过程502中的死时间，以将过程变量值的估计值提供给控制器501。
然而，图4的卡尔曼滤波器404和图5的卡尔曼滤波器504再次假设在观察器404的每个执行循环期间新测量值Zj是可用的并且由发射器406提供，以使得观察器404或504能够在每个控制执行循环的开始时，确定并且提供新的估计的过程变量值给控制器401或501。然而，当使用不以比控制器401或501的执行速率相同或更大的速率来向卡尔曼滤波器发送测量信号的无线发射器或其他系统时，如图4和5中所示的卡尔曼滤波器的使用是不可能的，因为在每个执行循环时新样本值是不可用的。
图6示出了如图3中概括所示的基于观察器的过程控制系统600，其中，过程控制器601控制可能与图2的过程402相同的过程602。在该情况中，图3的改进的预测器204在图6中被示出为卡尔曼滤波器604。卡尔曼滤波器604与图4的卡尔曼滤波器404相似， 不同之处在于卡尔曼滤波器604被改进以处理在过程602中进行的间歇性的、缓慢的或非周期性的过程测量值或者以其他方式以比观察器604或控制器601的执行循环速率基本上更缓慢或更小的速率到达的过程测量值。在该情况中，图6的卡尔曼滤波器包括如图4中所示的基本元件(其中，相同的元件包括相同的附图标记)并且因此总体被适配为用于这样一种过程，其中在该过程中不存在显著的过程死时间或者过程响应延迟。
然而，如图6中所示的，改进的卡尔曼滤波器604包括输入接口660，其接受或接收由无线发射器606(其可以与图3的无线发射器206相同)发送的过程测量信号Zj。在卡尔曼滤波器602处的控制信号的接收也可以经过该接口实现。在这里假设无线发射器606间歇性地、非周期性地和／或以比观察器604的执行速率更缓慢的速率发送过程测量信号。发射器606可以例如仅在过程测量信号与上次发送的过程测量信号相比改变预设量时发送过程测量信号，或者可以以比观察器604或控制器601的执行速率更小的周期性的速率或者根据例如任意其他间歇性的速率或调度来发送过程测量信号。总体而言，在该情况中，卡尔曼滤波器604和PID控制器601以比由卡尔曼滤波器604接收来自发射器606的测量更新的速率更快或快得多的速率，周期性地执行。
为了补偿该情况，卡尔曼滤波器604包括开关单元662，开关单元662接收来自接口660的过程变量测量信号的任意新接收值，并且在任意特定执行循环期间基于在接口660处是否已经接收到过程变量测量信号的新值(以及其是否可用)，将该信号或由开关单元662输出给求和器418的上个信号提供给求和器418。具体而言，开关单元662操作以使得卡尔曼滤波器的纠错单元在过程变量测量信号的新值可用的执行循环期间，在组合器418中使用过程变量测量信号的新接收值来产生残差，并且使得卡尔曼滤波器的纠错单元在过程变量测量信号的新值不可用的执行循环期间，在组合器418中使用过程变量测量信号的先前接收值(例如过程变量测量信号的最 近接收值)来产生残差。
此外，卡尔曼增益块622被配置为除非发射了或者在卡尔曼滤波器604的输入端处接收了新测量值，否则将卡尔曼增益k维持为其上次的值。当向接口660发射了或者在接口660处接收了新测量值时，则卡尔曼增益块622重新计算卡尔曼增益k。略微不同地，仅当向接口660发射了或者在接口660处接收了新过程变量测量值Zj时，才在卡尔曼增益块622处(以例如上文所述的方式)更新卡尔曼增益k。这样，仅使用已经发射的测量值来计算卡尔曼增益k的计算中所使用的协方差值R。由于该因素，控制器601的PID控制算法630仍然使用过程变量测量的新预测值来工作，但是仅当发射或接收了新测量值时才更新用于模型纠错的卡尔曼增益k。
更具体而言，在操作期间，接口660和开关单元662操作以存储如由发射器604所感测和发送的感测或测量过程变量信号Zj的最近接收值。在观察器604的每个执行循环期间，接口660将该最近接收并且存储的过程变量值Zj的值提供给求和器418的输入端，以用于在线路440上产生残差，直到在接口660处接收了新测量过程变量值为止。然而，每当接口660接收来自发射器606的新值时(在此执行循环时)，接口660还设置新值标志，并且将该新值标志提供给开关单元662和增益块622。开关单元662使用该新值标志来决定是将新接收的过程变量测量值还是先前接收的过程变量测量值提供给求和器或组合器418。类似地，仅在新值标志被设置为指示在接口660处已接收到新测量的过程变量值Zj时(即在执行循环期间)，卡尔曼滤波器增益块622操作以计算新卡尔曼滤波器增益k。另一方面，在新值标志未被设置时的每个执行循环期间(即在观察器604处未接收过程变量值Zj的新值时的执行循环期间或时间，其中，在此期间接口660设置新值标志以指示在这些执行循环时间没有新值可用)，增益块622保持卡尔曼滤波器增益k恒定。然而，求和器418继续操作以在每个执行循环期间基于过程变量测量值Zj的新接收值或最近接收值，在线路440上产生残差，并且因此卡尔曼滤波 器增益块622在观察器604的每个执行循环期间操作以生成噪声估计值，该噪声估计值然后被提供给求和器414并且用于产生估计的过程变量值这样，卡尔曼滤波器604基于实际传感器测量产生纠错信号，而不在每个执行循环期间改变卡尔曼滤波器增益k(其一般在每个执行循环期间改变以增加本质上作为过程模型的卡尔曼滤波器604的准确性)。该操作在观察器604处接收到新过程变量测量值时的期间或时间之间，通过保持卡尔曼滤波器增益k在这些时间期间恒定，提供准确的过程变量估计值。相反，该操作仅在新过程变量测量值可用时的执行循环期间调整卡尔曼滤波器增益k。
如果过程具有显著的死时间，则可以修改卡尔曼滤波器604中的过程模型以解决该死时间。具体而言，图7示出了包括耦接到具有显著时间延迟或死时间的过程702的控制器701(其类似于或等同于控制器601、501、401、301和201并且具有控制器算法730)的过程控制系统700。控制系统700也包括如上关于图6所述的改进的卡尔曼滤波器704，以接收以非周期性的、间歇性的或缓慢的方式提供的无线过程变量测量值。可以看出，卡尔曼滤波器704与图6的卡尔曼滤波器604相同(相同的元件被相同地编号)，不同之处在于滤波器704的过程模型包括与图5的死时间单元540类似并且为了相同目的而操作的死时间延迟单元740。因此，在该情况中，卡尔曼滤波器704中的残差计算基于具有死时间的预测测量值与发射的测量值之间的差。结果，图7的卡尔曼滤波器704被配置为用作用于具有显著死时间或过程延迟的过程的观察器。
可以理解，图6和7的改进的卡尔曼滤波器604和704允许使用经由例如无线传输网络从过程提供的间歇性地、非周期性地或缓慢提供的过程变量测量值。结果，这些观察器604和704使得能够在过程变量值被以非周期性的或间歇性的方式或者以比卡尔曼滤波器和控制器的执行速率更缓慢或更低的速率测量并且发送到控制系统的过程情况中进行基于观察器的控制。
当使用如图6和7中的那些观察器时，希望或者有时候有必要 配置模型参数，如上述参数a、b和h。例如，在自调节过程中，可以基于过程增益、过程时间常数和过程死时间的知识来设置模型参数。对于积分过程，可以基于过程积分增益和过程死时间的知识来设置模型参数。为了将用户设置这些参数的需求最小化，可以基于控制器调谐参数和一些关于调谐的假设，自动地配置观察器中使用的模型。例如，如果控制算法是PID算法，则可以基于PID控制器增益、复位和速率来设置观察器模型参数。
当卡尔曼滤波器用于无线控制时，如果噪声等级是恒定的或不显著的，则与卡尔曼增益相关的计算可以简化。例如，如果假设与测量噪声相关的噪声协方差R是零(0)，则卡尔曼增益是恒定的并且可以被计算或确定为：
假设R＝0。
如上所述，另一个常用类型的基于预测器的控制使用史密斯预测器。为了说明起见，图8描述了使用史密斯预测器形式的预测器来估计过程变量值X以用作到控制器801的过程变量反馈输入的典型的或已知的控制系统800。控制器801可以是由如图8中所示的控制器算法块830实现的PID控制器，但是也可以是使用其他合适的控制器算法的任意合适类型的控制器。总体而言，史密斯预测器一般用作受控过程(例如图8的过程802)具有显著死时间的控制方案中的预测器，以增强控制器的响应时间和／或提供更好的过程控制。更具体而言，当过程以显著过程死时间为特征时，史密斯预测器可用于估计在没有过程死时间的情况下的过程输出测量值，从而排除或降低反馈控制中的死时间延迟。
如图8所示，控制器801连接到过程802，史密斯预测器804耦接在控制器801与过程802之间的反馈环路中。在该情况中，史密斯预测器804周期性地接收来自有线发射器806的过程变量测量值(其一般是包括显著死时间的测量值)，其中，有线发射器806以与预测器804和／或控制器801的执行速率相等或更大(例如一般大4到10倍)的速率提供新的过程变量测量值。如我们已知的，史密 斯预测器804包括两个过程模型810和812，过程模型810是被适配为用于对不具有过程死时间的过程802进行建模的过程模型，过程模型812是用于对具有死时间的过程802进行建模的过程模型。过程模型810和812接收由控制器801产生的控制器信号U，并且控制器801和812中的每一个使用各自的过程模型来建模过程802对控制信号U的反应，以产生过程输出的估计值(例如过程变量X)。史密斯预测器804包括纠错单元，该纠错单元包括过程模型812和求和器814，求和器814被连接为接收有线发射器806(其测量或提供过程变量Z的测量值)的输出以及过程模型812的输出，过程模型812估计具有死时间的测量过程变量X的值。求和器814将这两个值相减(计算它们之间的差)，以在线路816上产生残差，该残差在本文中被称为纠错信号。该残差(或新息)是测量过程变量值Z与由过程模型812产生的该变量的建模或估计值之间的误差的估计值。(在该情况中，假设变量Z和X具有相同的单位。)线路816上的残差本质上反映了具有死时间的过程模型812在它的测量过程变量值Z的估计中的错误的量的指示。
另一个求和器或组合器820将过程模型810的输出(其是不具有过程死时间的过程变量值X的估计值并且在本文可以被称为初始过程变量估计值)与该残差相加或者以其他方式组合，以产生过程802的过程变量估计值然后将过程变量估计值提供给控制器801，控制器801使用该值作为在本文中用于产生控制信号U的PID控制器算法830(或其他控制器算法)的反馈输入。
与卡尔曼滤波器类似，过程测量值Z与具有死时间的过程模型812的输出之间的差可以被视为用于反映过程模型中的任意误差或任意未测量的过程干扰的残差。如上所示，残差值或纠错信号用于调整不具有死时间的过程模型810的输出而不是像在卡尔曼滤波器中执行的那样调整模型输出的先前值。
当然，预测器(如图8的史密斯预测器)的设计基于如下假设：每次执行算法时新的过程输出测量值是可用的。并且，当与PID控 制结合使用以用于纠错操作时，应该基于周期性的基准并且以比过程响应时间(即过程时间常数加死时间)快4-10倍地运行控制器和预测器。因此，当对以缓慢的、间歇性的或非周期性的速率来提供过程测量值的过程测量反馈使用无线发射器或其他通信网络时，必须修改预测器以允许纠错控制操作。
总体而言，可以改进史密斯预测器以与无线测量(例如缓慢的、间歇性的或非周期性的接收的过程变量测量)一起工作，其中，通过仅当新测量值Z被发射到预测器或在预测器处接收到新测量值Z时才更新用于对不具有死时间的模型进行纠错的残差值，在周期性的基准上并且以比发送测量值的速率更快或快得多的速率运行控制器和史密斯预测器。
作为一个实例，图9描述了过程控制系统900，过程控制系统900使用控制器901来控制过程902并且包括被改进为与非周期性、间歇性的或缓慢的过程变量测量值或更新的接收(例如低于控制器901或预测器904的执行速率)一起工作的史密斯预测器904(其可以是图3的改进的预测器204)形式的预测器。如图9中所述的，预测器904类似于预测器804，其中，相同的元件被相同地编号。因此，预测器904包括具有和不具有死时间的过程模型810和812以及求和器814和820。然而，在该情况中，史密斯预测器904包括接口960，接口960接收并且存储无线发射的过程变量值Z的值，并且在史密斯预测器904的每个执行循环期间将最近存储的值提供给求和器816。接口960还可以在控制信号输入端处接收控制信号U。每当在接口960处已经接收或存储了过程变量测量值Z的新值时(在此执行循环期间)，接口960创建并且提供新值标志。图9的接口960将该新值标志提供给设置在求和器814和820之间的开关单元962。
开关单元962具有耦接为接收求和器814的输出的第一输入端以及耦接为接收开关单元962的输出的第二输入端。开关单元962操作以基于由接口960提供给开关单元962的新值标志的值，将两个输入中的一个提供给开关单元输出(其也连接到求和器820的输 入端)。在该情况中，开关单元962操作以每当新值标志被设置为指示在接口960处出现或接口960已经接收到测量过程变量Z的新值时，将求和器814的输出提供给开关单元输出(并且因此给求和器820的输入端)，并且操作以每当新值标志被设置为指示在接口960处未出现或接口960未接收到测量过程变量Z的新值时(在观察器904的该执行循环期间或正好之前)，将开关单元962的前一种输出提供给求和器820的输入端。当然，在后一种情况中，不使用求和器814的输出。这样，开关单元962操作以每当过程变量测量值Z的新值不可用时在求和器820的输入端处锁定由求和器814产生的残差(例如纠错信号)的先前值，并且操作以当求和器814作用于过程变量测量值Z的新接收值时使得能够将由求和器814所确定的残差的新值提供给求和器820。因此，开关单元962实质上操作以仅在观察器904的当新过程变量测量值Z出现或可用时的执行循环期间，将新计算的残差值提供给求和器820，否则在求和器820的输入端处锁定残差的先前计算值(即上次在接口960处接收到过程变量测量值Z时计算的残差)。虽然开关单元962被示出为设置在两个硬件求和器814和820之间的硬件单元，但是可以用存储在非暂态计算机可读介质上并且可以在处理器(专门编程的通用处理器或者专门编程的处理器)上执行的软件或固件实现求和器814和820以及开关单元962(以及改进的观察器904的其余元件)。
提供图10和图11以示出使用上文所述的改进的观察器／预测器的控制系统的性能，其中，该系统与接收有线的或周期性的测量值的、传统的基于PID的控制系统相比，接收间歇性的过程变量测量值。具体而言，图10描述了图表1000，图表1000示出了控制系统(如图6的控制系统)的计算机仿真的操作，该控制系统与以比控制系统的执行速率更大或相等的速率将周期性的过程变量测量值提供给PID控制器的输入端的PID控制相比而言，具有PID控制器和如关于图6所述那样操作(其中，以比控制系统的执行速率更低的速率将过程变量测量值提供给观察器的输入端)的卡尔曼滤波器 形式的改进的观察器。在图10中，线条1001指示提供给控制器的设置点值，而线条1002指示被控制的过程中的未测量的干扰的值。如从本文将看到的，这些变量中的每一个在不同的时间改变以说明在过程操作期间两种类型的控制系统对这两种类型的改变中的每一种的响应和操作。
图10的线条1010和1011分别示出了由典型的控制系统(具有周期性的测量反馈的PID控制器)和改进的控制系统(具有用于接收非周期性的例如无线的测量反馈的改进的观察器的PID控制器)控制的过程变量(PV)的仿真值。类似地，线条1020和1021分别示出了由典型的控制系统的PID控制器(具有周期性的测量反馈的PID控制器)输出的控制信号和由改进的控制系统的PID控制器(具有用于接收非周期性的例如无线的测量反馈的改进的观察器的PID控制器)输出的控制信号的仿真值。这些线条演示了与利用有线发射器的PID控制器相比，改进的卡尔曼滤波器型观察器可以如何与PID控制器一起使用来使用无线测量来提供闭环控制。
在该仿真测试中，用于比较的过程是一阶加死时间过程，其具有以下特征：
过程增益＝1
过程时间常数＝6秒
过程死时间＝2秒
在所有情况中PID控制器都针对入因子1进行调谐。
GAIN＝1／过程增益
RESET＝过程时间常数+过程死时间
过程输入和输出被缩放到0-100％，以使得比较易于用图形表示。因此，在这些实例中，h(单位转换因子)的值等于一(1)。对于卡尔曼滤波器，噪声等级是最小的并且因此卡尔曼滤波器增益被设置为常数值1／h＝1。仿真的无线发射器被配置为针对百分之一的改变以及使用加窗的通信的10秒的默认周期。模块(控制器)执行速率被设置为0.5秒。
如从线条1010和1011以及线条1020和1021的严格检查将看出的，使用卡尔曼滤波器形式的观察器的改进的控制系统与以比控制系统的执行速率更大或相等的速率将周期性的过程变量测量值提供给控制器的PID控制系统非常类似地进行操作。事实上，如图10的图表中所示的，对于设置点改变和大的未测量过程干扰来说，控制性能与PID控制器和有线测量相当。作为测试模块的一部分，具有无线测量的控制的积分绝对误差(IAE)以及具有有线测量的控制的IAE分别被计算为332和327，因此在该测量上证实具有几乎相同或者非常相当的控制性能。
类似地，图11描述了图表1100，图表1100示出了如图9的控制系统的计算机仿真的操作，该控制系统与以比控制系统的执行速率更大或相等的速率将周期性的过程变量测量值提供给PID控制器的输入端的PID控制相比而言，具有PID控制器和如上文关于图9所述进行操作(其中以比控制系统的执行速率更低的速率将过程变量测量值提供给预测器的输入端)的史密斯预测器形式的改进的预测器。在图11中，线条1101指示提供给控制器的设置点值，而线条1102指示过程中的未测量干扰的值。如从本文将看到的，这些变量中的每一个在不同的时间改变以说明在过程操作期间两种类型的控制系统对这两种类型的改变中的每一种的响应和操作。
线条1110和1111分别示出了由典型的控制系统(具有周期性的测量反馈的PID控制器)和改进的控制系统(具有用于接收非周期性的例如无线的测量反馈的改进的史密斯预测器的PID控制器)控制的过程变量(PV)的仿真值。类似地，线条1120和1121分别示出了由典型的控制系统的PID控制器(具有周期性的测量反馈的PID控制器)输出的控制信号和由改进的控制系统的PID控制器(具有用于接收非周期性的例如无线的测量反馈的改进的史密斯预测器的PID控制器)输出的控制信号的仿真值。通常，使用与上文对于卡尔曼滤波器实例所述相同的过程动态来执行控制。
如从线条1110和1111以及线条1120和1121的检查可以看出 的，使用改进的史密斯预测器形式的预测器的改进的控制系统与使用对于设置点改变和大的未测量过程干扰具有有线测量的PID控制器的典型控制系统类似地进行操作。作为测试的一部分，具有利用改进的史密斯预测器的无线测量的控制的积分绝对误差(IAE)以及具有有线测量的控制的IAE分别被计算为504和335。因此，就IAE而言，结果比利用改进的卡尔曼滤波器的测试中实现的结果稍差，但是在大部分过程控制情况中仍然是可接受的。
图12示出了一种用于实现控制系统1200(如图1的控制系统)中的改进的预测器和控制器的方式。如图12中所示的，控制器1201被连接为控制过程1202，并且改进的预测器1204可通信地耦接在控制器1201与无线发射器1206之间，其测量过程1202中的一个或多个过程变量。改进的预测器1204可以是上文所述的任意改进的预测器／观察器或者基于本文所述的技术构造的改进的预测器／观察器。如图12中所示的，改进的预测器1204被配置为并且操作或执行为分离的并且独立的块，如与控制系统1200相关的分离的功能块或分离的控制模块。例如，当控制器1201实现为功能块或控制模块时，改进的预测器1204可以实现为可通信地耦接到如图12中所示的控制器功能块或模块的分离的功能块或分离的控制模块。在该情况中，控制器1201的控制块1230可以存储在与预测器1204分离的设备中并且在该设备中执行(在该情况中对于预测器1204与控制器1201的控制块1230之间的通信发生设备到设备通信)或者可以存储在与预测器1204相同的设备中并且在该设备中执行(在该情况中对于预测器1204与控制器1201的控制块1230之间的通信发生设备内通信)。在任意一个情况中，这两个块经由通信线路、路径或网络，可通信地彼此耦接。
在该实例中，改进的观察器块1204以如下方式可通信地连接到控制块1230，该方式使得块1204在控制器1201的每个执行循环至少一次将更新后的过程变量估计值提供给控制块1230。在任意情况中，改进的观察器块1204可以位于图1的控制器、现场设备、I／O 设备中的不同一个中，而控制器1201可以位于相同的或其他这种设备中。
图13描述了过程控制系统1301，在该过程控制系统1301中控制块1301用于控制过程1302并且改进的观察器块1304接收来自无线发射器1306的无线传输信号。然而，在这里，改进的观察器块1304与控制器算法块1330位于相同的复合块中但是在分离的模块中。因此，在该实例中，控制器算法块1330和改进的预测器1304在相同的复合模块(被示为复合块1340)中被集成在一起并且因此在过程控制网络(如图1的过程控制网络10)中的同一设备中执行。通常，将在其中一个控制器11中执行该模块，但是也可以在图1的任意其他设备(包括有线或无线现场设备、I／O设备等等)中执行该模块。在该情况中，为控制器块1301提供的用户接口可以显示由预测器1304产生的预测测量值，作为到控制器块1301中的过程变量PV测量输入。然而，在大部分情况中，当访问或观察控制操作时，工厂操作员将对于观察上次传输的测量值更感兴趣。为了允许将测量值作为控制参数显示给操作员，可以例如如图14和15中所示那样创建包括控制器的控制器块和改进的观察器块。
具体而言，图14和15示出了控制块1401和1501的实例，其中，预测器／观察器块1404(在图14中指示为改进的卡尔曼滤波器)和预测器块1504(在图15中指示为史密斯预测器)分别被集成到与控制器算法块1430和1530相同的块中。因此，在这些情况中，控制器块或模块1401或1501包括控制器算法功能块(1430或1530)和改进的卡尔曼滤波器块1404或史密斯预测器块1504。在该情况中，改进的预测器／观察器1404或1504被视为控制模块或例程自身1401或1501的一部分并且因此作为控制块1401或1501的一部分是可观察的(并且使得它们的参数可访问)。因此，在该情况中，测量变量Z在操作员看来将是到控制器1401或1501的反馈过程变量(PV)输入。
虽然本文提供的讨论假设，对于所描述的不同实施方式中的每 一个，耦接到改进的观察器的控制器实现PID控制例程，但是该描述仅仅是为了一致性起见而提供的。可以理解，除了传统PID控制算法(其可以包括任意形式的PID，如P、PI、PD、PID等等)之外的其他类型的控制算法可用作使用本文所述的改进的观察器的控制方案中的控制器。当然，存在许多其他用于实现本文所述的改进的观察器的方式，并且可以理解，该改进的观察器可以与该改进的观察器所连接到的控制器或控制块或控制元件一起(例如在相同的模块或设备中)或独立地使用(例如在不同的模块或设备中)。类似地，可以用硬件、执行在通用计算机上的软件例程或执行在专用计算机或处理器设备上的软件或固件例程来实现本文所述的控制器和改进的观察器。
在任意一个所公开的实施方式中，改进的观察器或包括该改进的观察器的设备包括通信栈以处理输入过程变量测量信号，以及用于检测输入信号何时提供测量值更新的模块或例程。检测例程然后可以生成标志或其他信号以注释经由通信栈提供的数据包括新测量值或其他类型的值或更新。然后可以将新数据和更新标志提供给如上文所述的观察器的一个或多个元件，其将如上文所述地结合观察器或控制器例程的操作来实现。可替换地或另外地，可以将新数据和更新标志提供给在例如图1的控制器11中或者在控制系统的其他地方执行的一个或多个监视模块或应用。更新检测功能可以在功能块级实现以及可以由与控制和／或观察器模块相关的一个或多个功能块提供。其他无线设备(如现场设备71)可以包括类似的组件和功能，以由例如位于其中的一个或多个功能块(例如FB1和FB2)支持该信号的接收和处理。
在一些情况中，可以由图1的I／O设备26、28、73和74中的一个或多个实现通信栈和更新检测模块。此外，更新检测模块用于进行它的确定的方式可以涉及硬件、软件、固件或它们的任意组合并且可以涉及任意合适的用于比较过程变量的值的例程。
可以结合涉及在异常报告基础上进行的过程控制数据传输的 通信方案(如无线通信)来利用本文所述的过程控制系统。无线通信环境中的过程控制数据的异常报告可以给出多个优点。例如，可以降低在现场中由发射器或其他现场设备消耗功率的速率，从而节约电池功率或其他有线的电源。然而，与过去的异常报告不同，本文公开的技术支持在周期性基础上执行的过程控制例程中利用的数据的传输。与过去不鼓励利用基于事件触发提供的数据来执行过程控制例程的警告不同，本文的技术的实施允许过程控制例程的周期性执行而没有性能的有害的牺牲。本文公开的技术进一步支持基于事件触发将数据提供给用于监视应用的系统，类似地在性能中没有有害的牺牲。
虽然良好地适用于并且在本文有时候结合无线通信方案来讨论，但是本文公开的技术的实施不限于任意具体的通信方案、环境或协议或任意过程控制网络、架构、控制器或系统或任意监视应用。相反，本文公开的技术可以应用于任意数量的或不同的环境中，其中，在该环境中比控制例程执行周期或监视循环或由于任意希望的原因而更不频繁地发送过程控制数据。该环境可能出现使得通信不可靠或间歇的、不希望的或不利的条件。因此，通过前文的描述可以理解，本文公开的技术的实施不限于本文具体描述的低功率或其他无线通信方案。
如我们将理解的，当从现场到控制器11的测量值的通信被传统地构造为以周期性的方式报告以继而支持控制例程的周期性执行时，上文对于图1、3、6、7、9和12-15的无线(或其他)发射器所述的通信技术通常导致非周期性的、无规律的或者以其他方式的更不频繁的数据传输。换句话说，控制例程通常被设计为并且依赖于测量值的周期性的更新。为了允许非周期性的或者以其他方式不可用的测量更新(以及其他不可用的通信传输)，可以如上文所述地重构或改进该预测器、控制和监视例程以使得过程控制系统10能够依赖于比控制执行周期或一些其他标准周期更不频繁地发生的非周期性的或其他间歇性的更新。这样，在一些情况中，本文所公开的 技术通常可以支持一种形式的过程变量测量异常报告，而不管过程控制例程的周期性的执行。本文公开的技术还可以解决并且支持一种形式的异常报告，该异常报告涉及控制例程与控制例程的设备下游(如对由控制例程生成的控制信号进行响应的致动器或其他设备或元件)之间的传输。
当然，可以理解，在一些情况中设备可以收集并监视多个不同的测量(即不同的信号的测量)并且本文所述的相同的传输技术可以用于该一个或多个测量中的每一个。此外，在一些情况中用于收集测量值的设备可以执行关于数据的先进的分析(如纠错分析、调谐分析等等)或测量，并且本文所述的相同的通信技术可以用于确定是否发送完整的分析、单个状态，或者等待直到下一个采样间隔为止才发射信号。
根据本文的公开的一些方案，本文所述的技术可以应用在控制器与现场设备或过程控制系统的其他元件之间的多个不同无线(或其他)通信被不希望地延迟或丢失的环境中。因此，可以理解，上文关于控制器与发射器之间以及控制器与致动器之间的通信问题的阐述本质上是示例性的。此外，通信中涉及的参数不限于由控制例程控制的过程变量。相反，本文公开的技术可以结合涉及任意被测量或反馈或者以其他方式发送以被控制例程或监视例程使用的参数的通信结合地应用。结果，可以理解，上文所述的响应指示(即过程变量测量值和致动器位置)的阐述本质上是示例性的。通过本文公开的技术还可以解决涉及指示对控制信号的响应的其他数据的通信问题。结果，可以涉及来自控制例程的下游的元件(例如现场设备、另一个过程控制例程等等)的数据的任意通信。
本文公开的方法、系统和技术的实施不限于任意一个具体的无线架构或通信协议。事实上，本文公开的对于控制例程的改进良好地适用于任意这样一种环境，其中，在该环境中以周期性的方式实现控制例程但是对于每个控制重复不具有过程变量测量值更新。其他示例性的环境包括由例如分析器或经由实验室采样来无规律地或 更偶尔地提供采样值的情况。
此外，本文公开的技术的实施不限于使用单输入单输出PI或PID控制例程，而是可以应用于使用观察器的多个不同的多输入和／或多输出控制方案和级联控制方案中。更普遍而言，本文公开的技术还可以应用于任意闭环的基于模型的控制例程中，其涉及一个或多个过程变量、一个或多个过程输入或其他控制信号，如模型预测控制(MPC)。
本文在广义的意义上使用术语“现场设备”以包括多个设备或设备组合(即用于提供多个功能的设备，如混合发送器／致动器)以及在控制系统中执行功能的任意其他设备。在任意情况中，现场设备可以包括例如输入设备(例如设备，如传感器和仪器，其提供状态、测量值或用于指示过程控制参数的其他信号，如例如温度、压力、流速等等)以及用于响应于从控制器和／或其他现场设备接收的命令来执行动作的控制操作器或致动器。
当被实现时，本文所述的单元、块、模块、开关、组合器、加法器、增益块等等中的任意一个可以作为存储在任意计算机可读存储器(如在磁盘、激光盘或其他存储介质上、在计算机或处理器等等的RAM或ROM中)中的软件或固件来执行。因此，可以使用本文所述的技术将与本文所述的实施方式类似的具体硬件实现在计算机处理器上的软件中。类似地，可以使用任意已知的或希望的传递方法，包括例如在计算机可读盘或其他便携计算机存储机制上或通过通信信道(如电话线、因特网、万维网、任意其他局域网或广域网等等)，将该软件传递给用户、过程工厂或操作员站。
虽然已经参考仅用于说明而不用于限制本发明的具体实例描述了本发明，但是对于本领域普通技术人员而言显然可以在不脱离本发明的精神和范围的前提下对本文公开的实施方式做出改变、增加或删除。

Claims (47)

1.一种用于控制过程的控制系统，所述控制系统包括：
控制单元，所述控制单元包括过程变量输入端和通信地耦接到所述过程变量输入端的控制例程单元，其中，所述控制例程单元基于在所述过程变量输入端处接收的过程变量值，生成用于控制所述过程的控制信号；
耦接到所述控制单元的预测器单元，所述预测器单元在多个执行循环中的每个执行循环期间操作一次，以产生过程变量估计值，所述预测器单元包括：
耦接为接收由所述控制例程单元产生的所述控制信号的控制信号输入端，
包括过程变量反馈输入端的接口，所述过程变量反馈输入端以低于所述预测器单元的每个执行循环时间一次的频率接收过程变量测量信号，
耦接为在所述控制信号输入端处接收所述控制信号以产生初始过程变量估计值的过程模型，
耦接为使用经由所述过程变量反馈输入端接收的所述过程变量测量信号来产生纠错信号的纠错单元，
耦接到所述过程模型和所述纠错单元以将所述初始过程变量估计值与所述纠错信号组合以产生所述过程变量估计值的组合器，以及
开关单元，所述开关单元在所述预测器单元的在所述过程变量测量信号的新值可用时的执行循环期间，使得所述纠错单元使用所述过程变量测量信号的新值来产生所述纠错信号，并且在所述预测器单元的在所述过程变量测量信号的新值不可用时的执行循环期间，使得所述纠错单元使用所述过程变量测量信号的先前接收值来产生所述纠错信号，其中，所述控制单元的所述过程变量输入端被耦接为接收所述过程变量估计值。
2.如权利要求1所述的控制系统，其中，所述预测器单元是观察器。
3.如权利要求2所述的控制系统，其中，所述观察器的纠错单元对所述过程模型中的过程模型错误进行纠错。
4.如权利要求1所述的控制系统，其中，所述预测器单元是卡尔曼滤波器。
5.如权利要求1所述的控制系统，其中，所述预测器单元是史密斯预测器。
6.如权利要求1所述的控制系统，其中，所述纠错单元包括另一个组合器，在每个执行循环期间所述另一个组合器将所述初始过程变量估计值与所述过程变量测量信号的值进行组合，以产生残差，并且其中，在所述预测器单元的在所述过程变量测量信号的新值可用时的执行循环期间，所述开关单元进行操作以将所述过程变量测量信号的新值提供给所述另一个组合器以产生所述残差，并且其中，在所述预测器单元的在所述过程变量测量信号的新值不可用时的执行循环期间，所述开关单元进行操作以将所述过程变量测量信号的先前接收值提供给所述另一个组合器以产生所述残差。
7.如权利要求6所述的控制系统，其中，所述纠错单元包括将所述残差乘以增益值以产生所述纠错信号的增益单元，其中，所述开关单元进行操作以在所述预测器单元的在所述过程变量测量信号的新值可用时的执行循环期间，使得所述增益单元确定新增益值，并且在所述预测器单元的在所述过程变量测量信号的新值不可用时的执行循环期间，使得所述增益单元使用先前计算的增益值。
8.如权利要求7所述的控制系统，其中，所述增益单元是卡尔曼增益单元，所述卡尔曼增益单元确定用于所述增益单元的卡尔曼增益值。
9.如权利要求6所述的控制系统，其中，所述预测器单元是卡尔曼滤波器。
10.如权利要求1所述的控制系统，其中，所述过程模型包括用于对具有死时间的过程进行建模以产生所述初始过程变量估计值的延迟单元。
11.如权利要求1所述的控制系统，其中，所述纠错单元包括另一个组合器，所述另一个组合器将另一个过程变量估计值与所述过程变量测量信号的值进行组合以产生残差，并且其中，在所述预测器单元的在所述过程变量测量信号的新值在所述另一个组合器处可用时的执行循环期间，所述开关单元进行操作以将所述残差的新值提供给所述组合器以产生所述残差，并且其中，在所述预测器单元的在所述过程变量测量信号的新值在所述另一个组合器处不可用时的执行循环期间，所述开关单元进行操作以将所述残差的先前计算的值提供给所述组合器以产生所述残差。
12.如权利要求11所述的控制系统，其中，所述预测器单元包括对具有死时间的过程进行建模以产生所述另一个过程变量估计值的另一个过程模型，并且其中，所述过程模型是对不具有死时间的过程进行建模以产生所述初始过程变量估计值的过程模型。
13.如权利要求1所述的控制系统，其中，所述控制例程单元存储并且实现比例积分微分控制算法来产生所述控制信号。
14.一种用于控制过程的方法，包括：
在计算机处理器设备处，在多个执行循环中的每个执行循环期间实现控制例程，以基于过程变量估计值产生用于控制所述过程的控制信号；
在计算机处理器设备处，以低于执行循环时间的频率接收过程变量测量信号；
在计算机处理器设备处，在多个执行循环中的每个执行循环期间实现预测器例程，以产生所述过程变量估计值，包括：
在多个执行循环中的每个执行循环期间接收由所述控制例程产生的所述控制信号；
在多个执行循环中的每个执行循环期间，使用过程模型产生初始过程变量估计值，以基于所述控制信号建模所述过程的反应；
在多个执行循环中的每个执行循环期间确定纠错信号，并且
在多个执行循环中的每个执行循环期间将所述初始过程变量估计值与所述纠错信号进行组合以产生所述过程变量估计值，
其中，在多个执行循环中的每个执行循环期间确定所述纠错信号包括：在所述过程变量测量信号的新接收值可用时的执行循环期间，使用所述过程变量测量信号的新接收值来产生所述纠错信号，并且，在所述过程变量测量信号的新接收值不可用时的执行循环期间，使用所述过程变量测量信号的先前接收的值来产生所述纠错信号。
15.如权利要求14所述的方法，其中，实现所述预测器例程包括：通过在对所述过程模型中的过程模型错误进行纠错时产生所述过程变量估计值来实现观察器例程。
16.如权利要求14所述的方法，其中，实现所述预测器例程包括：实现卡尔曼滤波器。
17.如权利要求14所述的方法，其中，实现所述预测器例程包括：实现史密斯预测器。
18.如权利要求14所述的方法，其中，确定所述纠错信号包括：在多个执行循环中的每个执行循环期间，将所述初始过程变量估计值与所述过程变量测量信号的值进行组合以产生残差，并且进一步包括：在所述过程变量测量信号的新值可用时的执行循环期间，使用所述过程变量测量信号的新值以产生所述残差，以及在所述过程变量测量信号的新值不可用时的执行循环期间，使用所述过程变量测量信号的最近接收值以产生所述残差。
19.如权利要求18所述的方法，进一步包括：在多个执行循环中的每个执行循环期间将所述残差乘以增益值以产生所述纠错信号，并且，在所述过程变量测量信号的新值可用时的执行循环期间，确定新增益值，并且在所述过程变量测量信号的新值不可用时的执行循环期间，使用先前计算的增益值。
20.如权利要求19所述的方法，其中，确定所述增益值包括确定卡尔曼增益值。
21.如权利要求18所述的方法，进一步包括：使用延迟单元来解决所述过程模型中的过程死时间。
22.如权利要求14所述的方法，其中，确定所述纠错信号包括：在所述过程变量测量信号的新值可用时的执行循环期间，使用另一个过程模型来产生另一个过程变量估计值，并且将所述另一个过程变量估计值与所述过程变量测量信号的值进行组合以产生新残差作为所述纠错信号，并且，在所述过程变量测量信号的新值不可用时的执行循环期间，使用先前计算的残差作为所述纠错信号。
23.如权利要求22所述的方法，其中，使用所述另一个过程模型包括：使用用于对具有死时间的过程进行建模的过程模型作为所述另一个过程模型以产生所述另一个过程变量估计值，并且其中，产生所述初始过程变量估计值包括使用对不具有死时间的过程进行建模的过程模型。
24.一种用于控制具有过程变量的过程的方法，所述方法包括：
在计算机处理器设备处，接收经由无线通信网络传送的过程变量测量信号，以获得所述过程变量的更新；
在多个执行循环中的每个执行循环期间，在所述处理器设备上周期性地实现过程变量预测器例程，以通过对在每个执行循环期间产生的初始过程变量估计值与纠错信号进行组合来生成所述过程变量的过程变量估计值，其中，所述纠错信号是通过以下方式在每个执行循环期间确定的：在所述过程变量测量信号的新接收值在所述预测器例程处可用时的执行循环期间，使用所述过程变量测量信号的新接收值来产生所述纠错信号，并且，在所述过程变量测量信号的新接收值在所述预测器例程处不可用时的执行循环期间，使用所述过程变量测量信号的先前接收值来产生所述纠错信号；
将所述过程变量估计值提供给控制例程；并且
在计算机处理器设备上周期性地实现所述控制例程，以基于所述过程变量估计值来生成用于所述过程的控制信号；
其中，所述过程变量测量信号的接收以低于周期性执行循环的执行速率的速率非周期性发生，使得所述过程变量预测器例程利用所述过程变量的缓慢的或非周期性的更新来产生所述过程变量估计值。
25.如权利要求24所述的方法，其中，实现所述过程变量预测器例程以生成所述过程变量估计值包括：
在每个执行循环期间使用过程模型产生初始过程变量估计值，以基于所述控制信号建模所述过程的反应；
在每个执行循环期间确定纠错信号，并且
在每个执行循环期间将所述初始过程变量估计值与所述纠错信号进行组合以产生所述过程变量估计值，
其中，在每个执行循环期间确定所述纠错信号包括：在所述过程变量测量信号的新接收值在所述预测器例程处可用时的执行循环期间，使用所述过程变量测量信号的新接收值来产生所述纠错信号，并且，在所述过程变量测量信号的新接收值在所述预测器例程处不可用时的执行循环期间，使用所述过程变量测量信号的先前接收值来产生所述纠错信号。
26.如权利要求25所述的方法，其中，确定所述纠错信号包括：在每个执行循环期间，将所述初始过程变量估计值与所述过程变量测量信号的值进行组合以产生残差，并且进一步包括：在所述过程变量测量信号的新值可用时的执行循环期间，使用所述过程变量测量信号的新值以产生所述残差，并且在所述过程变量测量信号的新值不可用时的执行循环期间，使用所述过程变量测量信号的最近接收值以产生所述残差。
27.如权利要求26所述的方法，进一步包括：在每个执行循环期间将所述残差乘以增益值以产生所述纠错信号，并且，在所述过程变量测量信号的新值在所述预测器例程处可用时的执行循环期间，确定新增益值，并且在所述过程变量测量信号的新值在所述预测器例程处不可用时的执行循环期间，使用先前计算的增益值。
28.如权利要求25所述的方法，其中，确定所述纠错信号包括：在所述过程变量测量信号的新值在所述预测器例程处可用时的执行循环期间，使用另一个过程模型来产生另一个过程变量估计值并且将所述另一个过程变量估计值与所述过程变量测量信号的值进行组合以产生新的残差作为所述纠错信号，并且，在所述过程变量测量信号的新值在所述预测器例程处不可用时的执行循环期间，使用所述残差的先前计算值作为所述纠错信号。
29.如权利要求28所述的方法，其中，使用所述另一个过程模型包括：使用用于对具有死时间的过程进行建模的过程模型作为所述另一个过程模型以产生所述另一个过程变量估计值，并且其中，产生所述初始过程变量估计值包括使用用于对不具有死时间的过程进行建模的过程模型。
30.一种卡尔曼滤波器，所述卡尔曼滤波器以执行循环速率周期性地操作，以在多个执行循环中的每个执行循环期间产生过程变量估计值，所述卡尔曼滤波器包括：
包括过程变量反馈输入端和控制信号输入端的接口，所述过程变量反馈输入端以低于所述执行循环速率的频率接收过程变量测量信号，所述控制信号输入端接收控制信号；
耦接为在每个执行循环期间在所述控制信号输入端处接收所述控制信号以产生初始过程变量估计值的过程模型；
耦接为在每个执行循环期间使用经由所述过程变量反馈输入端接收的过程变量测量信号来产生纠错信号的纠错单元，所述纠错单元包括第一组合器和增益单元，所述第一组合器将接收的过程变量测量信号与所述初始过程变量估计值进行组合以产生残差，所述增益单元将所述残差与增益值进行组合以产生所述纠错信号；以及
耦接到所述过程模型和所述纠错单元以将所述初始过程变量估计值与所述纠错信号进行组合以产生所述过程变量估计值的第二组合器；
其中，所述纠错单元在所述过程变量测量信号的新值可用时的执行循环期间，在所述第一组合器中使用所述过程变量测量信号的新值来产生所述残差，并且在所述过程变量测量信号的新值不可用时的执行循环期间，在所述第一组合器中使用所述过程变量测量信号的先前接收值来产生所述残差。
31.如权利要求30所述的卡尔曼滤波器，其中，所述纠错单元包括开关单元，所述开关单元进行操作以在所述过程变量测量信号的新值可用时的执行循环期间，将所述过程变量测量信号的新值提供给所述第一组合器以产生所述残差，并且其中所述开关单元进行操作以在所述过程变量测量信号的新值不可用时的执行循环期间，将所述过程变量测量信号的最近接收值提供给所述第一组合器以产生所述残差。
32.如权利要求31所述的卡尔曼滤波器，其中，在所述过程变量测量信号的新值在所述接口处可用时的执行循环期间，所述接口生成新值标志，并且其中，在每个执行循环期间，所述开关单元使用所述新值标志将所述过程变量测量信号的所述新值或者所述过程变量测量信号的所述最近接收值提供给所述第一组合器，以产生所述残差。
33.如权利要求30所述的卡尔曼滤波器，其中，所述增益单元将所述残差乘以所述增益值，以产生所述纠错信号，并且其中，所述增益单元在所述过程变量测量信号的新值可用时的执行循环期间，确定新增益值，并且其中，所述增益单元在所述过程变量测量信号的新值不可用时的执行循环期间，使用先前计算的增益值。
34.如权利要求33所述的卡尔曼滤波器，其中，所述增益单元确定卡尔曼增益值。
35.如权利要求30所述的卡尔曼滤波器，其中，所述纠错单元包括用于转换所述初始过程变量估计值以与所述过程变量测量信号的单位匹配的转换单元，并且其中，所述纠错单元的所述第一组合器通过将接收的过程变量测量信号与转换后的初始过程变量估计值进行组合来将接收的过程变量测量信号与所述初始过程变量估计值进行组合，以产生所述残差。
36.如权利要求30所述的卡尔曼滤波器，其中，所述过程模型包括用于对具有死时间的过程进行建模以产生所述初始过程变量估计值的延迟单元。
37.一种被适配为在计算机处理器上以执行循环速率来执行以在多个执行循环中的每个执行循环期间产生过程变量估计值的卡尔曼滤波器，包括：
接口例程，所述接口例程存储在非暂态计算机可读介质中并且被适配为在所述处理器上执行以接收用于控制过程的控制信号并且用低于执行循环速率的频率接收过程变量测量信号；
过程建模例程，所述过程建模例程存储在所述非暂态计算机可读介质中并且被适配为在所述处理器上执行以在每个执行循环期间使用所述控制信号来产生初始过程变量估计值；
纠错例程，所述纠错例程存储在所述非暂态计算机可读介质中并且被适配为在所述处理器上执行以将接收的过程变量测量信号与所述初始过程变量估计值进行组合以产生残差，并且将所述残差与增益值进行组合以产生纠错信号；以及
组合器例程，所述组合器例程存储在所述非暂态计算机可读介质中并且被适配为在所述处理器上执行以将所述初始过程变量估计值与所述纠错信号进行组合以产生所述过程变量估计值；
其中，所述纠错例程用于：在所述过程变量测量信号的新值可用时的执行循环期间，将所述过程变量测量信号的新接收值与所述初始过程变量估计值进行组合以产生所述残差，并且，在所述过程变量测量信号的新值不可用时的执行循环期间，将所述过程变量测量信号的先前接收值与所述初始过程变量估计值进行组合以产生所述残差。
38.如权利要求37所述的卡尔曼滤波器，其中，所述纠错例程包括开关例程，所述开关例程在所述过程变量测量信号的新值可用时的执行循环期间，进行操作以将所述过程变量测量信号的新值提供给组合器例程以产生所述残差，并且其中，所述开关例程在所述过程变量测量信号的新值不可用时的执行循环期间，进行操作以将所述过程变量测量信号的最近接收值提供给所述组合器例程以产生所述残差。
39.如权利要求38所述的卡尔曼滤波器，其中，在所述过程变量测量信号的新值可用时的执行循环期间，所述接口例程生成新值标志，并且其中，在每个执行循环期间，所述开关例程使用所述新值标志将所述过程变量测量信号的新值或者所述过程变量测量信号的最近接收值提供给所述组合器例程以产生所述残差。
40.如权利要求37所述的卡尔曼滤波器，其中，所述纠错例程将所述残差乘以所述增益值以产生所述纠错信号，并且其中，所述纠错例程在所述过程变量测量信号的新值可用时的执行循环期间，确定新增益值，并且其中，所述纠错例程在所述过程变量测量信号的新值不可用时的执行循环期间，使用先前计算的增益值。
41.如权利要求37所述的卡尔曼滤波器，其中，所述纠错例程通过转换所述初始过程变量估计值以与所述过程变量测量信号的单位匹配并且通过将接收的过程变量测量信号与转换后的初始过程变量估计值进行组合以产生所述残差，来将接收的过程变量测量信号与所述初始过程变量估计值进行组合以产生所述残差。
42.一种以执行循环速率周期性地操作以在多个执行循环中的每个执行循环期间产生过程变量估计值的史密斯预测器，包括：
包括过程变量反馈输入端和控制信号输入端的接口，所述过程变量反馈输入端以低于所述执行循环速率的频率接收过程变量测量信号，所述控制信号输入端接收控制信号；
耦接为在一个或多个执行循环期间在所述控制信号输入端处接收所述控制信号以产生第一过程变量估计值的第一过程模型；
耦接为在每个执行循环期间在所述控制信号输入端处接收所述控制信号以产生第二过程变量估计值的第二过程模型；
耦接到所述接口和所述第一过程模型的第一组合器，在一个或多个执行循环期间，所述第一组合器将经由所述过程变量反馈输入端接收的过程变量测量信号与所述第一过程变量估计值进行组合以产生残差；
耦接到所述第一组合器和所述第二过程模型以将所述残差与所述第二过程变量估计值进行组合以产生所述过程变量估计值的第二组合器；以及
开关单元，所述开关单元连接为在所述过程变量测量信号的新值在所述第一组合器处可用时的执行循环期间，使得将由所述第一组合器产生的残差提供给所述第二组合器，并且，在所述过程变量测量信号的新值在所述第一组合器处不可用时的执行循环期间，使得将所述残差的先前计算值提供给所述第二组合器。
43.如权利要求42所述的史密斯预测器，其中，在所述过程变量测量信号的新值在所述接口处可用时的执行循环期间，所述接口生成新值标志，并且其中，当所述新值标志指示所述过程变量测量信号的新值在所述接口处可用时，所述开关单元使用所述新值标志以将由所述第一组合器计算的所述残差提供给所述第二组合器，并且当所述新值标志指示所述过程变量测量信号的新值在所述接口处不可用时，所述开关单元将所述残差的先前计算值提供给所述第二组合器。
44.如权利要求42所述的史密斯预测器，其中，所述第一过程模型包括对具有过程死时间的过程的响应进行建模的过程模型，并且第二过程模型包括对不具有过程死时间的过程的响应进行建模的过程模型。
45.一种被适配为在计算机处理器上以执行循环速率来执行以在多个执行循环中的每个执行循环期间产生过程变量估计值的史密斯预测器，包括：
接口例程，所述接口例程存储在非暂态计算机可读介质中并且被适配为在处理器上执行以在每个执行循环期间接收控制信号并且用低于所述执行循环速率的频率接收过程变量测量信号；
第一过程建模例程，所述第一过程建模例程存储在所述非暂态计算机可读介质中并且被适配为在处理器上执行以在一个或多个执行循环期间对所述过程对所述控制信号的响应进行建模，以产生第一过程变量估计值；
第二过程建模例程，所述第二过程建模例程存储在所述非暂态计算机可读介质中并且被适配为在处理器上执行以在每个执行循环期间对所述过程对所述控制信号的响应进行建模，以产生第二过程变量估计值；
第一组合器例程，所述第一组合器例程存储在所述非暂态计算机可读介质中并且被适配为在处理器上执行以在一个或多个执行循环期间，将经由所述接口例程接收的过程变量测量信号与所述第一过程变量估计值进行组合，以产生残差；
第二组合器例程，所述第二组合器例程存储在所述非暂态计算机可读介质中并且被适配为在处理器上执行以将所述残差与所述第二过程变量估计值进行组合，以产生所述过程变量估计值；
其中，在所述过程变量测量信号的新值可用于所述第一组合器例程时的执行循环期间，所述第二组合器例程使用由所述第一组合器例程产生的所述残差来产生所述过程变量估计值，并且其中，在所述过程变量测量信号的新值不可用于所述第一组合器例程时的执行循环期间，所述第二组合器例程使用所述残差的先前计算值来处理所述过程变量估计值。
46.如权利要求45所述的史密斯预测器，还包括开关例程，所述开关例程存储在所述非暂态计算机可读介质中并且被适配为在所述处理器上执行，其中，在所述过程变量测量信号的新值在所述接口处可用时的执行循环期间，所述接口例程生成新值标志，并且其中，当所述新值标志指示所述过程变量测量信号的新值可用时，所述开关例程使用所述新值标志将由所述第一组合器例程计算的所述残差提供给所述第二组合器例程，并且当所述新值标志指示所述过程变量测量信号的新值不可用时，所述开关例程将所述残差的先前计算值提供给所述第二组合器例程。
47.如权利要求45所述的史密斯预测器，其中，所述第一过程建模例程对具有过程死时间的过程的响应进行建模，并且其中所述第二过程建模例程对不具有过程死时间的过程的响应进行建模。
CN201410075848.0A 2013-03-01 2014-02-28 预测器在具有无线或间歇性过程测量的过程控制系统中的使用 Active CN104020728B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/782,478 US9405286B2 (en) 2013-03-01 2013-03-01 Use of predictors in process control systems with wireless or intermittent process measurements
US13/782,478 2013-03-01

Publications (2)

Publication Number Publication Date
CN104020728A CN104020728A (zh) 2014-09-03
CN104020728B true CN104020728B (zh) 2018-09-07

Family

ID=50390580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410075848.0A Active CN104020728B (zh) 2013-03-01 2014-02-28 预测器在具有无线或间歇性过程测量的过程控制系统中的使用

Country Status (5)

Country Link
US (1) US9405286B2 (zh)
JP (2) JP6356978B2 (zh)
CN (1) CN104020728B (zh)
DE (1) DE102014102660A1 (zh)
GB (1) GB2512712B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9020619B2 (en) * 2012-04-24 2015-04-28 Fisher Controls International Llc Method and apparatus for local or remote control of an instrument in a process system
US9405286B2 (en) * 2013-03-01 2016-08-02 Fisher-Rosemount Systems, Inc. Use of predictors in process control systems with wireless or intermittent process measurements
US9851698B2 (en) * 2013-03-15 2017-12-26 Schneider Electric Systems Usa, Inc. Process variable transmitter
US10386796B2 (en) * 2014-12-11 2019-08-20 University Of New Brunswick Model predictive controller and method with correction parameter to compensate for time lag
WO2016181504A1 (ja) * 2015-05-12 2016-11-17 三菱電機株式会社 数値制御装置
EP3411108A4 (en) * 2016-02-02 2019-12-25 The University of Western Ontario CATHETER FORCE CONTROL DEVICE
RU2016112469A (ru) * 2016-04-01 2017-10-04 Фишер-Роузмаунт Системз, Инк. Способы и устройство для обнаружения и предотвращения помпажа компрессора
US10761522B2 (en) * 2016-09-16 2020-09-01 Honeywell Limited Closed-loop model parameter identification techniques for industrial model-based process controllers
US10708389B2 (en) * 2016-12-06 2020-07-07 Intelligrated Headquarters, Llc Phased deployment of scalable real time web applications for material handling system
JP6787112B2 (ja) * 2016-12-26 2020-11-18 日本電気株式会社 遠隔制御装置、遠隔制御システム、遠隔制御方法及び遠隔制御プログラム
US11388620B2 (en) * 2017-03-08 2022-07-12 Nec Corporation Apparatus and method for communication network
EP4174590A3 (en) * 2017-12-21 2023-07-26 The University of Chicago Combined learned and dynamic control method
DE102018110552A1 (de) 2018-05-03 2019-11-07 Endress+Hauser Process Solutions Ag Verfahren zum Reduzieren einer zu übertragenden Datenmenge eines Feldgeräts
US11437825B2 (en) * 2019-01-04 2022-09-06 Vestas Wind Systems A/S Hybrid renewable power plant
WO2020169183A1 (en) * 2019-02-19 2020-08-27 Applied Materials, Inc. Sensor data extrapolation method and system
US11129117B2 (en) 2019-06-27 2021-09-21 Intel Corporation Predictive wireless feedback control loops
US11551058B2 (en) * 2019-06-27 2023-01-10 Intel Corporation Wireless feedback control loops with neural networks to predict target system states
TWI744909B (zh) * 2019-06-28 2021-11-01 日商住友重機械工業股份有限公司 用於預測對象裝置的運轉狀態之預測系統、其之預測、其之預測程式、以及用於掌握對象裝置的運轉狀態之顯示裝置
CN110559966B (zh) * 2019-09-17 2020-06-12 台州道致科技股份有限公司 一种反应釜多模联合控制方法及系统
US11467543B2 (en) * 2019-09-20 2022-10-11 Fisher-Rosemount Systems, Inc. Process controller design with process approximation and lambda tuning
KR102692731B1 (ko) * 2020-07-06 2024-08-08 고쿠리츠겐큐카이하츠호진 가이죠·고완·고쿠기쥬츠겐큐죠 엔진의 이상 진단 방법, 엔진의 이상 진단 프로그램을 기록한 컴퓨터로 읽을 수 있는 기억 매체 및 엔진의 이상 진단 시스템
EP3974917A1 (de) * 2020-09-29 2022-03-30 Siemens Aktiengesellschaft Verfahren und system zur steuerung oder regelung einer technischen einrichtung

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1592873A (zh) * 2001-10-23 2005-03-09 布鲁克斯－普里自动控制公司 具有状态和模型参数估计的半导体批次控制系统
US7096085B2 (en) * 2004-05-28 2006-08-22 Applied Materials Process control by distinguishing a white noise component of a process variance
CN101943916A (zh) * 2010-09-07 2011-01-12 陕西科技大学 一种基于卡尔曼滤波器预测的机器人避障方法
CN102131383A (zh) * 2008-06-26 2011-07-20 Solix生物燃料公司 用于生物反应器的基于模型的控制

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4861960A (en) 1988-04-25 1989-08-29 General Electric Company Real time adaptive control for resistance spot welding process
JP2647216B2 (ja) * 1989-12-13 1997-08-27 株式会社東芝 むだ時間補償制御装置
ATE187824T1 (de) 1994-10-24 2000-01-15 Fisher Rosemount Systems Inc Vorrichtung, die einen zugang zu feldgeräten in einem verteilten steuerungssystem gestattet
JPH1185204A (ja) * 1997-09-08 1999-03-30 Nippon Telegr & Teleph Corp <Ntt> 状態信号検出方法及び装置並びに状態信号検出プログラムを記録した記録媒体
JP3804060B2 (ja) 2000-12-14 2006-08-02 株式会社安川電機 フィードバック制御装置
JP3555609B2 (ja) 2001-11-30 2004-08-18 オムロン株式会社 制御装置、温度調節器および熱処理装置
JP2005196558A (ja) * 2004-01-08 2005-07-21 Yamatake Corp 制御方法および制御装置
US7620460B2 (en) 2005-10-25 2009-11-17 Fisher-Rosemount Systems, Inc. Process control with unreliable communications
US7587252B2 (en) 2005-10-25 2009-09-08 Fisher-Rosemount Systems, Inc. Non-periodic control communications in wireless and other process control systems
US8719327B2 (en) 2005-10-25 2014-05-06 Fisher-Rosemount Systems, Inc. Wireless communication of process measurements
CN104834294A (zh) 2005-12-05 2015-08-12 费舍-柔斯芒特系统股份有限公司 利用并行过程仿真的多目标预测过程优化
GB2479315B (en) * 2009-02-02 2014-12-10 Fisher Rosemount Systems Inc Model predictive controller with tunable integral component to compensate for model mismatch
JP2010205141A (ja) * 2009-03-05 2010-09-16 Toshiba Mitsubishi-Electric Industrial System Corp むだ時間補償制御装置
JP2012062870A (ja) * 2010-09-17 2012-03-29 Hitachi Automotive Systems Ltd 内燃機関の燃料圧力制御装置
WO2013007867A1 (en) * 2011-07-11 2013-01-17 Metso Automation Oy Wireless control for process automation
US9405286B2 (en) * 2013-03-01 2016-08-02 Fisher-Rosemount Systems, Inc. Use of predictors in process control systems with wireless or intermittent process measurements

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1592873A (zh) * 2001-10-23 2005-03-09 布鲁克斯－普里自动控制公司 具有状态和模型参数估计的半导体批次控制系统
US7096085B2 (en) * 2004-05-28 2006-08-22 Applied Materials Process control by distinguishing a white noise component of a process variance
CN102131383A (zh) * 2008-06-26 2011-07-20 Solix生物燃料公司 用于生物反应器的基于模型的控制
CN101943916A (zh) * 2010-09-07 2011-01-12 陕西科技大学 一种基于卡尔曼滤波器预测的机器人避障方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于卡尔曼滤波器的间歇反应预测控制;李少远，等;《控制工程》;20090731;第16卷(第4期);第394-397页 *
基于改进Smith预估器的二阶时滞系统;安连祥, 等;《计算机仿真》;20110131;第28卷(第1期);第198-200,233页 *

Also Published As

Publication number Publication date
US20140249653A1 (en) 2014-09-04
GB2512712A (en) 2014-10-08
JP2014197391A (ja) 2014-10-16
GB201402080D0 (en) 2014-03-26
DE102014102660A1 (de) 2014-09-04
GB2512712B (en) 2020-08-12
US9405286B2 (en) 2016-08-02
JP6482699B2 (ja) 2019-03-13
CN104020728A (zh) 2014-09-03
JP2018110022A (ja) 2018-07-12
JP6356978B2 (ja) 2018-07-11

Similar Documents

Publication Publication Date Title
CN104020728B (zh) 预测器在具有无线或间歇性过程测量的过程控制系统中的使用
JP7009432B2 (ja) プロセス制御システムにおける改善されたカルマンフィルタ
CN106575104B (zh) 使用无线过程信号的模型预测控制
US7620460B2 (en) Process control with unreliable communications
JP6259706B2 (ja) ワイヤレスプロセス制御装置からの伝送を減少するためのシステム及び方法
US9298176B2 (en) Compensating for setpoint changes in a non-periodically updated controller
JP7517774B2 (ja) 非周期的に更新されるコントローラにおける速度に基づく制御、プロセスを制御する方法、プロセスコントローラ
CN109976144B (zh) 减少控制回路中的控制器更新
US10423127B2 (en) Velocity based control in a non-periodically updated controller

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant